sh_-s2.log

ORM과 JPA 알아보

Mon, 04 Aug 2025 00:23:19 GMT

ORM 이란?

ORM은 Object-Relational Mapping의 약자로, 객체 지향 프로그래밍 언어에서 객체와 관계형 데이터베이스의 데이터를 매핑해주는 기술을 말함 ORM을 사용하면 데이터베이스 테이블을 클래스에 매핑하고, SQL 쿼리를 직접 작성하지 않고도 객체의 상태를 데이터베이스에 저장하거나 불러올 수 있음

ORM 더 알아보기

ORM 장점

SQL 추상화 : 직접 SQL을 작성할 필요 없이 객체로 데이터를 다룰 수 있음
코드 간결화 : 데이터베이스와의 상호작용을 객체 지향적으로 다룰 수 있어 코드가 직관적이고 깔끔해짐
성능 최적화 : 지연 로딩(Lazy Loading)이나 캐싱 등을 통해 데이터베이스와의 상호작용을 효율적으로 처리할 수 있음

언어	ORM 종류
Java	Hibernate, JPA, MyBatis
Python	Django ORM, SQLAlchemy
JavaScript	TypeORM, Sequelize, Prisma

🫤 ORM은 프로젝트의 성격이나 사용하는 프로그래밍 언어에 따라 어떤 걸 쓰는 게 좋을 지 선택해야해!

예를 들면,

실시간 처리 등 성능이 중요한 시스템은 가볍고 빠른 ORM을 쓰는게 좋음 → ex) MyBatis

주로 이런 ORM은 SQL을 직접 쓰기 때문에 속도가 빠르고 유연한 편임

빠르게 개발해야 하는 경우에는 풀 기능을 제공하는 ORM을 쓰는게 좋음 → ex) JPA

이런 ORM은 자동으로 SQL을 만들어줌

🤗 자바 기반 SpringFramework 사용 시에는 JPA를 일반적으로 많이 사용함!

JPA 더 알아보기

💡JPA는 뭘까?! JPA는 Java Persistence API의 약자로 Java에서 ORM을 표준화 해놓은 API(명세)를 의미함 즉, Java 객체를 데이터베이스에 쉽게 저장하고 관리할 수 있도록 만든 표준 인터페이스

🫤 JPA는 인터페이스인데 그럼 구현체가 없는거 아니야?

→ JPA는 인터페이스만 정의해 놓은 표준이라 실제로 동작하려면 구현체가 필요함! → 가장 대표적인 구현체는 Hibernate!

🌟 JPA 장점과 단점

📌 JPA 장점

SQL을 거의 안써도 됨 (자동 생성)
객체 지항적으로 개발 가능
캐시, 지연 로딩, 변경 감지 등 고급 기능 제공
유지보수 쉬움

📌 JPA 단점

내부 동작 이해가 필요 (처음 사용 시 사용 방법을 공부해야함)
단순한 CRUD는 편하지만, 복잡한 쿼리는 오히려 불편할 수 있음

딥러닝 맛보기(성적회귀예측)

Mon, 30 Jun 2025 07:28:36 GMT

딥러닝 개요

인간의 신경망을 모방하여 학습하고 예측하는 기술
대량의 데이터에서 규칙을 발견하거나 패턴을 찾아내는 능력이 뛰어남.
머신러닝에 비해 판단이 유연 (인간의 추상적 사고 구현)
인간의 뉴런 == 딥러닝의 선형모델
주로 이미지 처리, 영상, 음성처리 등에 활용

##

머신러닝 : sklearn
딥러닝 : tensorflow, leras, pytorch 등
- 수업에는 tensorflow, keras 사용
- keras 딥러닝을 쉽게 구현하기 위한 클래스와 함수들 제공

목표

동일한 데이터를 가지고 머신러닝, 딥러닝 모델링을 통해 차이점을 알아보자.
공부시간에 따른 수학시험 점수 예측 모델링

머신러닝 vs 딥러닝

머신러닝
- 모델 객체 생성 ( 완성형 ) > 학습 > 평가 > 예측
- 완성형 로봇 형태( 팔정도는 움직이기 가능 ( 하이퍼파라미터 튜닝 ) )

