博客
关于我
socket.io
阅读量:527 次
发布时间:2019-03-08

本文共 940 字,大约阅读时间需要 3 分钟。

const Koa = require('koa');const Router = require('koa-router');const static = require('koa-static');const app = new Koa();const router = new Router();

// 配置静态文件目录app.use(static(__dirname + '/static'));

// 定义路由router.get('/text', ctx => {ctx.body = '欢迎访问我的 node.js 服务器!';});

// WebSocket配置const server = require('http').createServer(app.callback());const io = require('socket.io')(server);

io.on('connection', socket => {console.log('已连接');// 定期发送数据const userdata = {name: '测试用户',age: 18};// setInterval(() => {// io.emit('getData', userdata);// }, 1000);

socket.on('addData', data => {    console.log('收到数据:', data);    io.emit('getData', data);});

});

server.listen(8989, () => {console.log('服务器已启动,监听地址为 http://localhost:8989');});

// 功能介绍:// 1. 使用 Koa框架搭建 HTTP 服务器// 2. 配置静态文件访问目录// 3. 配置 WebSocket 服务// 4. 实现动态数据接收和发送

注:

  • 本代码基于 ES6 式语法,建议启用相应的语法支持
  • WebSocket 实现一个简单的数据发送机制
  • 可根据实际需求添加更多 WebSocket 消息处理逻辑
  • 服务器监听地址为 http://localhost:8989 模块路径
  • 转载地址:http://gawiz.baihongyu.com/

    你可能感兴趣的文章
    opencv32-基于距离变换和分水岭的图像分割
    查看>>
    opencv4-图像操作
    查看>>
    opencv5-图像混合
    查看>>
    opencv6-调整图像亮度和对比度
    查看>>
    opencv9-膨胀和腐蚀
    查看>>
    OpenCV_ cv2.imshow()
    查看>>
    opencv——图像缩放1(resize)
    查看>>
    Opencv——模块介绍
    查看>>
    OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
    查看>>
    OpenCV与AI深度学习 | CIB-SE-YOLOv8: 优化的YOLOv8, 用于施工现场的安全设备实时检测 !
    查看>>
    OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>