尘埃落定性描写细节摘要_解释“细节”和“摘要”元素

尘埃落定性描写细节摘要

开发了许多JavaScript库,以便为我们提供网站上的其他交互式小部件。 同样,HTML5还解释了许多流行的交互式组件,使它们成为本机Web功能。 在本文中,我们将研究一个称为<details>元素(并在此过程中使用<summary>元素),该元素为我们提供了类似于手风琴的交互式小部件。

使用<details>和<summary>

<details>元素可以在<body>范围内的任何位置使用。 举一个简单的例子,我们可以这样添加它:

<details>
    <p>Lorem ipsum dolor sit amet, consectetur adipisicing elit. Voluptas, impedit.</p>
</details>

上面的示例显示了包含段落的<details>元素,突出显示了其与其他HTML段落元素的相似性。 它定义了一个语义部分,该语义部分又可能包含子元素(例如图像)和<figure>元素,诸如<input>和<textarea>表单元素,甚至嵌套其他<details>数组。

唯一的不同之处在于浏览器如何在前端显示此元素。 支持的浏览器(例如Chrome,Safari和最新版的Opera)将在侧面显示一个小三角形和一条明细线。

<details>元素的作用类似于手风琴小部件,因为其中的内容最初将被隐藏。 切换箭头或单击与箭头水平对齐的任意位置,将显示隐藏的内容。 我们也可以使用Tab键以及Space或Enter键来突出显示它。

注意 :AccesibleCulture在屏幕阅读器和 详细信息 / 摘要中全面介绍了辅助功能。

开放状态

打开details元素后,如果现在使用dev工具浏览源代码,您会发现浏览器已在处于此状态时附加了open属性。 实际上,我们可以手动将open属性添加到<detail> ,以显示默认情况下打开的内容。

<details open>
    <p>Lorem ipsum dolor sit amet, consectetur adipisicing elit. Voluptas, impedit.</p>
</details>

摘要元素

<details>元素与称为<summary>的元素一起提供; 这两个是要结合使用的,但是使用<summary>元素是完全可选的。

那么当您使用它时会发生什么呢?

<details open>
    <summary>Hello World</summary>
    <p>Lorem ipsum dolor sit amet, consectetur adipisicing elit. Voluptas, impedit.</p>
</details>

给定以上示例,默认的Detail将被Hello World代替。

套料

如前所述, <details>元素可能包含其他嵌套的<details>元素,如下所示:

<details>
    <summary>Hello World</summary>
    <p>Lorem ipsum dolor sit amet, consectetur adipisicing elit. Voluptas, impedit.</p>
    <details>
        <summary>Hi, How are you?</summary>
        <p>Lorem ipsum dolor sit amet, consectetur adipisicing elit. Voluptas, impedit.</p>
    </details>
</details>

确实存在一个视觉问题(浏览器默认样式)(嵌套列表不会出现这种情况)。 如下所示,嵌套元素与模糊真实层次结构的父元素一起向左对齐:

但是,通过添加一些简单的样式可以轻松解决此问题。 因此,让我们看看如何设计这些元素。

使用CSS设置样式细节

<details>和<summary>元素可以像其他任何块元素一样设置样式。 通过元素选择器,类或ID选择它们,并堆叠一堆属性以对其进行样式设置。

details {
    padding: 15px;
    background-color: #f6f7f8;
    margin-bottom: 20px;
}

此外,您可以使用属性选择器为打开状态指定样式。

details[open] {
    /* the style goes here */
}

<summary>元素也可以设置样式。 说到这,如果将鼠标悬停在诸如按钮或锚点之类的可单击元素上,则光标通常会变成指针。 但是<summary>元素并非如此,该元素也是可单击的。 游标将变成text游标,感觉有点不自然,因此您可能需要修改默认样式,将游标定义为pointer 。

summary {
    cursor: pointer;
}

造型三角形

现在,您一直想问一个问题:您可以为小三角形设置样式吗? 目前还没有标准,但是Webkit为此使用了伪元素::-webkit-details-marker 。 通过这种方式,我们可以自定义默认的箭头样式,例如颜色,背景色以及箭头大小。

summary::-webkit-details-marker {
    color: #fff;
    background-color: #000;
}

不幸的是,至少在撰写本文时,不可能直接通过::-webkit-details-marker替换箭头。 唯一可行的方法是使用::before或::after替换它。

summary::-webkit-details-marker {
    display: none;
}
summary:before {
    content: "\2714"; /* the new icon */
    color: #696f7c;
    margin-right: 5px;
}