딥러닝

모델 객체 생성 ( 모델 직접 구성, 신경망 직접 설계 ) > 컴파일 > 학습 > 평가 > 예측

조립식 모델에 비유( 개발자가 구성하고자 하는 모양으로 설계 가능 )

다양한 결과를 만들어 낼 수 잇음

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 파일 가져오기
data = pd.read_csv('./data/student-mat.csv')
data.head(5)

# 데이터 분리
# 문제 정답 데이터 알고 분리
data.info               # G1, G2, G3 시험 점수

# 문제 데이터 : studytime
# 정답 데이터 : G3
X = data['studytime']
X.shape         #  문제데이터는 무조건 2차원이여야 함

X = data[['studytime']]
X.shape

y = data['G3']
y.shape

# train_test_split
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.3, random_state=5)

# 머신러닝 모델로 수학점수 예측(회귀)
from sklearn.linear_model import LinearRegression

# 객체 생성
linear_model = LinearRegression()

# 학습
linear_model.fit(X_train,y_train)

linear_model.score(X_test,y_test)

학습 시킨후 정답값이 이상함.. 내일까지 알아오기 숙제임

이미지 블렌딩 게임 제작

Wed, 25 Jun 2025 08:53:59 GMT

Directory 접근하기

os모듈 이용

img_fd = os.listdir("./data/crawlingDB")
img_fd

listdir : 폴더안에 들어있는 파일의 목록을 리스트 형태로 보여주는 함수

이미지 출력해보기

img = cv2.imread("./data/crawlingDB/jenny.jfif")
-> bgr 방식
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) 
-> plt가 인식할 수 있게 rgb로 변환
plt.imshow(img)

-여기까지.. 나머지는 내일 이어서

OpenCV 기초 이미지처리

Wed, 25 Jun 2025 08:49:39 GMT

import cv2

img =cv2.imread('./data/pets.jpg')
cv2.imshow('pets',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.imshow('pets',img) -> 윈도우 창을 띄워서 이미지를 보여주는 것이 기본 cv2.waitKey(0) -> 0 : 무한대기, ms단위로 대기 시간 설정 cv2.destroyAllWindows() -> 키가 입력되면 모든 윈도우 창 닫기

cv2 자체가 가지고 있는 이미지 출력기능

imread(경로, 읽어내는 방식)

img_color = cv2.imread('./data/pets.jpg', cv2.IMREAD_COLOR)
img_gray = cv2.imread('./data/pets.jpg', cv2.IMREAD_GRAYSCALE)
img_unchaged = cv2.imread('./data/pets.jpg', cv2.IMREAD_UNCHANGED)

이미지 출력

cv2.imshow("color", img_color)
cv2.imshow("gray", img_gray)
cv2.imshow("unchaged", img_unchaged)
cv2.waitKey(0)  
cv2.destroyAllWindows()

cv2.waitKey(0) -> 0 : 무한대기, ms단위로 대기 시간 설정 cv2.destroyAllWindows() -> 키가 입력되면 모든 윈도우 창 닫기

이미지 크기(모양)확인

print("color : ", img_color.shape) print("gray : ", img_gray.shape) print("unchaged : ", img_unchaged.shape) 출력 값: color : (427, 640, 3) gray : (427, 640) unchaged : (427, 640, 3)

matplotlib에서 이미지 출력

import cv2
import matplotlib.pyplot as plt

1. 이미지 경로 불러오기

img = cv2.imread('./data/pets.jpg', cv2.IMREAD_COLOR)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)

이진 이미지 구성(이미지 이진화)

0,1(255) 데이터 구성하기

흑백이미지로 읽어내보기

img = cv2.imread('./data/pets.jpg', cv2.IMREAD_COLOR)
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
plt.imshow(img, cmap='gray')

이미지 이진화

img = cv2.imread('./data/ryan.jpg', cv2.IMREAD_GRAYSCALE)

이진화 -> cv2.threshold(대상, 임계값(기준값), 값, 이진화 종류(처리방식))

_,img_thr = cv2.threshold(img, 100, 255, cv2.THRESH_BINARY)

plt.subplot(행, 열, 순서)

plt.subplot(1,3,1)
plt.axis('off')     # 축 표시 안되게 설정
plt.imshow(img, cmap='gray')
plt.subplot(1,3,2)
plt.imshow(img_thr, cmap='gray')

