H5防QQ中的天气功能页面中的十二星座切换效果

交互式HTML5 canvas太阳系八大行星模拟 本文还有配套的精品资源,点击获取 简介:本项目利用HTML5 canvas创建了一个互动的太阳系模型,通过JavaScript实现动态效果和交互。用户可以鼠标悬停查看行星名称,提高体验。通过绘制行星轨道、事件监听以及动画效果,该项目展示了如何使用canvas进行复杂绘图与交互,包括性能优化的技巧。 1. HTML5 canvas基础用法 1.1 canvas... 阅读详情

今天用手机QQ看了下,突然看下QQ天气十二星座的切换效果,于是兴致来潮,就想了一下要怎么实现。

QQ天气效果:

这里写图片描述

我模拟的效果:

这里写图片描述

没有在手机端去实现,手机端结合touchstart 、 touchmove 、touchend三个事件及touch[0]事件对象获取手势的坐标然后判断方向,应该也可以去实现的。我监听了键盘事件来模拟触摸事件,然后实现了类似的效果,不过向右移动的时候还是有点小问题,留着有兴趣的人自己去修改。

代码如下:

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <meta http-equiv="X-UA-Compatible" content="ie=edge">
    <title>Document</title>
    <style>
        *{padding:0;margin:0;}
        .touchBox{width:500px;height:255px;margin:40px auto;padding:50px 0;overflow: hidden;}
        .touchBox .box{position:relative;width:1200px;height:150px;margin-top:50px;}
        .touchBox .box ul li{float:left;width:100px;height:150px;font-size:30px;color:#fff;line-height:150px;text-align:center;box-shadow: 0 0 3px #999;border-radius:5px;list-style:none;}
        .touchBox .box ul .scale0{position:relative;z-index:0;transform: scale(1);transition:all .5s ease-in-out;}
        .touchBox .box ul .scale1{position:relative;z-index:1;transform: scale(1.2);transition:all .5s ease-in-out;}
        .touchBox .box ul .scale2{position:relative;z-index:2;transform: scale(1.5);transition:all .5s ease-in-out;}
    </style>
</head>
<body>
    <div class="touchBox">
        <button class="prev">向左边</button>
        <button class="next">向右边</button>
        <div class="box">
            <ul>
                <li style="background:red;" class="scale0">1</li>
                <li style="background:blue;" class="scale1">2</li>
                <li style="background:yellow;" class="scale2">3</li>
                <li style="background:green;" class="scale1">4</li>
                <li style="background:pink;" class="scale0">5</li>
                <li style="background:orange;" class="scale0">6</li>
                <li style="background:rgb(13, 84, 131);" class="scale0">7</li>
                <li style="background:#50883d;" class="scale0">8</li>
            </ul>
        </div>
    </div>
</body>
</html>
<script src="../Util/jquery-1.11.3.min.js"></script>
<script>
    (function(select){
        var box = $(select);
        var movebox = box.find(".box");
        var ul = box.find("ul");
        var li = box.find("li");
        var width = li.width();
        var prevBtn = box.find(".prev");
        var nextBtn = box.find(".next");

        //单击向左按钮
        prevBtn.click(function(){
            moveLeft();
        });

        //单击向右按钮
        nextBtn.click(function(){
            moveRight();
        });

        // ul.prepend(ul.find("li:last"));
        // movebox.css({"left":"-" + width + "px"});
        //向左边移动方法
        function moveLeft(){

            //向左边移动
            movebox.animate({"left": "-" + width + "px"},500,function(){
                ul.append($(this).find("li").eq(0));    //将第一个节点追加到最后
                movebox.css({"left":"0px"});    //移动之后要回复left:0
            });
                //放大动画效果,其实就是想scale1 、scale2的三个元素位置向右边移动
                var mid = box.find("li.scale2");
                box.find("li").removeAttr("class").addClass("scale0");
                mid.removeClass("scale2").addClass("scale1")
                    .next().removeClass("scale1").addClass("scale2")
                    .next().removeClass("scale0").addClass("scale1");
        }

        //向右边移动方法
        function moveRight(){

            //向右边移动
            movebox.animate({"left": width + "px"},500,function(){
                ul.prepend($(this).find("li:last"));    //将第一个节点追加到最后
                movebox.css({"left":"0px"});    //移动之后要回复left:0

            });