浏览器支持

在过去两年中,浏览器对这两个元素的支持得到了很大的改善。 早在2011年和2012年,Chrome是唯一能够呈现<details>和<summary>浏览器-尽管该实现存在一些可访问性问题。 Safari和Opera仅在最近才加入该俱乐部。

因此,就支持Firefox和Internet Explorer而言,有多个polyfill选项可以模拟该功能,例如Mathias Bynens和jQuery Details开发的 。 尽管此polyfill看似依赖jQuery,但文件大小比jQuery UI库对应的文件小得多。

一旦实施,就可以像往常一样设置样式。

summary:before {
    content: "\25B8"; /* unicode character of the litle triangle  */
    color: #000;
    margin-right: 5px;
}

有关浏览器支持的更多信息,请访问caniuse.com 。

用例和范例

您可能已经在野外看到了这些元素。 例如,在网上购物时,您可能会发现一些网站在手风琴中包装了其产品的详细说明。 否则,他们可能会在边栏中使用它来过滤结果,例如Payless 。

<details>和<summary>元素也非常适合组织通常在定价表布局中找到的FAQ项目和功能列表项目。 我已经创建了一个演示,您可以在此处免费使用它。

结论

正如亚伦·伦姆斯登(Aaron Lumsden) 在这篇文章中所说的

因此,非常感谢这个新元素。 有一天,也许随着Web组件的出现,在添加简单的控件(如Accordion)时,构建网站或Web应用程序对JavaScript库的依赖程度会降低。

因此,您是否曾经在网站中使用<details>和<summary> ?

翻译自: https://webdesign.tutsplus.com/tutorials/explaining-the-details-and-summary-elements--cms-21999

尘埃落定性描写细节摘要

DIY玩家必备:用SSS1623芯片打造高性价比USB麦克风(附完整电路图) 本文详细介绍了如何利用SSS1623芯片DIY高性价比USB麦克风,包括元件选型、电路设计、PCB布局及调试技巧。通过完整的电路参考设计和实用建议,帮助电子爱好者打造专业级录音设备,实现免驱动即插即用功能。 阅读详情

相关推荐

算法面试准备 - 手撕系列第五期 - 单头注意力机制(包括Self_atten和Cross_atten)

算法面试准备 - 手撕系列第五期 - 单头注意力机制(包括Self_atten和Cross_atten)

m0_62030579的博客 3609

HTML语言基础知识

HTML语言 ctrl+B 将文字加粗 ctrl+1 /2 /3 标题 ctrl+shift + i 插入图片 不是编程语言 编程语言都会有自己的语法结构 html语言不是编程语言 它是标记语言 一组标签 --》特定功能—》浏览器里的渲染引擎 html hyper 超 Text 文本 markup 标记 language语言 文本 .txt 文字 字符 超文本 不...

梓栋DREM 2628

单细胞双胞过滤-scrublet安装

pip install scrublet ----use-pep517有如下报错,分析可知安装annoy时不会自动更新gcc的版本,centos默认是4.8.5。pip install scrublet ----use-pep517 仍然报错,但似乎不影响使用,提示Successfully installed。打开终端,进入Python环境,输入以下代码,查看Python安装位置。暂时还没尝试是否存在问题,如果存在问题,降级scrublet版本。包的开发依赖的是比较低版本的numpy,会用到。

hzau_t的博客 795

打印分页页码从 1 开始:总页数计算与 CSS 计数器

页码错位、总页数不准,用计数器加固定分页容器一次解决。本文结合具体场景讲清做法、常见问题与可复用的实现思路。

uyuii_的博客 74

基因组注释(Annotation)