자동으로 임계값을 찾아주는 기능 적용하기 : Otsu(오츠)의 이진화

이미지 이진화

img = cv2.imread('./data/ryan.jpg', cv2.IMREAD_GRAYSCALE)

이진화 -> cv2.threshold(대상, 임계값(기준값), 값, 이진화 종류(처리방식))

_,img_thr = cv2.threshold(img, 100, 255, cv2.THRESH_BINARY)     # gray scale이 100이상인 것은 흰색(255)으로
th_val,img_thr2 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)     # 자동으로 최적 임계값을 선택하는 알고리즘

plt.subplot(행, 열, 순서)

plt.subplot(1,3,1)
plt.title(f'original')
plt.axis('off')     # 축 표시 안되게 설정
plt.imshow(img, cmap='gray')

plt.subplot(1,3,2)
plt.title(f'thres: 100')
plt.axis('off')     
plt.imshow(img_thr, cmap='gray')

plt.subplot(1,3,3)
plt.title(f'otsu:{th_val}')
plt.axis('off')     
plt.imshow(img_thr2, cmap='gray')

Numpy 선행학습

Wed, 25 Jun 2025 04:06:09 GMT

import numpy as np

numpy 데이터형태 종류

numpy 제공 데이터 타입 이해하기

파이썬 기본 제공 데이터타입 : int, float, string, bool - 단수 // list, tuple, dic, set - 복수
numpy : ndarray(다차원배열)
기존 파이썬이 가질 수 있는 데이터 처리 크기보다 더 큰 데이터를 정리 할 수 있는 자료구조

numpy 배열의 특징

동일한 자료형을 가지는 값들이 배열 형태로 존재
n차원 형태로 구성 가능
data에 접근하기 위한 index(색인) 존재

numpy 배열 다루기

1차원 배열 생성

np.array([1, 2, 3, 4, 5])

출력값 : array([1,2,3,4,5])

list = [1, 2, 3, 4, 5]
arr1 = np.array(list)
arr1

출력값 : array([1,2,3,4,5])

리스트에 값을 넣어서 출력할수있음

list + 1 >> 오류 arr1 + 1 >> 가능

arr2 = np.array([[1, 2, 3, 4, 5],[5, 6, 7, 8, 9]])
arr2

출력값 : array([[1, 2, 3, 4, 5], [5, 6, 7, 8, 9]])

줄바꿈 형태로 출력됨

2차원 배열의 정보 출력하기

print("배열의 크기(행,열) : ",arr2.shape)
print("배열의 요소 갯수 : ",arr2.size)
print("배열의 차원 수 : ",arr2.ndim)
print("배열의 데이터 타입 : ",arr2.dtype)

출력값 : 배열의 크기(행,열) : (2, 5) 배열의 요소 갯수 : 10 배열의 차원 수 : 2 배열의 데이터 타입 : int32

배열을 생성하는 다양한 함수들

1 ~ 50 들어있는 1차원 배열 생성

arr3 = np.arange(1, 51, 1)
arr3

출력값 :

array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
       18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34,
       35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50])

arr3 > 2차원(5행10열) 변환

arr3.reshape(5,10)

출력값 :

array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15, 16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25, 26, 27, 28, 29, 30],
       [31, 32, 33, 34, 35, 36, 37, 38, 39, 40],
       [41, 42, 43, 44, 45, 46, 47, 48, 49, 50]])

실습) 이미지 데이터 불러와서 정보 확인하기

openCV 라이브러리 활용하기

!pip install opencv-python

import cv2
import matplotlib.pyplot as plt

1. 이미지 경로 불러오기

img = cv2.imread('./data/jang.jpg', cv2.IMREAD_COLOR)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)

img.ndim

행, 열, 채널(RGB)

img.shape

흰색의 경우 (255, 255, 255)r g b

img

출력값 :

array([[[235, 232, 241],
        [235, 232, 241],
        [235, 232, 241],
        ...,
        [236, 233, 240],
        [236, 233, 240],
        [236, 233, 240]],

