Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >LocalDateTime日期格式化和指定日期的时分秒

LocalDateTime日期格式化和指定日期的时分秒

作者头像
oktokeep
发布于 2024-10-09 02:55:35
发布于 2024-10-09 02:55:35
35100
代码可运行
举报
文章被收录于专栏:第三方工具第三方工具
运行总次数:0
代码可运行

LocalDateTime日期格式化和指定日期的时分秒

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
package com.example.core.mydemo.date;

import java.time.LocalDate;
import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;

/**
 * now=2023-06-30
 * after=2023-07-04
 * afterTime=2023-07-04T00:00:01
 * dateFormat=06/30-07/01
 */
public class LocalDateTest {
    public static final String YYYYMMDDHHMMSSS_PATTERN = "yyyyMMddHHmmss";
    public static final String DEFAULT_PATTERN_NEW_SHORT = "MM/dd";

    public static void main(String[] args) {
        LocalDate now = LocalDate.now();
        LocalDate after = now.plusDays(4);
        LocalDateTime afterTime = after.atTime(0,0,1);

        System.out.println("now=" + now);
        System.out.println("after=" + after);
        System.out.println("afterTime=" + afterTime);

        String startTime = "20230630163000";
        String endTime = "20230701163000";
        LocalDateTime startLdt = parseStringToDateTime(startTime,YYYYMMDDHHMMSSS_PATTERN);
        LocalDateTime endLdt = parseStringToDateTime(endTime,YYYYMMDDHHMMSSS_PATTERN);
        String rentStr = formatDateTime(startLdt,DEFAULT_PATTERN_NEW_SHORT);
        String revertStr = formatDateTime(endLdt,DEFAULT_PATTERN_NEW_SHORT);
        String rentViewFormat = rentStr + "-" + revertStr;
        System.out.println("dateFormat=" + rentViewFormat);

    }


    public static LocalDateTime parseStringToDateTime(String time, String format) {
        DateTimeFormatter df = DateTimeFormatter.ofPattern(format);
        return LocalDateTime.parse(time, df);
    }

    public static String formatDateTime(LocalDateTime dateTime, String pattern) {
        if (dateTime == null) {
            return null;
        }
        if (pattern == null || pattern.isEmpty()) {
            pattern = YYYYMMDDHHMMSSS_PATTERN;
        }
        DateTimeFormatter formatter = DateTimeFormatter.ofPattern(pattern);
        return dateTime.format(formatter);
    }