Annotation

hgz2020的博客 6499

用Multisim和74HC系列芯片,手把手教你搭建一个能“算数”的简易CPU模型

本文详细介绍了如何使用Multisim仿真软件和74HC系列芯片搭建一个简易CPU模型,重点解析了74HC194寄存器和74HC283加法器的核心功能与连接方法。通过分步图解和实战调试,帮助读者理解CPU工作原理,掌握数字电路设计的基本技能,适合计算机组成原理初学者和电子爱好者实践学习。

weixin_26843605的博客 141

css - 元素背景图由 hover 触发,初次加载时闪动的解决办法

【代码】css - 元素背景图由 hover 触发,初次加载时闪动的解决办法。

神膘护体小月半的博客 145

【Google Play 上架】内部 / 封闭 / 开放 测试全解 — “只跑一个就能上架”?不行!

Google Play新规要求个人开发者账号在2023年11月13日后必须通过封闭测试(Closed testing)才能上架应用。封闭测试需要至少12名测试者连续14天保持参与状态,而内部测试和开放测试不能替代这一要求。三类测试轨道各有特点:内部测试用于快速内部验证,封闭测试是上架必经环节,开放测试面向更广泛用户但非必需。上架流程建议先内部测试修复问题,再启动封闭测试满足14天要求,最后申请生产发布。组织账号和早期个人账号可能不受此限制。开发者应提前规划测试人群,确保持续测试周期,并关注Play Cons

技术小甜甜:传播可落地技术,帮助个人和企业降低解决真实场景问题的成本 2802

CSS 常见鼠标样式与 CSS 属性书写顺序

cursor是成本极低但收益明显的交互细节,合理使用pointergrabgrabbing等取值,能让用户更准确地理解页面行为;而 CSS 属性书写顺序则是代码规范的基础设施,遵循"定位 → 盒模型 → 排版 → 装饰 → 动画 → 交互"的顺序,配合 Stylelint 等工具落地,可以显著提升样式代码的可读性与可维护性。

2601_96876853的博客 555

WPF实现圆形菜单动态展开折叠效果

实现效果如下: 思路:根据子菜单个数计算旋转角度动态生成子菜单,并设置展开折叠动画。 步骤: 1、自定义按钮MyButton,建立展示图像属性DisplayImage public class MyButton : Button { public static readonly DependencyProperty DisplayImageProperty = DependencyProperty.Register("DisplayImage", typeof(

dnazhd的博客 3152

【硬件工程师面经整理18_Smith圆图】

若文中任何内容侵犯了您的合法权益,请相关权益人及时与我联系,我将立即进行核实并采取适当措施,包括但不限于删除相关内容或更新文章以消除影响。**在Smith圆图上,源阻抗表示为圆心,而负载阻抗表示为圆图上的一个点。具体来说,通过将负载阻抗在Smith圆图上移动到特定位置,使其与传输线特性阻抗形成纯电阻或纯电抗的组合,从而实现匹配。例如,反射系数表示为Smith圆图上的一个点,而驻波比则表示为圆图上两个点之间的距离。Smith圆图是用于阻抗匹配和网络分析的工具,它是一种将复阻抗表示为坐标的图形。

LeeYLong的博客 654

当工具链成为基础设施:从 Tailwind 并入 Shopify 看 CSS 框架的演进逻辑

Tailwind 并入 Shopify,不只是商业新闻,更是 CSS 框架从“工具”走向“基础设施”的信号📐 文章拆解 utility-first 背后的三大取舍——原子类与语义类、按需生成与预生成、独立发展与平台收编,并用可复现指标教你验证产物体积、变更影响面与构建可重复性。

2601_94912102的博客 328

【红外技术】DDE算法:HE在红外图像可视化上的应用(附源码)

