sass样式嵌套的学习与基本写法

Sass 嵌套规则 本节我们学习 Sass 中的嵌套,嵌套大家应该不陌生,在 HTML 中就支持标签的嵌套。Sass 中允许一个 CSS 样式嵌套进另一个样式中,内层样式仅适用于外层样式的选择器范围内。 示例: 例如下面这段 CSS 代码: .big { color: #ccc; } .big .small { font-size: 14px; } 如果我们要使用 Sass 中的嵌套语法来写,如下所示: 从上图我们可以看到,嵌套的语法其实很简单,相较于 CSS 语言中后代选择器的写法,嵌套规则看起来要直观很多。 使 阅读详情

Sass(Scss)是世专业级CSS扩展语言,兼容CSSSass完全兼容所有版本的CSS,可以无缝地使用任何可用的CSS库。

简单来说,SASS是一种CSS的开发工具,提供了许多便利的写法,大大节省了设计者的时间,使得CSS的开发,变得简单和可维护。

嵌套规则: Sass 允许将一套 CSS 样式嵌套进另一套样式中,内层的样式将它外层的选择器作为父选择器

 

1. 一般情况的嵌套

sass的嵌套主要解决的就是需要多层来选择的dom元素,不需要重复选择相同的层级

例:

style.scss文件

.nav{
    height: 50px;
    width: 100%;
    ul {
        list-style: none;
        li {
            float: left;
            width: 20px;
            height: 50px;
        }
    }
}

输出之后的style.css文件

.nav {
  height: 50px;
  width: 100%;
}
.nav ul {
  list-style: none;
}
.nav ul li {
  float: left;
  width: 20px;
  height: 50px;
}

2. 有伪类或者多个选择器选择一个元素的情况

这种情况需要用到&,来表示连接,提示它中间不要加空格。

用 & 代表嵌套规则外层的父选择器

例:
style.scss文件

.nav{
    height: 50px;
    width: 100%;
    ul {
        list-style: none;
        li {
            float: left;
            width: 20px;
            height: 50px;
        }
        a {
            display: block;
            width: 20px;
            height: 50px;
            &:hover {
                color: green;
            }
        }
    }
    &.navbar {
        color: green;
    }
}

编译好的style.css文件

编译后的 CSS 文件中 & 将被替换成嵌套外层的父选择器,如果含有多层嵌套,最外层的父选择器会一层一层向下传递

.nav {
  height: 50px;
  width: 100%;
}
.nav ul {
  list-style: none;
}
.nav ul li {
  float: left;
  width: 20px;
  height: 50px;
}
.nav ul a {
  display: block;
  width: 20px;
  height: 50px;
}
.nav ul a:hover {
  color: green;
}
.nav.navbar {
  color: green;
}

3. 属性的嵌套

重复属性的嵌套

Sass 允许将属性嵌套在命名空间中,比如 font-family, font-size, font-weight 都以 font 作为属性的命名空间
语法:font:{size:...; weight:...;}

例:
style.scss文件

body {
    font: {
        size: 30px;
        weight: 600;
        style: normal;
    }
}

编译之后的style.css文件

body {
  font-size: 30px;
  font-weight: 600;
  font-style: normal;
}

 

 

Sass嵌套选择器:从语法糖到样式工程化基石 CSS嵌套是前端样式组织的基础能力,其本质是将HTML结构、组件层级与业务逻辑映射为可维护的样式代码。Sass通过Nesting机制实现选择器的语义化分组,显著降低specificity失控风险,并提升团队协作效率。结合Dart Sass 2.0+对嵌套语法的标准化升级,以及Vue3 scoped样式中&、:deep()等特性的深度协同,嵌套已超越写法优化,成为现代前端工程中样式可维护性、可推演性与跨框架一致性的关键技术支撑。本文聚焦Sass嵌套的核心原理、真实陷阱与工程落地路径。 阅读详情

相关推荐

量化实战:用三种波动率模型给你的期货策略做个“体检”(附Python代码与螺纹钢案例)