       [[235, 232, 241],
        [235, 232, 241],
        [235, 232, 241],
        ...,
        [236, 233, 240],
        [236, 233, 240],
        [236, 233, 240]],

       [[235, 232, 241],
        [235, 232, 241],
        [235, 232, 241],
        ...,
        [236, 233, 240],
        [236, 233, 240],
        [236, 233, 240]],

       ...,
...
        [ 32,  28,  55],
        ...,
        [253, 242, 236],
        [253, 242, 236],
        [249, 240, 233]]], dtype=uint8)

회색톤 이미지로 변환
img = cv2.imread('./data/jang.jpg', cv2.IMREAD_COLOR)

기본적으로 컴퓨터 기본 3원색은 rgb  but, cv2의 경우 bgr
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

bgr > gray 변경
plt.imshow(img, cmap='gray')

gray 처리를 해 흑백 뿐이니 2차원

img.ndim

Numpy 데이터 접근

indexing ; slicing 이용하여 인덱스 기반 접근
boolean indexing : 논리연산자 이용 Ture 위치 데이터에 접근 가능

arr4 10, 20, 30 40, 50, 60 만들기

arr4 = np.arange(10, 61, 10)
arr4

arr4에 있는 40에 접근

arr4[3]

arr4에 있는 40, 60에 접근

arr4[3],arr4[5]
arr4[[3, 5]]       <- 파이썬에서는 여러 개를 동시에 입력 할 때 포장(packing)
arr4[3,5]         <- 이렇게 작성하면 컴마 앞은 행, 컴마 뒤는 열이라 인식 오류뜸

10 ~ 30 슬라이싱

arr4[:3]

출력값 : array([10, 20, 30])

10 30 50 출력 (slicing 이용)

arr4[0::2]      # [시작 인덱스 넘버 : 끝 인덱스 넘버 : 증가량]

출력값 array([10, 30, 50])

2행 3열

arr4 = arr4.reshape(2,3) 
arr4

출력값 : array([[10, 20, 30], [40, 50, 60]])

20에 접근

arr4[0,1]       # 이것만 기억

50, 60 출력

arr4[1,1:]

출력값 : array([50, 60])

1부터 50까지 들어있는 배열 (5행 10열)

arr5 = np.arange(1, 51, 1).reshape(5,10)
arr5

출력값 :

array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15, 16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25, 26, 27, 28, 29, 30],
       [31, 32, 33, 34, 35, 36, 37, 38, 39, 40],
       [41, 42, 43, 44, 45, 46, 47, 48, 49, 50]])

##실습

arr5[ : , [0, 3, 6, 9]]

출력값 :
array([[ 1,  4,  7, 10],
       [11, 14, 17, 20],
       [21, 24, 27, 30],
       [31, 34, 37, 40],
       [41, 44, 47, 50]])

arr5[ : , : : 3]

출력값 :
array([[ 1,  4,  7, 10],
       [11, 14, 17, 20],
       [21, 24, 27, 30],
       [31, 34, 37, 40],
       [41, 44, 47, 50]])

조건에 맞는 데이터 접근하기(불리언 인덱싱)

참 거짓이 랜덤하게 10개의 데이터가 들어있는 배열

np.random.seed(1)       # 난수 생성기의 초기값(seed) 설정 > 재현성 확보
bool_arr = np.random.choice([True, False], size = 10)
temp_arr = np.arange(10)
bool_arr

출력값 :
array([False, False,  True,  True, False, False, False, False, False,
        True])

temp_arr[bool_arr]

출력값 :
array([2, 3, 9])

40 ~ 100 사이 랜덤 정수 10개

np.random.seed(18)       # 난수 생성기의 초기값(seed) 설정 > 재현성 확보
score_arr = np.random.randint(40, 100, size = 10)
# 번호 생성
num_arr = np.arange(1,11)
score_arr

출력값 :
array([82, 59, 96, 45, 89, 86, 90, 42, 48, 64])

75이상의 수 위치 넘버 확인

num_arr[score_arr >= 75]

출력값 :
array([1, 3, 5, 6, 7])

이미지의 얼굴에 접근 하기 > use

slicing
plt.imshow(img, cmap='gray')
plt.show()

이미지의 얼굴에 접근 하기 > use

slicing
plt.imshow(img[200:600, 180:600], cmap='gray')
plt.show()