            //放大动画效果,其实就是想scale1 、scale2的三个元素位置向右边移动
            var mid = box.find("li.scale2");
            box.find("li").removeAttr("class").addClass("scale0");
            mid.removeClass("scale2").addClass("scale1")
                .prev().removeClass("scale1").addClass("scale2")
                .prev().removeClass("scale0").addClass("scale1");
        }

        //键盘事件监听
        (function(){
            $(document).keydown(function(event){
                var keyNum = event.which;   //获取键值
                switch(keyNum){  //判断按键
                case 37: //左
                    moveLeft();
                    break;
                case 39:    //右
                    moveRight();
                    break;
                default:
                    break;
                }
            });
        }());
    })(".touchBox");
</script>
星座网源码十二星座网站源码学习专用 星座网源码十二星座网站源码学习专用星座网源码十二星座网站源码学习专用 立即下载

相关推荐

Halcon工业相机开发全流程:从SDK配置到实时图像采集(C++版)

本文详细介绍了使用C++进行Halcon工业相机开发的完整流程,从SDK配置到实时图像采集的实现。涵盖环境搭建、设备初始化、回调机制、参数控制等关键环节,并提供异常处理和实战案例,帮助开发者快速掌握工业视觉系统的开发技巧。

weixin_33728268的博客 514

html5粒子星空,HTML5 CSS3无尽的宇宙粒子

CSS语言:CSSSCSS确定body,html {background-color: #000;transform-style: preserve-3d;perspective: 500;}.layer {position: absolute;top: 0;left: 0;right: 0;bottom: 0;width: inherit;height: inherit;animation: z...

weixin_33142377的博客 516

PCB之AD层次化原理图设计

PCB之AD层次化(模块化)原理图设计 软件版本:AD17.1.9(bBuild 592) 先上效果图: 可以看到,图中有RS485和W5500这两个部分是复用了原理图,当项目中需要多个功能相同的电路时,这种设计就可以大大节约PCB布局布线的时间,方法后面介绍; 1.首先确定好项目中个部分电路的功能模块 不同功能的电路分开不同原理图画,然后给出输入输出端口,这样方便复用,下面是实例项目的功能划分 2.单个模块电路的接口设计 这里以W5500以太网接口电路为例说明: 主要就分为通讯接口和电源接口:

洋洋洋的博客 3万+

怎么利用python输出星座符号_Python输出十二星座的符号

无意中发现了十二星座的字符,觉得有意思,于是用Python来实现输出arr1 = ['白羊座', '金牛座', '双子座', '巨蟹座', '狮子座', '处女座', '天秤座', '天蝎座', '射手座', '摩羯座', '水瓶座', '双鱼座']for i in range(12):print(chr(i + 9800), end=' ')print(arr1[i])输出结果为:♈ 白羊座♉ ...

weixin_32541505的博客 7142

基于 MATLAB BP 神经网络的财务预测

通过基于 MATLAB BP 神经网络的财务预警模型,我们可以对企业的财务风险进行有效地识别和预测。在具体实现过程中,需要注意对财务数据的预处理、模型参数的调整以及结果的解释等问题。MLP模型的输入层、输出层和隐含层之间均为全连接,每个神经元都是上一层神经元的加权求和再加偏置后的非线性变换。其中,输入层接受财务数据,输出层输出财务预测结果,隐含层则对输入数据进行处理和抽象。其中,X’是标准化后的值,X是原始值,μ_i 和σ_i 分别是指标 i 在样本中的均值和标准差。其中,X’是标准化后的值,X是原始值。

TechPulseZ的博客 924

【PowerBI专栏】PowerBI导入MYSQL数据库

本文介绍了在PowerBI中连接MySQL数据库的方法。首先需要下载并安装MySQL官方.NET连接驱动(推荐8.4.0版本),安装完成后重启PowerBI。连接时需填写服务器IP和数据库名称等必填参数。文章详细说明了连接配置步骤,包括账户设置、数据表选择以及可能遇到的数据格式转换问题处理。最后指导用户完成数据清洗后进入PowerPivot进行后续计算。特别提醒最新9.4版本可能存在兼容性问题,建议使用稳定的8.4版本连接器。