本文深入探讨了三种专业波动率模型(Parkinson、Garman-Klass和Rogers-Satchell)在期货量化策略中的应用,并以螺纹钢期货为例,展示了如何通过Python实现这些模型进行多维度波动率分析。文章详细比较了不同模型的特点和适用场景,提供了动态仓位管理、止损策略优化等实战应用方案,帮助交易者更精准地评估市场风险,优化策略表现。

weixin_26824299的博客 460

less、sass样式编程

less与sass基本用法

不可云 1367

Palabos User Guide中文解读 | 第一章 | 介绍

译者的话:本人在学习palabos时,发现国内中文资料甚少,恰好网上可以直接搜到palabos user guide这种英文资料,加之时间充裕,便打算开始翻译,能不能完成全本翻译再说,而且文中我也会标记我不确定的地方,以传达意思为主,翻译不当的地方还请各位读者帮忙指正。 Palabos User Guide Release 1.0 r1 Copyright © 2019 University of...

Yulan Fang's notes. 6978

前端必知:37.sass

Sass(Syntactically Awesome Stylesheets)是一种 CSS 的预处理器,提供了一种扩展和增强 CSS 的方式。Sass 是一款强化 CSS 的辅助工具,它在 CSS 语法的基础上增加了变量(variables)、嵌套 (nested rules)、混合 (mixins)、导入 (inline imports) 等高级功能,这些拓展令 CSS 更加强大与优雅。

qq_52799985的博客 1226

告别手动画图!用SUMO的netedit快速搭建高速公路交织区路网(附完整XML文件)

本文详细介绍了如何使用SUMO的netedit工具高效构建高速公路交织区路网,避免手动绘图的低效与错误。通过实战案例和XML文件示例,帮助交通工程专业学生快速掌握复杂道路结构建模技巧,特别解析了spreadType参数设置和速度单位换算等关键操作。

weixin_29085865的博客 261

关于keil编译报.sct (7): error: L6236E: No section matches selector - no section to be FIRST/LAST.处理方法

使用keilUvision5向下兼容,选择S3C2440主款芯片编译运行汇编语言。 出现了一个错误: . \objectslex3-2.sct (7): error: L6236E: No section matches selector - no section to be FIRST/LAST. 我在网上搜了很多,没有找到适合修正我这里的错误的。故咨询陈老师,终于将这个错误解决。 错误如下: 修改过程: 打开小仙女棒 将linker的Use Memory Layout fromTarget Dial

weixin_45865666的博客 9525

前端CSS小技巧—SASS样式编程

今天分享下”前端CSS小技巧—SASS样式编程“这篇文章,文中根据实例编码详细介绍,或许对大家的编程之路有着一定的参考空间与使用价值,需要的朋友接下来跟着云南仟龙Mark一起学习一下吧。 随着越来越多的开发者使用SASS,有必要关注SASS代码数量问题。 我们可以从C开始SS从语法出发,解释SASS语法的一些特点,毕竟,CSS样式指南很常见。 本文主要介绍了我个人感兴趣的一些特点,可能会让你从中受益,形成一套属于自己的SASS使用指南。 继续保持常用CSS格式规则和样式指南 本文着重讨论SASS有些内容,但

yunduanaoligei的博客 415

高频电磁场仿真-主题064-伴随变量法与灵敏度分析

在电磁器件优化设计中,梯度信息对于指导优化方向至关重要。考虑一个典型的电磁优化问题: 其中 p=[p1,p2,...,pn]Tp = [p_1, p_2, ..., p_n]^Tp=[p1​,p2​,...,pn​]T 是设计参数向量(如几何尺寸、材料参数等)。传统有限差分法的困境:示例: 一个具有100个设计参数的天线优化问题伴随变量法(Adjoint Variable Method, AVM)通过引入伴随场,将梯度计算复杂度从 O(n)O(n)O(n) 降低到 O(1)O(1)O(1):伴随变量法在计算

kkchenjj的博客 413

Vue2中如何使用sass实现自定义样式功能(同一个东西展示几种样式)