并且数据一般是以 8 的整数倍的位宽在电子系统中应用,因此大多数的显示器的显示位宽为 8bit,共 256 个灰阶。为了使红外图像可视化,因此需要一种“数据压缩”技术,还需要既可能的不丢失原始图像信息。HE后的图像直方图分布比较均匀离散,图像对比度好。但是HE算法只是适用某些图像,它是将灰度集中区域进行拉伸得到,也会放大该集中区域的噪声,它是一种“不公平”的映射。以下是红外细节增强算法的演示,很明显右边的图像,展现了更多的图像细节,对于小目标的观测非常友好。文章已于2019-12-02修改。

sunwindl91181的博客 911

CSS 选择器 & 优先级

本文系统讲解CSS选择器语法与权重规则:通配符*、元素/类/ID选择器、属性选择器及其拓展用法;组合选择器包括后代、子代、兄弟关系;伪类(如:hover)与伪元素(如::before)区分使用;重点强调权重优先级:!important > 行内样式 > ID > 类/伪类 > 元素/伪元素 > 通配符,同级以书写顺序为准,继承不可覆盖。提醒避免误区:nth-child按所有子元素计数,非仅同类标签;避免滥用!important;推荐优先使用class而非id写样式。

2603_96589662的博客 125

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

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")

CSS 定位布局与 z-index 叠放次序详解

层叠上下文(Stacking Context)是一个独立的「三维空间」,内部元素的z-index只在同一个上下文内比较。子元素的z-index再大,也无法突破父级上下文所处的层级。根元素html;position为且z-index不为auto;或sticky(现代浏览器);opacity小于 1;transformfilter等不为none;;flex/grid子项且z-index不为auto。position决定元素是否脱离文档流以及定位参照物;z-index。

2601_96876853的博客 451

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

CSS 多列布局详解:从 column 属性到实战应用

CSS 多列布局用极少的代码就能实现报纸式的分栏排版,核心就是控制列,column-gap控制间距与分隔线,处理跨列元素。它适合长文本阅读场景,但不适合需要精确控制每个元素位置的复杂布局——那种场景还是交给flex或grid更合适。掌握多列布局,能让你的文章类页面排版事半功倍。

2601_96876853的博客 396

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

升级 three 后标签「点击全部失效」——CSS2D 层事件治理全解

three.js 升级至 r147+ 后,CSS2D 标签点击失效源于 OrbitControls 绑定 canvas 导致指针捕获劫持事件。解决方案分两层:第一层,通过 labelRenderer.domElement.style.pointerEvents = 'none' 使层透明,仅交互元素设 pointer-events: auto 并用 stopPropagation 阻止冒泡;第二层,防止窗体误关与重复弹窗,需在容器上阻止冒泡、关闭按钮使用 stopImmediatePropagation

weixin_44242600的博客 374

CSS 2D 变换之平移 translate:从原理到实战

是 CSS 2D 变换中最常用的函数之一,掌握它的取值规则、坐标系方向以及与其它变换函数的组合顺序,能帮助我们更高效地实现位移、居中、动画等效果。它让元素在二维平面上发生位移,而不改变文档流布局,也不会影响周围元素的位置。无论是做按钮悬浮效果、轮播图切换,还是实现居中布局,的结果并不相同,因为旋转会改变后续变换的坐标系方向。在 CSS 2D 变换(2D Transforms)家族中,会让元素向右移动自身宽度的一半、向下移动自身高度的一半。属性(注意不是函数),可以单独设置平移,与。

2601_96876853的博客 422

CSS 定位布局:相对定位与绝对定位详解

父元素 relative + 子元素 absolute」是 CSS 中最常用的定位组合,几乎所有的角标、下拉菜单、tooltip 都基于它实现。它决定了元素在页面中的定位方式,也是实现悬浮按钮、下拉菜单、遮罩层、角标等常见 UI 效果的核心手段。的偏移只是视觉位移,不会改变元素在文档流中的占位,因此不会引起其他元素重排。在视觉上向右移动 30px、向下移动 20px,但它原本占据的空间依然保留,后面的元素不会补上来。再大也无法跳出父元素的层级。,不再占据原来的空间,其他元素会像它不存在一样重新排列。