技术与管理的平衡木- 697

html5 canvas 星空代码

【代码】html5 canvas 星空代码。

luoruowen的专栏 616

Transformers 实战修炼与源码剖析专栏大纲

本专栏以 Hugging Face Transformers 为主线,围绕“能用、会调、敢上线、懂源码”四个目标展开。内容不把理论堆成公式墙,而是用真实或拟真的业务场景驱动:客服分类、合同抽取、知识库问答、模型微调、推理服务、监控告警、源码扩展等。采用“业务痛点 → 三人剧本对话 → 代码实战 → 总结思考”的四段式结构,让读者在动手完成一个个小项目的过程中,逐步理解 Tokenizer、Model、Pipeline、Trainer、Generation、PEFT、Accelerate、Serving等概念

davidwang456的专栏 927

html实现好看的塔罗牌、十二星座运势网站源码

html实现好看的塔罗牌、十二星座运势网站源码,星座运势网站,占星网站源码,html5星座介绍网页,占卜算术,塔罗牌测运网站,实现十二个页面,包括星座运势首页、占星家、星座介绍、塔罗牌运势、占卜算术、星座运势、关于我们、联系我们、星座博客,实现动态页面效果,轮播图,表单,表格,图文结合,tab,时间轴等功能点,各种风格都有,代码上手简单,代码独立,可以直接使用。也可直接预览效果。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 11万+

SAPGUI excel 导出时遇到的运行时错误:STRING_SIZE_TOO_LARGE

当报表导出需求远超单一 XLSX 文件的物理承载力时,与其在 SAPGUI 中硬拼 2 GB 限制,不如把分页、过滤、流式写入作为设计前提。掌握 ABAP2XLSX 或 CSV + Power Query 等工具链,既能满足审计合规,又能让应用服务器远离的噩梦。祝你在下一次导出海量数据时,既高效又优雅。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 643

Python爬虫零基础入门【第九章:实战项目教学·第17节】内容指纹去重:URL 变体/重复正文的识别!

我长期专注 Python 爬虫工程化实战,主理专栏 👉 《Python爬虫实战》:从采集策略到反爬对抗,从数据清洗到分布式调度,持续输出可复用的方法论与可落地案例。内容主打一个“能跑、能用、能扩展”,让数据价值真正做到——抓得到、洗得净、用得上。

喵手的博客 826

1000套安卓(Android)毕业设计(带论文)、大作业、实例快速下载 (Android Studio)

序号类型项目名称1毕业设计毕业设计-基于安卓Android学生考勤信息管理系统.zip2毕业设计毕业设计-安卓Android教务选课成绩管理系统.zip3毕业设计114基于Android的理财记账本20141215+论文+需求文档+演示视频.zip.zip4毕业设计Android科大讯飞语音识别.zip5毕业设计基于android的点餐系统.zip.zip6毕业设计Android客户端与服务器端的json数据交互(服务端客户端) .zip7毕业设计Android手机天气预报项目报告.zip8毕业设计andr

4571

Qt c++ llama.cpp 运行 LLaMA-3-8B 中文对话机器人(多模态输入)

助手:

寒寒豆豆软件公司的博客 223

html5 加上魔法,HTML5 简单的满天星魔法特效

JavaScript语言:JaveScriptBabelCoffeeScript确定$(function() {// default is varying levels of transparent white sparkles$(".sparkley:first").sparkleh();// rainbow as a color generates random rainbow colros/...

weixin_39677538的博客 273

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

html与php 接受信息判断星座(同时输出图案)

展示学生资料 任务要求: 新建上机练习项目,要求至少包含以下两个文件,最终完成上机练习报告。 1、创建 01.php 文件,结合表单相关知识,设计页面,要求包含姓名、出生日期、学科和学 号这四部分表单元素,表单元素的表现形式和表单样式自行发挥设计。 2、创建 02.php 文件,参照效果样例,设计页面,接收并显示 01.php 文件中提交的内容。 (注:1、表单接收前要有验证;2、接收的数据中,除了姓名、出生日期、学科和学号这四 部分外,还需展示年龄和星座,其中,星座在展示时需要配上相应的图片) 效果样例:

qq_52510306的博客 1369

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

用html5绘制星空,用HTML5绘制的一个星空特效图

用HTML5绘制的一个星空特效图用HTML5绘制的一个星空特效图canvas{display: block;border:1px dotted skyblue;}body{font-family: 微软雅黑;}用HTML5绘制的一个星空特效图var nimo={};window.onload=function(){nimo.canvas=document.getElementById('canva...