1、css属于静态资源,要放在静态资源下,不然不起作用。如下:2、在vue文件里面添加事件即可,利用新增节点在head里面添加样式表。

qq_60654563的博客 2440

金融数字化——详解2025年金融智能体深度应用报告【附全文阅读】

《2025年金融智能体深度应用报告》显示,金融智能体已实现80%部署率,推动行业效率提升30%-50%。报告指出智能体通过"感知-推理-规划-执行-进化"机制突破大模型局限,在风控、客服、投研等100+场景实现自动化。典型案例显示,工商银行信贷审批效率提升60%,蚂蚁数科智能客服解决80%问题。尽管面临系统协同、标准缺失等挑战,未来趋势将向多模态交互、自主进化和ESG投资等方向拓展。

cdfunlove的博客 205

基于 Simulink 的 PFC + LLC 级联系统联合仿真与优化实战教程

摘要:本教程详细介绍了2kW级AC-DC变换器建模方法,采用"BoostPFC+LLC谐振变换器"组合架构。重点解析了双级系统的核心控制策略:前级BoostPFC实现功率因数校正(PF>0.95),后级LLC通过变频调制(PFM)实现高效能量传输。教程包含四大关键步骤:PFC建模与控制、LLC参数计算与实现、母线电容优化设计以及系统联合调试,特别针对级联系统常见的母线电容震荡问题提供了解决方案。同时给出了仿真波形分析指南和避坑建议,包括代数环处理、仿真步长设置等实用技巧,为新能源车

MHD0815的博客 121

CSS三大样式——内嵌样式和外部样式

内嵌样式: ①在网页中内嵌sytle标签去写样式 ②在内嵌样式中要先匹配到对应元素 才能写css样式 匹配到元素样式写法规则是: 匹配器{ //样式 } ③ 如何匹配元素: 使用元素选择器来匹配元素 1.*号匹配器 匹配网页里面所有的元素 * { border: 1px solid red; } <button>按钮</button> 2.元素选择器 根据元素的名称来匹配元素 匹配整个网页里面所有这

weixin_38945490的博客 2171

S7-1200与ABB机器人进行SOCKET通信的具体方法示例

S7-1200与ABB机器人进行SOCKET通信的具体方法示例

Robot_PLC_HMI_Automation 3297

Sass/Scss 学习笔记

一、介绍 CSS预处理器是一个CSS的增强语法,让我们可以在 CSS 中使用变量、循环、嵌套等功能, 可以让我们的代码变通性更强,可读性、层级关系更加明显 CSS预处理器种类繁多,目前三种主流的css预处理器是Sass(Scss)、Less及Stylus Sass/Scss、Less、Stylus介绍 Sass/Scss: 2007年诞生,最早也是最成熟的CSS预处理器,拥有ruby社区的支持和compass这一最强大的css框架。 目前受LESS影响,已经进化到了全面兼容CSS的SCSS(SCS

Lu. saning 469

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

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")

Sass语法介绍-嵌套

在一般编写 CSS 的时候呢,我们一遍一遍的编写相同的选择器去处理深层级的样式,而 Sass 给你一种轻松的方式,你可以在一个样式规则中直接编写另一个样式规则,而不是重复相同的选择器,Sass 将自动组合内外部的选择器。通俗点说就是:你可以在父选择器的样式中直接编写子元素的样式,同理你可以在一个子元素的样式中再去编写孙元素的样式,可以一层一层的嵌套着去写样式。样式的嵌套父选择器占位符选择器属性嵌套。

热情、奔放、快乐编程! 1838

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

sass嵌套及编译样式

一.Sass嵌套css规则 1.普通嵌套 嵌套功能避免了重复输入父选择器,而且令复杂的 CSS 结构更易于管理 在css中需要重复写选择器,比如: #index con h1{ color:red } #index con p{ margin-bottom:1em } #index list{ background-color: #EEE } 在sass中可以这样写,嵌套在里面 #in...

weixin_46314560的博客 649

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

选择嵌套_Sass 嵌套规则

本节我们学习 Sass 中的嵌套,嵌套大家应该不陌生,在 HTML 中就支持标签的嵌套。Sass 中允许一个 CSS 样式嵌套进另一个样式中,内层样式仅适用于外层样式的选择器范围内。示例:例如下面这段 CSS 代码:.big { color: #ccc; } .big .small { font-size: 14px; }如果我们要使用 Sass 中的嵌套语法来写,如下所示:从上图我们可以...