2601_96876853的博客 279

CSS 2D 变换之旋转 rotate 详解

是最常用、也最容易上手的一个函数。它可以让元素围绕一个旋转中心点进行平面旋转,常用于图标翻转、卡片倾斜、加载动画、悬停交互等场景。、组合变换与动画后能玩出很多花样。掌握角度单位、旋转中心与变换顺序这三点,基本就能覆盖绝大多数 2D 旋转需求。之前与之后,元素的位移方向是不同的,因为旋转会改变后续变换的坐标系。本文从语法、角度单位、旋转中心、组合变换到实战动画,系统梳理。可以和其他 2D 变换函数组合使用,多个函数之间用空格分隔,这段代码实现了一个经典的加载转圈动画。表示旋转角度,正值表示。

2601_96876853的博客 480

To-Do List 的「修改」功能与 CSS 定位

买牛奶</td><td index="1">写作业</td><td index="2">跑步

2401_89953644的博客 326

CSS 轮播图:让内容盒子垂直居中的几种做法

做轮播图时,最常见的结构是「外层容器固定高度 + 内层内容盒子(图片、标题、按钮组)」。轮播图内容盒子的垂直居中,本质是「容器有高度 + 子元素有居中规则」。轮播容器用 Flex,内层盒子自动在两个方向居中,代码最少、兼容性最好(现代浏览器全支持)。下面按「从简单到通用」的顺序,给出几种在轮播图中真正好用的垂直居中方案。,水平居中了,但垂直方向总是贴着顶部,或者被拉伸变形。,这是不依赖 Flex/Grid 的经典写法。新项目不建议使用,仅在维护老代码时能看懂即可。是 Flex 两个属性的简写,写法更短。

2601_96876853的博客 405

CSS 盒模型 & BFC

盒模型决定元素宽高计算方式,box-sizing: border-box 使 width/height 包含内容、内边距和边框,是开发常用模式。margin 不计入 width,且垂直方向 margin 会合并(塌陷),仅块级元素生效。解决塌陷核心为触发 BFC(块级格式化上下文),可通过 overflow: hidden、float、display: flex 等实现。BFC 可阻止 margin 塌陷、清除浮动、避免与浮动元素重叠。行内元素不可设宽高,垂直 margin 无效但不影响布局。口诀:cont

2603_96589662的博客 355

【Web Development】02 CSS

CSS(层叠样式表 Cascading Style Sheets)。CSS 全称 Cascading Style Sheets 层叠样式表CSS 语法基础:颜色写法:直接写在 HTML 标签的属性里面。 特点:只作用于当前这一个标签。在 HTML 文档的标签中放置标签,内部写 CSS 规则。 特点:仅对当前这一个 HTML 页面生效。把全部 CSS 写在独立文件;在 HTML 用标签引入。 HTML 部分: mystyle.css 文件: 特点:多个网页可以共用同一个 css 文件,大型项目

lxylxylxy的博客 232

打印分页实测横评:CSS 分页与网页打印控件耗时对比

同一张 200 行单据表,分别用 @media print 与控件分页跑分,看谁少调样式。本文结合具体场景讲清做法、常见问题与可复用的实现思路。

uyuii_的博客 165

BIM 大屏从「能打开模型」到「真能用」:构件映射、CSS2D 标注、加载竞态与低端机五级降级

BIM可视化真正难点不在加载3D模型,而在四件事:统一异构引擎接口、确保构件搜索时序正确、以构件名而非dbId实现稳定绑定、将可交互的Vue组件精准投影至三维空间。通过适配器模式解耦厂商差异,双事件校验加载状态,基于名称映射实现跨版本兼容,并利用CSS2DOverlay将动态组件嵌入场景,最终实现高可用、可维护、可交互的BIM交付系统。

记录踩过的坑和想明白的事 585
上一篇: css :: :_如何使用神话:“ CSS的想象方式”
下一篇: 自定义音频播放器_创建自定义HTML5音频播放器
daique1908
博客等级 码龄10年 29粉丝 0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  | 博主筛选后可见
 
 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