이미지의 얼굴에 접근 하기 > use

slicing
plt.imshow(img[60:650, 100:640], cmap='gray')
plt.show()

선형 회귀(Linear Regression)

Tue, 24 Jun 2025 05:28:19 GMT

예측 하는 선 으로 돌아가는게 회귀

학습 목표

연결하는 선 = > 예측선

그래프를 보니 7 시간 공부한 살마은 70점을 맞을거라는걸 예측 할 수 있음

오차값 => 실제값과 예측값의 차이

손실 함수 구하기

MSE =

JSP/Spring

Tue, 20 May 2025 01:18:34 GMT

Ex08 실습

오늘은 이걸 만들어 볼꺼임 아이디 비밀번호를 맞게 입력하면 메인페이지로 가고 로그아웃 까지 할수있는 근데 회원인증 실패하면 다시 처음부터 해야하는 실습을 할꺼임 일단 파일들 부터 만들고 시작합시다.

Ex08LoginForm.jsp Ex08Logout.jsp Ex08LoginCheck.jsp Ex08Main.jsp 4가지 파일을 모두 만들었으면

LoginForm.jsp

1) 프롬태그 넣어서 연결해주고 메소드에 POST방식

바디태그 안에

form(action="Ex08LoginCheck.jsp" method="post">

(Ex08LoginCheck.jsp)에 ctrl + 마우스 좌클릭하면 해당 페이지로 넘어가

2) 아이디 비번 값 주고

ID : 

PW :

3) 인풋테그 추가해서 타입에 submit 벨류에 로그인 넣기.

전체 코드


        ID : 

        PW :

이렇게 하면됨

loginCheck.jsp

1) 스트링 id,pw 넣어주기

String id = request.getParameter("id");
String pw = request.getParameter("pw");

2) 로그인 성공 실패 넣어줘야지!

if 문써서 넣어주고

성공하면 메인으로 실패하면 다시 LoginForm으로 돌아가게 설정해주면됨

if(id.equals("test") && pw.equals("12345")){
  // 로그인 성공
  session.setAttribute("nick", "화요일싫어금요일좋아");
  response.sendRedirect("Ex08Main.jsp");
}else{
  // 로그인 실패
  response.sendRedirect("Ex08LoginForm.jsp");
}

전체 코드

<%
    String id = request.getParameter("id");
    String pw = request.getParameter("pw");

    if(id.equals("test") && pw.equals("12345")){
        // 로그인 성공
        session.setAttribute("nick", "화요일싫어금요일좋아");
        response.sendRedirect("Ex08Main.jsp");
    }else{
        // 로그인 실패
        response.sendRedirect("Ex08LoginForm.jsp");
    }
%>

Main.jsp

1)환영합니다 라는 문구랑 로그아웃을 넣어주면됨

<%=session.getAttribute("nick") %>님 환영합니다~!
로그아웃

Logout.jsp

로그아웃됬다는 팝업창이랑 페이지 이동만 하면됨

<%
    session.invalidate();
%>

이러면 끝이야

실행해보면 아이디비번 입력하고 맞으면 메인페이지로가서 닉네임 뜨고 로그아웃 할수있고 다시 첫 페이지로 돌아가 아이디 비번이 다르면 다시 첫페이지로 돌아가 완벽해

JSP/Spring 세션

Mon, 19 May 2025 08:10:26 GMT

오늘은 세션에 대해 알아보겠습니다.

자 일단 파일부터 만들고 시작하겠습니다.

Ex04CreateSession

1) 세션 값 설정!

session.setAttribute("id", "sanhae");
session.setAttribute("age", 20);

id 다음 "sanhae"는 본인 이 원하시는대로 수정하면 됩니다

2) 세션 확인 (연결하기)

이제 연결해줘야죠!
```
세션확인
```

전체 코드는

<%
    session.setAttribute("id", "sanhae");
    session.setAttribute("age", 20);
%>

세션확인

Ex05GetSession.jsp

위에 Ex05GetSession.jsp로 연결했으니 다시 해당이름 복사해서 파일 만들어주고

1) <% %> 해당 기호를 사용해서

<%
        String id = (String)session.getAttribute("id");
        int age = (int)session.getAttribute("age");
%>

2) 아이디, 나이 세션, 세션 아이디, 기본 세션 유효시간을 넣기

아이디 : <%=id %> 

나이 : <%=age %> 

세션 아이디 : <%=session.getId() %>

기본 세션 유효시간 : <%=session.getMaxInactiveInterval() %>

3) 세션을 만들었으면 삭제도 해야지 ! 연결합시다!