}
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2023-06-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
开发 | 提高驾驶技术:用GAN去除(爱情)动作片中的马赛克和衣服
作为一名久经片场的老司机,早就想写一些探讨驾驶技术的文章。这篇就介绍利用生成式对抗网络(GAN)的两个基本驾驶技能: 1) 去除(爱情)动作片中的马赛克 2) 给(爱情)动作片中的女孩穿(tuo)衣服 生成式模型 上一篇《用GAN生成二维样本的小例子》中已经简单介绍了GAN,这篇再简要回顾一下生成式模型,算是补全一个来龙去脉。 生成模型就是能够产生指定分布数据的模型,常见的生成式模型一般都会有一个用于产生样本的简单分布。例如一个均匀分布,根据要生成分布的概率密度函数,进行建模,让均匀分布中的样本经过变换得到
AI科技评论
2018/03/13
1.4K0
开发 | 提高驾驶技术:用GAN去除(爱情)动作片中的马赛克和衣服
一些fancy的GAN应用
GAN全称是Generator adversarial networks,中文是生成对抗网络,是一种生成式模型,由good fellow在14年提出,近四年来被AI研究者疯狂研(guan)究(shui),更有大神建立一个GAN zoo,收集了上百种不同的GAN:
机器学习算法工程师
2018/07/26
6390
一些fancy的GAN应用
一些fancy的GAN应用
GAN全称是Generative adversarial networks,中文是生成对抗网络,是一种生成式模型,由good fellow在14年提出,近四年来被AI研究者疯狂研(guan)究(shui),更有大神建立一个GAN zoo,收集了上百种不同的GAN:
DoubleV
2018/09/03
1.3K0
一些fancy的GAN应用
18种热门GAN的PyTorch开源代码 | 附论文地址
有GitHub小伙伴提供了前人的肩膀供你站上去。TA汇总了18种热门GAN的PyTorch实现,还列出了每一种GAN的论文地址,可谓良心资源。
量子位
2018/07/24
1.3K0
18种热门GAN的PyTorch开源代码 | 附论文地址
干货 | 可能是近期最好玩的深度学习模型了:CycleGAN的原理与实验详解
AI科技评论按:本文作者何之源,原文载于知乎专栏AI Insight,AI科技评论获其授权发布。 CycleGAN是在今年三月底放在arxiv(arXiv: 1703.10593)的一篇文章,文章名为《Learning to Discover Cross-Domain Relations with Generative Adversarial Networks》。同一时期还有两篇非常类似的DualGAN (arXiv: 1704.02510) 和DiscoGAN (arXiv: 1703.05192),简单
AI科技评论
2018/03/13
1.7K0
干货 | 可能是近期最好玩的深度学习模型了:CycleGAN的原理与实验详解
这些资源你肯定需要!超全的GAN PyTorch+Keras实现集合
选自GitHub 作者:eriklindernoren 机器之心编译 参与:刘晓坤、思源、李泽南 生成对抗网络一直是非常美妙且高效的方法,自 14 年 Ian Goodfellow 等人提出第一个生成对抗网络以来,各种变体和修正版如雨后春笋般出现,它们都有各自的特性和对应的优势。本文介绍了主流的生成对抗网络及其对应的 PyTorch 和 Keras 实现代码,希望对各位读者在 GAN 上的理解与实现有所帮助。 PyTorch 实现地址:https://github.com/eriklindernoren/
机器之心
2018/05/08
1K0
这些资源你肯定需要!超全的GAN PyTorch+Keras实现集合
深度学习500问——Chapter07:生成对抗网络(GAN)(3)
GAN作为一种强有力的生成模型,其应用十分广泛。最为常见的应用就是图像翻译。所谓图像翻译,指从一幅图像到另一幅图像的转换。可以类比机器翻译,一种语言转换为另一种语言。常见的图像翻译任务有:
JOYCE_Leo16
2024/04/16
3290
深度学习500问——Chapter07:生成对抗网络(GAN)(3)
论文推荐 | 生成对抗网络GAN论文TOP 10
我建议你以 DCGAN 这篇论文来开启你的 GAN 之旅。这篇论文展示了卷积层如何与GAN 一起使用,并为此提供了一系列架构指南。这篇论文还讨论了 GAN 特征的可视化、潜在空间插值、利用判别器特征来训练分类器、评估结果等问题。所有这些问题都必然会出现在你的 GAN 研究中。
昱良
2019/07/04
2K0
生成式对抗网络模型综述
原创声明:本文为 SIGAI 原创文章,仅供个人学习使用,未经允许,不得转载,不能用于商业目的。
SIGAI学习与实践平台
2018/07/11
1.5K0
GAN生成图像综述
生成对抗网络(Generative adversarial network, GAN)[1]自2014年由Ian Goodfellow等人提出后,就越来越受到学术界和工业界的重视。而随着GAN在理论与模型上的高速发展,它在计算机视觉、自然语言处理、人机交互等领域有着越来越深入的应用,并不断向着其它领域继续延伸。其中,GAN在图像生成上取得了巨大的成功,这取决于GAN在博弈下不断提高建模能力,最终实现以假乱真的图像生成。
SIGAI学习与实践平台
