tags:
篇首语：主要介绍了category.php?catid=379&areaid=10785&streetid=4677如何写伪静态相关的知识，希望对你有一定的参考价值。
category.php?catid=379&areaid=10785&streetid=4677如何写伪静态
楼主，如果你调用的是地区，出来数字，那可能是用错了变量，调用出了地区id ，areaid。
地区有缓存，可以根据程序返回的id去调用缓存。
$AREA[$areaid][name]
areaid替换成你调用地区的变量
参考技术A
显示地区名称用$AREA[$areaid][name]就行了.
或许程序中间$areaid变量有被重定义的情况.仔细检查一下$areaid 是否
为正确期望值.可以echo $areaid;看一下.
参考技术B1、方法有开启rewrite干，正则表达匹配。这种用的应该不多。
2、用框架路由实现。
laravel
$router->get('/category/catid/areaid/streetid', function()
return ""
);
3、不用框架
开启rewrite，所有访问都路由到一个php 上，比如index.php
RewriteRule ^(.*)$ index.php?/$1 [QSA,PT,L]
然后根据全局函数，获取访问路径。
category/catid/379/areaid/10785/streetid/4677
$param=$_SERVER['REQUEST_URI']
然后根据“/”转数组。
$param的值差不多这个样子['category','catid','379','areaid','10785','streetid','4677']
然后设计算法，执行category.php 。大多框架的路由 基本上也差不多这个思路。
完美解决错误：in bbox2out catid = (clsid2catid[int(clsid)]) KeyError:
最近用了一下paddlepaddle深度学习框架训练了一下目标检测模型，然后在训练一段时候后在验证的时候出现了错误：
File "...PaddleDetection-masterppdetutilscoco_.py", line 318, in bbox2out
catid = (clsid2catid[int(clsid)])
KeyError: 6小编是训练一个目标检测的模型， KeyError: 6 中的6是要检测的类别的数量（6个类别）。
遇到这个错误的时候，很多人可能要放弃了（这框架我不玩了）
其实产生这个错误的原因就是paddle在验证的时候没有可虑到不同数据的问题，也就是说这个代码在coco数据集上训练可能是完全没有问题，那么怎样才能训练自己的数据呢?
首先找到报错的文件 File "...PaddleDetection-masterppdetutilscoco_.py"，这个文件是目标检测文件的位置，每个人可能放置的位置不一样，因人而异，找到你的文件夹的对应的文件，即可。
然后小编找到了报错的位置，对报错的内容进行了输出，发现是代码的bug（不兼容），
报错的函数：
def bbox2out(results, clsid2catid, is_bbox_normalized=False):
"""
Args:
results: request a dict, should include: `bbox`, `im_id`,
if is_bbox_normalized=True, also need `im_shape`.
clsid2catid: class id to category id map of COCO2017 dataset.
is_bbox_normalized: whether or not bbox is normalized.
"""
xywh_res = []
for t in results:
bboxes = t['bbox'][0]
if len(t['bbox'][1]) == 0: continue
lengths = t['bbox'][1][0]
im_ids = np.array(t['im_id'][0]).flatten()
if bboxes.shape == (1, 1) or bboxes is None or len(bboxes) == 0:
continue
k = 0
for i in range(len(lengths)):
num = lengths[i]
im_id = int(im_ids[i])
for j in range(num):
dt = bboxes[k]
clsid, score, xmin, ymin, xmax, ymax = dt.tolist()
if clsid < 0: continue
catid = (clsid2catid[int(clsid)])
if is_bbox_normalized:
xmin, ymin, xmax, ymax =
clip_bbox([xmin, ymin, xmax, ymax])
w = xmax - xmin
h = ymax - ymin
im_shape = t['im_shape'][0][i].tolist()
im_height, im_width = int(im_shape[0]), int(im_shape[1])
xmin *= im_width
ymin *= im_height
w *= im_width
h *= im_height
else:
# for yolov4
# w = xmax - xmin
# h = ymax - ymin
w = xmax - xmin + 1
h = ymax - ymin + 1
bbox = [xmin, ymin, w, h]
coco_res = {
'image_id': im_id,
'category_id': catid,
'bbox': bbox,
'score': score
}
xywh_res.append(coco_res)
k += 1
return xywh_res我们看下函数的注释，说明了是用于coco数据集，那么我们的假的coco数据集可能就不兼容
后来小编通过自己编写代码完美修改了数据集标注的格式，模型训练就不会再产生问题了。
以上是关于category.php?catid=379&areaid=10785&streetid=4677如何写伪静态的主要内容，如果未能解决你的问题，请参考以下文章