세션삭제

전체 코드

<%
    String id = (String)session.getAttribute("id");
    int age = (int)session.getAttribute("age");
%>

아이디 : <%=id %> 

나이 : <%=age %> 

세션 아이디 : <%=session.getId() %>

기본 세션 유효시간 : <%=session.getMaxInactiveInterval() %>

Ex06RemoveSession.jsp

1) 아이디 값 입력해주고 연결 까지!

<%
    session.removeAttribute("id");
%>

세션확인

Ex07InvalidateSession.jsp

1) 세션 값 전체 삭제

<%
    session.invalidate();
%>

세션확인

Ex05GetSession.jsp

1) 다시 돌아와서 전체삭제 연결해줘야해

세션전체삭제
세션전체삭제

자 이러면 끝. 코드 정리해볼까

Ex05 전체 코드(전체 삭제 추가한것)

<%
    String id = (String)session.getAttribute("id");
    int age = (int)session.getAttribute("age");
%>

아이디 : <%=id %> 

나이 : <%=age %> 

세션 아이디 : <%=session.getId() %>

기본 세션 유효시간 : <%=session.getMaxInactiveInterval() %>



세션전체삭제
세션전체삭제

이러면 끝.

JSP/Spring

Mon, 19 May 2025 07:29:09 GMT

이번엔 쿠키를 생성하고 삭제 해보겠음

Ex01CreateCookie.jsp

첫번째로 JSP 파일 생성

Ex01CreateCookie.jsp 파일을 생성 한 후. 1) 쿠키 객체 생성
Cookie(name(String), value(String))
```
Cookie cookie = new Cookie("test", "cookie"
```
2) 유효기간 설정(초단위)
```
cookie.setMaxAge(60*60*24*365);
```
3) 클라이언트(브라우저)에게 쿠키 전송(서버 -> 클라이언트)
```
response.addCookie(cookie);
```
4) 유효기간을 설정하지 않고 쿠키를 보내는 경우
```
response.addCookie(new Cookie("name", "sanhae"));
```
여기서 name 다음에 오는 sanhae는 본인이 원하는 대로 수정하시면됩니다

5) 쿠키확인

쿠키확인

전체 코드를 정리하면

<%
    Cookie cookie =  new Cookie("test", "cookie");
    cookie.setMaxAge(60*60*24*365);
    response.addCookie(cookie);
    response.addCookie(new Cookie("name", "sanhae"));
%>

쿠키확인

이제 Ex02 파일로 경로를 설정했으니 넘어가서~

Ex02GetCookie.jsp

1) 쿠키 객체 가져오기

<%
    Cookie[] cookies = request.getCookies();
    for(Cookie c : cookies){
        out.print(c.getName() + ":" + c.getValue() + "
");
    }
%>
쿠키삭제

Ex03RemoveCookie.jsp

1) 쿠키 객체 생성

Cookie cookie = new Cookie("test", "");

삭제시켜주는 메소드가 따로 없기 때문에 유효기간을 0으로 바꿔줘야 함

2) 유효기간 0초

cookie.setMaxAge(0);

3) 클라이언트에게 쿠키 재전송

response.addCookie(cookie);

4) 쿠키 확인

쿠키확인

전체 코드

<%
    Cookie cookie = new Cookie("test", "");
    cookie.setMaxAge(0);
    response.addCookie(cookie);
%>
쿠키확인

이렇게 하면 쿠키를 재생성 하고 삭제 해볼수 있습니다~ 어렵다구요 저도 어려워요! 하나도 모르겠다구요? 저랑 똑같으시네요 모두 화이팅

JavaScript

Thu, 08 May 2025 16:50:14 GMT

Java Script 첫수업

기초

자바스크립트 문법 작성법 body 태그 가장 하단에 작성 script 태그 안에 작성

예시