weixin_35725559的博客 532

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

html5 星系,HTML5 社交星系图

CSS语言:CSSSCSS确定.line-wrap {border-bottom: 1px solid #dcdcdc;}.account-ring-wrap {width: 517px;height: 397px;position: relative;background: #fff;overflow: hidden;margin: auto;pointer-events: fill;curso...

weixin_36173545的博客 239

html5各行各业官网模板源码下载(3)

html5各行各业官网模板源码下载,这个主题覆盖各行业的html官网模板,效果模板,特长模板。html模板行业包括医疗、建筑、宠物、商城、化工、农业、家乡、特产、健身、新闻、简历、家政、动物、图书馆、家具、化妆品、黄金、旅游、轮滑、公寓、游戏、书籍、儿童、幼儿园、学院、二手车、招聘、瑜伽、货运、婚纱、科技、器械、半导体、摄影、公寓、舞蹈、水果、蔬菜、食品、租赁、自行车、玩具店、家政等各行各业的html模板,这个主题分为十篇文章,这是第一篇,每篇文章有二十个源码效果介绍及源码下载,持续更新中。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 4526

十二星座html网页设计作品,十二星座的专属设计风格

每个人在待人接物上有着不同的风格,有的人豪放如张飞,有的细腻如黛玉,有人纠结于毫末之间的东西,有人致力于宏观的把握。俗话说:“一猪生九崽,连母十个样。”说的就是这样的道理。人与人之间,不仅仅是外在有着天差地别的不同,而且在其根深蒂固的观念上和对自我评价和设计方面,都有着自己专属的风格。那么,作为拥有鲜明个性的十二星座,他们在设计自己的衣着和形象上有什么差别呢?就让我们来看一下吧。白羊座:强烈鲜明作...

weixin_39963819的博客 1606

jsp特殊符号集

 用法:&#+序号 eg: &#10003    表示对号 各种箭头  ⇠ 8672 21E0  ⇢ 8674 21E2  ⇡ 8673 21E1  ⇣ 8675 21E3  ↞ 8606 219E  ↠ 8608 21A0  ↟ 8607 219F  ↡ 8609 21A1  ← 8592 2190  → 8594 2192 

wei_lanSe的博客 1万+

h5输出文字位置_Cpsense星座运势H5页面上线了!

Cpsense聚合内容平台以其丰富的聚合内容为广大的开发者和发布商所喜爱,丰富的聚合内容能够提高用户的活跃度和粘性,帮助您把指标提高到新的水平,是连接开发者和发布商的有力桥梁。 如今,新的福利上线了!Cpsense星座运势H5页面重磅出击!核心优势◆ 中英双语自适应,适合全球的英语产品开发者◆ 支持多平台,基于H5页面接入便捷◆ 丰富的星座数据,精美的模板样式◆ 有...

weixin_35810223的博客 286

动态背景线条,鼠标移动线条汇聚---背景特效

html代码:<canvas></canvas>css代码:html, body { background: #000; margin: 0; }canvas { position: absolute; }js代码:$(function(){ var canvas = document.querySelector('canvas'), ctx = canvas.getCo

青菜馒头web前段 1万+

canvas绘制星座(黄道十二宫)

canvas绘制黄道十二宫星座效果图对照图准备工作开始撸代码白嫖作者的代码 效果图 对照图 准备工作 (以下所有片段代码为手敲,难免会有语法错误,请不要复制,文末会发布全部代码) 先把准备一张"宇宙星空图",设为背景 <style> * { margin:0; padding:0; } body { background: url(./bg.jpg) } </style> <body> <canvas id=""con

sixsixsix_6000的博客 3039

html5表格动态效果,HTML5&CSS3经典动态表格

1 2 3 4 5 6 7 8 9 HTML5&CSS3经典动态表格10 11 *:focus{outline:none}12 *{list-style-type:none;margin:0;padding:0}13 /*style*/14 #myForm h2,#myForm label{font-family:Georgia, Times, "Ti...

weixin_39959335的博客 270

第185天:百度星座案例

一,百度星座案例 1 &lt;!DOCTYPE html&gt; 2 &lt;html lang="en"&gt; 3 &lt;head&gt; 4 &lt;meta charset="UTF-8"&gt; 5 &lt;title&gt;Document&lt;/title&gt; 6 &lt;/head&gt;

lelara的博客 284
上一篇: H5旋转切换动画效果代码。
下一篇: H5手机端滑动切换效果
#麻辣小龙虾#
博客等级 码龄11年 1万+粉丝 235原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值