内容简介：获得相应包支持：go get golang.org/x/net/websocket解释：（1）http.Handle("/", websocket.Handler(Echo))
获得相应包支持：go get golang.org/x/net/websocket
package main
import (
"log"
"net/http"
"os"
"golang.org/x/net/websocket"
)
func main() {
log.Println(os.Args[0]) //第一个参数，显示文件路径
http.Handle("/", websocket.Handler(Echo))
if err := http.ListenAndServe(":8088", nil); err != nil {
log.Println(err)
}
}
func Echo(ws *websocket.Conn) {
for {
var raply string
if err := websocket.Message.Receive(ws, &raply); err != nil { //get infomation,write in adress
log.Println("can't receive")
break
}
msg := "Received:" + raply
log.Println(msg)
if err := websocket.Message.Send(ws, "come back infomation"); err != nil { //send infomation
log.Println("can't send")
break
}
}
}
解释：
（1）http.Handle("/", websocket.Handler(Echo))
主函数中的handle函数，将路由和相关的方法联系起来，不过要经过转化
（2）func Echo(ws *websocket.Conn)
这个函数中实现了逻辑的实行，for循环一直处理用户请求
其中： websocket.Message.Receive(ws, &raply)实现了数据的接收，存入对应的内存地址。
websocket.Message.Send(ws, "come back infomation")发送相应的数据，前台可以接收这个数据。
以下是前台模拟
192.168.149.1是我自己电脑的IP，根据自己的IP不同，提交的地址不一样，在这里改成自己的IP地址或者想要提交的服务器地址即可
<html>
<head>
<title></title>
</head>
<body>
<script>
var sock=null
var wxurl="ws://192.168.149.1:8088"
window.onload=function(){
sock= new WebSocket(wxurl)
sock.onopen = function(){
console.log("connect to "+wxurl)
}
sock.onmessage = function(e){
console.log("message:"+e.data)
alert(e.data)
$("#cs").text(e.data)
}
sock.onclose = function(e){
console.log("close:"+e.code)
}
}
function send(){
var msg = document.getElementById("ms").value
sock.send(msg)
}
</script>
<form>
<input id="ms" type="text" value="hello word" >
<label id="cs"></label>
</form>
<button onclick="send()" >push</button>
</body>
</html>
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- go websocket
- Go WebSocket 简单使用
- Go实现Websocket消息推送
- 使用Go语言创建WebSocket服务
- 使用 Go 语言创建 WebSocket 服务
- 使用 Go 语言创建 WebSocket 服务
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
大数据时代的算法：机器学习、人工智能及其典型实例
刘凡平 / 电子工业出版社 / 2017-1 / 49
《大数据时代的算法：机器学习、人工智能及其典型实例》介绍在互联网行业中经常涉及的算法，包括排序算法、查找算法、资源分配算法、路径分析算法、相似度分析算法，以及与机器学习相关的算法，包括数据分类算法、聚类算法、预测与估算算法、决策算法、关联规则分析算法及推荐算法。《大数据时代的算法：机器学习、人工智能及其典型实例》涉及的相关算法均为解决实际问题中的主流算法，对于工作和学习都有实际参考意义。 《......一起来看看 《大数据时代的算法：机器学习、人工智能及其典型实例》 这本书的介绍吧!