2019/05/07
2.2K0
GAN生成图像综述
改善图像处理效果的五大生成对抗网络
在图像处理方面,机器学习实践者们正在逐渐转向借助生成对抗网络的力量,本文带你了解其中五种生成对抗网络,可根据自己的实际需求进行选型。
AI算法与图像处理
2021/04/21
5690
改善图像处理效果的五大生成对抗网络
由生成模型到domain迁移:GAN、CGAN、StarGAN、CycleGAN、AsymmetricCycleGAN
最近看一篇CVPR2018文章PairedCycleGAN: Asymmetric Style Transfer for Applying and Removing Makeup有感。总结一下GAN做domian transfer的思路脉络。 Base knowledge Generative Adversarial Nets (GAN) : GAN是一种训练生成模型的方法,包括两个互相对抗的模型:一个生成模型G用于拟合样本数据分布和一个判别模型D用于估计输入样本是来自于真实的训练数据还是生成模型G。生成
天天P图攻城狮
2018/12/17
4.4K0
由生成模型到domain迁移:GAN、CGAN、StarGAN、CycleGAN、AsymmetricCycleGAN
技术详解 | 如何用GAN实现阴影检测和阴影去除?
作者 | 江亦凡 最近两天刚看到的论文,写一篇文章当做笔记,论文原文取自https://arxiv.org/abs/1712.02478 继去年底Phillip Isola, Jun-Yan Zhu等人提出pix2pix框架以来,image translation的应用引起了大家的重点关注,相应的github仓库更是获得了高达4000+的star。至此,GAN在image to image translation, semantic segmentation, image style transfer等
AI科技大本营
2018/04/27
2.2K0
技术详解 | 如何用GAN实现阴影检测和阴影去除?
17种GAN变体的Keras实现请收好 | GitHub热门开源代码
△ 来源:Kaggle blog 从2014年诞生至今,生成对抗网络(GAN)始终广受关注,已经出现了200多种有名有姓的变体。 这项“造假神技”的创作范围,已经从最初的手写数字和几百像素小渣图,拓展
量子位
2018/03/20
1.8K0
17种GAN变体的Keras实现请收好 | GitHub热门开源代码
深度学习中最常见GAN模型应用与解读
2014年Ian Goodfellow首次提出Generative adversarial networks (生成对抗网络)简称GANs,生成对抗网络就开始在计算机视觉领域得到广泛应用,成为对有用的视觉任务网络之一,也是如今计算机视觉热点研究领域之一,其已经出现的应用领域与方向如下:
OpenCV学堂
2019/10/11
3.5K0
深度学习中最常见GAN模型应用与解读
2017年领域自适应发展回顾
这篇文章原为 quora 中2017年机器学习领域最杰出的成就是什么?问题下的答案。
AI研习社
2018/12/05
6600
【实战】GAN网络图像翻译机:图像复原、模糊变清晰、素描变彩图
【新智元导读】本文介绍深度学习方法在图像翻译领域的应用,通过实现一个编码解码“图像翻译机”进行图像的清晰化处理,展示深度学习应用在图像翻译领域的效果。 近年来深度学习在图像处理、音频处理以及NLP领域取得了令人瞩目的成绩,特别在图像处理领域,深度学习已然成为主流方法。本文介绍深度学习方法在图像翻译领域的应用,通过实现一个编码解码“图像翻译机”进行图像的清晰化处理,展示深度学习应用在图像翻译领域的效果。此外,由于神经网络能够自动进行特征工程,同一个模型,如果我们使用不同场景下的数据进行训练,便可适应不同的场景
新智元
2018/03/22
3.5K0
【实战】GAN网络图像翻译机:图像复原、模糊变清晰、素描变彩图
pix2pix模型(雪花算法原理)
Pix2pix算法(Image-to-Image Translation,图像翻译) 来源于论文:Image-to-Image Translation with Conditional Adversarial Networks
全栈程序员站长
2022/07/28
1.8K0
pix2pix模型(雪花算法原理)
GAN的发展系列四(Pix2Pix、CycleGAN)
一、 Pix2pix 论文:《Image-to-Image Translation with Conditional Adversarial Networks》 论文地址:https://arxiv.org/abs/1611.07004 代码地址:https://github.com/phillipi/pix2pix.
Minerva
2020/06/23
4.2K0
GAN图像转换之从pix2pix到cycle GAN
本文介绍了图像转换的两种方法:基于卷积神经网络的方法和基于生成对抗网络的方法。前者通过训练一个生成器和一个判别器,将一个图像转换成另一个图像,后者使用一个生成器和一个判别器来生成与真实图像相似但略有不同的图像。这些方法可以用于图像转换、风格迁移、图像修复等任务。
企鹅号小编
2018/01/02
2K0
GAN图像转换之从pix2pix到cycle GAN
推荐阅读
相关推荐
开发 | 提高驾驶技术:用GAN去除(爱情)动作片中的马赛克和衣服
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验