weixin_36354744的博客 642

sass的基本语法

一.定义 sass的基本语法 1,注释:**************************************** 单行注释 // 多行注释 /* */ 2,变量**************************************** $变量名称 : 变量的数值 便于后期的维护和修改 例如今天是5:12,要改变样式为黑白配色 之前的css要改变所有的样式设定,现在

DcTbnk的博客 1563

Sass初探:嵌套只是开始,解锁Sass更多功能

Sass初探,嵌套只是开始,解锁Sass更多功能。Sass(SyntacticallyAwesomeStyleSheets)是一种强大的CSS预处理器,它通过引入变量、嵌套、混合宏(mixins)、函数等功能,极大地提升了样式表的可维护性和开发效率。

qq_46032105的博客 1433

Sass 样式规则执行语义全解:嵌套规则、父选择器与 @keyframes 的规范实现

> 本文基于 Sass 官方规范仓库中的 [spec/style-rules.md](https://link.gitcode.com/i/b37bbd117cc0d75909b2a792307479cc) 展开,深入剖析 Sass 语言规范中“样式规则(Style Rule)”的完整执行语义。Sass 是“活规范”(living specification),本文以当前仓库文本为准,并结合 [s

gitblog_09755的博客 863

SASS学习总结

思维导图: 1. SASS作用 CSS预处理器,功能上大同小异,都是使用类似程序样式语言的方式来编写CSS,都具有变量,混入,嵌套,继承等特性,最终目的都是方便CSS的书写及维护。 2. SASS注释 标准注释:/ 评论 /,会保留到编译后的文件。 单行注释://评论,只保留在Sass源文件中,编译后被省略。 强制注释:/! 评价/ 在压缩状态 下也显示; 3. SASS样式导入 @import 可以根据文件扩展名不同而用不同的方式处理 如果文件是.css的扩展名,将与CSS中的@import语句保

qq_42889406的博客 2639

03 【Sass语法介绍-嵌套】

03 【Sass语法介绍-嵌套】

DSelegent的博客 1655

11day-nvm、node、sass安装、sass写法

11day-nvm、node、sass安装、sass写法

DaB210的博客 1161

sass学习(一):变量、嵌套与导入

一 使用变量 sass使用的一大好处就是可以使用变量,对于那些重复使用的属性,可以通过变量名来引用。 1.变量声明 sass中变量通过$来声明,书写方法与CSS相似,属性值可以使用空格和逗号进行分割。与CSS属性不同的是,其变量可以声明在规则块外,在规则块内部声明的变量只能在本规则块内使用。举例如下: $nav-color: #F90; nav { $width: 100px; w

weiweitb8的博客 3646

Sass 嵌套

嵌套规则 Sass 允许我们将以与html相同的方式嵌套css选择器,将一套 CSS 样式嵌套进另一套样式中,内层的样式将它外层的选择器作为父选择器,比如: // .scss语法 #main { width: 97%; p, div { font-size: 2em; a { font-weight: bold; } } pre { f...

天空之外 254

Sass学习 sass 命令、sass变量、编译时报错、嵌套css规则、群组选择器、子选择器,相邻,同级选择器、属性嵌套、import导入、import默认值、sass注释、sass中文乱码

一、目录 在这里插入代码片常用命令 变量 嵌套css规则 群组选择器 子选择器,相邻,同级选择器 属性嵌套 import导入 嵌套导入 sass注释 sass乱码解决 常用命令 1、sass 命令 sass input.scss output.css:将sass文件输出到指定css文件 sass --watch input.scss:output.css:自动监视sass文件更新到指定css文件 sass --watch app/sasss:public/styles:sass监视一个目录里面的sass文件

qq_46179813的博客 1139
上一篇: vue-cli4 关闭 eslint 代码规范
下一篇: CSS清除浮动4种方法及详细解析
SpringRolls
博客等级 码龄9年 73粉丝 129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