Question

这是我的代码

 <script>
 var _getValue = @myViewModel.myInfo.Name == null ? 'isNull' : 'notNull';
 </script>

数据库中的值@myViewModel.myInfo.Name为空，但是此代码始终返回notNull。
我如何正确地检查为空或为空？

Answer 1

这是当Razor和javascript混合在一起时发生的事情，所以不要养成经常这样做的习惯！

考虑这一行：

 <script>
 var _getValue = @myViewModel.myInfo.Name == null ? 'isNull' : 'notNull';
 </script>

这里唯一的服务器端Razor件是@myViewModel.myInfo.Name，它返回null，将其呈现为空字符串。所以要给客户的是：

 <script>
 var _getValue = '' == null ? 'isNull' : 'notNull';
 </script>

现在这是纯js，并且在客户端执行，自然会给出'notNull'。毕竟，空字符串的确不是null。

现在考虑一下：

 <script>
 var _getValue = '@myViewModel.myInfo.Name' == '' ? 'isNull' : 'notNull';
 </script>

剃须刀片仍然相同，@myViewModel.myInfo.Name，仍然为空，因此向客户发送的是：

 <script>
 var _getValue = '' == '' ? 'isNull' : 'notNull';
 </script>

这次平等实际上成立了，所以你得到的是'isNull'。

要快速解决此问题，只需遵循evaluate expressions in Razor的通用语法：

 <script>
 var _getValue = '@(myViewModel.myInfo.Name == null ? "isNull" : "notNull")';
 </script>

现在，将在服务器端评估整个三元数据。

展望未来，您可能希望检出String方法IsNullOrEmpty和IsNullOrWhitespace。

Answer 2

您应该将其添加到大括号中

例如

from scipy.stats import randint as sp_randint
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import RandomizedSearchCV, train_test_split
from sklearn.datasets import load_boston
from sklearn.metrics import r2_score, make_scorer

X, y = load_boston().data, load_boston().target

X_train, X_test, y_train, y_test = train_test_split(X, y)

clf = RandomForestRegressor()

# Your custom scoring strategy
def my_custom_score(y_true, y_pred):
    return r2_score(y_true, y_pred)

# Wrapping it in make_scorer to able to use in RandomizedSearch
my_scorer = make_scorer(my_custom_score)

# Hyper Parameters to be tuned
param_dist = {"max_depth": [3, None],
              "max_features": sp_randint(1, 11),
              "min_samples_split": sp_randint(2, 11),}

random_search = RandomizedSearchCV(clf, param_distributions=param_dist,
                                   n_iter=20, scoring=my_scorer)
random_search.fit(X_train, y_train)

# Best found parameters set and model trained on X_train, y_train
best_clf = random_search.best_estimator_

# Get predictions on your new data
y_test_pred = best_clf.predict(X_test)

# Calculate your score on the predictions with respect to actual values
print(my_custom_score(y_test, y_test_pred))

在javascript中检查模型值是否为空或为null

2 个答案: