Ztree ajax关键字检索动态树

印尼稻米收成与粮食安全数据集2026年 本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。 立即下载
http://blog.youkuaiyun.com/liuyuhua0066/article/details/8949885?reload

实现效果:

初始页面 

匹配记录

无记录 


Js代码:

[javascript] view plain copy
  1. <script type="text/javascript">  
  2. var quickMsg = "输入关键字按回车键检索";  
  3. $(function(){  
  4.             $("#quickQuery").focus(  
  5.                 function(){  
  6.                     if($.trim($("#quickQuery").val()) == quickMsg)  
  7.                     {  
  8.                         $("#quickQuery").val("");  
  9.                     }  
  10.             });           
  11.     });  
  12.   
  13. function checkBack (e, treeId, treeNode) {  
  14.             var zTree = $.fn.zTree.getZTreeObj("treeForRole");  
  15.             nodes = zTree.getCheckedNodes(true);  
  16.             id = "";  
  17.             name = "";  
  18.             nodes.sort(function compare(a,b){return a.id-b.id;});  
  19.             for (var i=0, l=nodes.length; i<l; i++)   
  20. {  
  21.                 id += nodes[i].id + ",";  
  22.                 name += nodes[i].name + ",";  
  23.             }  
  24.             if (name.length > 0 )  
  25. {  
  26. name = name.substring(0, name.length-1);  
  27. }  
  28.             if (id.length > 0 )   
  29. {  
  30. id = id.substring(0, id.length-1);  
  31. }  
  32.             var selObj = $("#userForRoleSel");  
  33.             selObj.attr("value", name);  
  34.             $("#selectRole").val(id);  
  35.             $("#userForRoleSel").focus();             
  36.         }  
  37.           
  38. //ajax回调 如果无记录则给予提示  
  39.     function asyncBack(event, treeId, treeNode, msg) {  
  40. var nodes = $.fn.zTree.getZTreeObj("treeForRole").getNodes();  
  41.             if(nodes.length==0)  
  42.             {  
  43. $("#treeForRole").html("<span style='color:#ff0000; margin-left:10px; margin-top:105px;'>未检索到匹配的记录</span>");  
  44.             }  
  45.         }  
  46.       
  47.     function showMenu() {  
  48.                 $(function(){  
  49.                     if($("#quickQuery").val() == "")  
  50.                     {  
  51.                         $("#quickQuery").val(quickMsg);  
  52.                     }  
  53.                     document.onkeydown=function(e)  
  54.                     {  
  55.                         //回车触发ajax查询      
  56.                         if((e ? e.which :event.keyCode)==13)  
  57.                             {  
  58.                                  var setting = {  
  59.                                             check: {  
  60.                                                 enable: true,  
  61.                                                 chkStyle: "checkbox",  
  62.                                                 chkboxType: { "Y":"s", "N":"s"  }  
  63.                                             },  
  64.                                             callback: {  
  65.                                                 onCheck: checkBack,  
  66.                                                 onAsyncSuccess :asyncBack  
  67.                                             },  
  68.                                               
  69.                                             async: {  
  70.                                                 enable: true,  
  71.                                                 url:"User_ajaxRoles.action",  
  72.                                                 otherParam:{ "nameKey" : $.trim($("#quickQuery").val())},  
  73.                                                 dataType: "json",  
  74.                                                 dataFilter: null  
  75.                                             },  
  76.                                             data: {  
  77.                                                 simpleData: {  
  78.                                                     enable: true  
  79.                                                 }  
  80.                                             }  
  81.                                               
  82.                                         };  
  83.                                   
  84.                                 $.fn.zTree.init($("#treeForRole"), setting);  
  85.                             }  
  86.                     };  
  87.                 });  
  88.             var selObj = $("#userForRoleSel");  
  89.             var businessOffset = $("#userForRoleSel").offset();  
  90.             $("#menuContentForRole").css({left:businessOffset.left + "px", top:businessOffset.top + selObj.outerHeight() + "px"}).slideDown("fast");  
  91.             $("body").bind("mousedown", onBodyDown);  
  92.         }  
  93.   
  94. function hideMenu() {  
  95.             $("#menuContentForRole").fadeOut("fast");             
  96.         }  
  97.   
  98. function onBodyDown(event) {  
  99.             if (!(event.target.id == "menuBtnForRole" || event.target.id == "menuContentForRole" || $(event.target).parents("#menuContentForRole").length>0)) {  
  100.                 hideMenu();  
  101.             }  
  102.         }  
  103. </script>  

Html代码:

  1. <s:textfield id="userForRoleSel" name="userForRoleSel" readonly="true" size="18" />   
  2. <a id="menuBtnForRole" href=" javascript:showMenu();">选择</a>  
  3.   
  4. <div id="menuContentForRole" class="menuContent"  
  5.             style=" border:1px solid #ccc;width:198px;height:160px;overflow:scroll;scroll-y;display:none;position: absolute; background-color:#fcfcfc;">  
  6.             <input class="quickText" id="quickQuery" type="text" />   
  7.             <ul id="treeForRole" class="ztree"   style="margin-top: 0; width: 140px;">  
  8. </ul>  
  9. </div>  
  10. <s:hidden id="selectRole" name="role.roleId" />  

后台使用Struts2,相关代码如下

Action代码:

  1. public String ajaxRoles()   
  2.         throws Exception  
  3. {  
  4.         try  
  5.         {  
  6.             result = roleService.getAjaxRoles(nameKey);  
  7.         }  
  8.         catch(Exception e)  
  9.         {  
  10.             log.error(e.getMessage());  
  11.             throw e;  
  12.         }  
  13.         return "ajaxRoles";  
  14. }  

Struts2-User.xml 代码:

  1. <package name="rbac_user" namespace="/" extends="json">  
  2.     <action name="User_*" class="xx.UserAction" method="{1}">  
  3.         <result name="ajaxRoles" type="json">  
  4.             <param name="root">result</param>  
  5.         </result>  
  6.     </action>  
  7. </package>  

Service代码:

  1. public String getAjaxRoles(String nameKey)  
  2. {  
  3.         //Dao层是一个简单的根据name查询 不再赘述  
  4.         List<Role> results = roleDao.getAjaxRoles(nameKey);  
  5.         JSONArray json = new JSONArray();  
  6.         for (Role ro : results)  
  7.         {  
  8.             JSONObject jo = new JSONObject();  
  9.             jo.put("id", ro.getRoleId());  
  10.             jo.put("name", ro.getName());  
  11.             json.add(jo);  
  12.         }  
  13.         return json.toJSONString();  
  14. } 
企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx 立即下载

相关推荐

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

ztree根据关键字模糊搜索

说明 zTree 是一个依靠 jQuery 实现的多功能 “树插件“。 本文通过利用zTree API编写了一个根据关键字进行模糊搜索的demo。 整体思路: 1. 利用zTree显示完整树结构; 2. 根据关键字,筛选出不包含关键字的叶子节点,并将这些不符合条件的叶子节点全部隐藏 主要代码1. 页面部分 1. html页面需要引入以下资源 <!--

Daniel is coding 2万+

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

树型菜单数据项AJAX实现增删改查

树型菜单类型数据的维护在很多项目中都会用到,如组织架构、产品分类等,在实际应用中可能有各种其它的附加业务,这里介绍一种比较原始的处理方式,即完全通过JSON来构造整个树的层级关系,并采用了AJAX方式提高用户体验,最重要的是留给我们更多的开发和定制余地。

RocChen的专栏 3499

因时机器人-灵巧手配置方案(Ubuntu18.04)

因时机器人-灵巧手配置方案(Ubuntu18.04)

CH_monsy的博客 3858

智能车小白也能懂:手把手教你用LM358和工字电感搭建电磁循迹模块(附PCB设计避坑)

本文详细介绍了如何利用LM358运放和工字电感搭建智能车电磁循迹模块,从电感选型、电路设计到PCB布局和焊接调试,提供全流程实战指南。特别针对新手常见问题,如信号干扰、电路饱和等,给出具体解决方案和参数配置,帮助智能车比赛爱好者快速掌握电磁循迹技术。

weixin_30307921的博客 403

jstree--AJAX 请求获取数据形成树

概述: 一般情况下都是通过ajax进行请求获取数据。boostrap+ajax 1、代码 //权限分配 $('#authority').click(function() { $("#jstree").jstree({ "core" : { "themes" : { "res

往前的娘娘 1万+

Agilent N5230A矢量网络分析仪在射频器件S参数测试中的关键操作指南

本文详细介绍了Agilent N5230A矢量网络分析仪在射频器件S参数测试中的关键操作流程与技巧。内容涵盖从开机预热、校准(SOLT/ECal)、参数设置(频率、点数、功率、IFBW)到连接测量、数据保存分析的全过程,并分享了夹具去嵌入、时域分析等进阶功能与常见问题避坑指南,旨在帮助工程师获得精准可靠的散射参数测试结果。

kotlin6android的博客 403

ztree ajax 层 php,Ztree ajax关键字检索动态树 | 学步园

实现效果:初始页面匹配记录无记录Js代码:var quickMsg = "输入关键字按回车键检索";$(function(){$("#quickQuery").focus(function(){if($.trim($("#quickQuery").val()) == quickMsg){$("#quickQuery").val("");}});});function checkBack (e, t...

weixin_33970994的博客 156

VHDL实战:基于EDA的数字频率计(FREQ)设计与优化

本文详细介绍了使用VHDL语言和EDA工具设计并优化数字频率计(FREQ)的全过程。从核心原理与模块划分入手,深入讲解了时钟分频、测频控制、计数锁存及显示驱动等关键模块的VHDL实现,并提供了从代码编写、功能仿真到综合布局布线的完整EDA实战指南。文章还探讨了测量精度优化、资源权衡及跨时钟域处理等进阶话题,是掌握FPGA数字系统设计的经典案例。

milk8的博客 584

OpenClaw安装方式那么多,但建议大家还是用云厂商吧

OpenCloud的安装方式多样,包括One-liner、npm、pnpm和Hackable等。One-liner提供高效的单行命令安装;npm和pnpm作为Node.js包管理工具,分别提供常规和高性能的安装选项;Hackable则支持定制化安装。不同系统(macOS、Windows)和终端(PowerShell、CMD)的操作步骤各有特点,用户需根据自身技术背景选择合适的安装方式。官方推荐使用闲置计算资源或云部署方案以获得更佳体验。

涛涛讲AI 1401

js中关于数组排序问题arr.sort(function(a,b){})

刷题的时候,遇到这么一个问题:   请填充代码,使mySort()能使传入的参数按照从小到大的顺序显示出来。 function mySort() { var tags = new Array();//使用数组作为参数存储容器 请补充你的代码 return tags;//返回已经排序的数组 } var result = mySort(50,11,16,32,24,99,57,...

Zpp的前端学习博客 9189

SQLSTATE58030

在优化一条SQL的时候遇到了执行错误 gtlions =# select t1.telnumber,t2.ua,t2.url,t1.apply_name,t2.apply_name from tb1 t1 gtlions -# left outer join tb2 t2 on t1.sid = t2.ipsid gtlions-# where t1.sum_date=20141128 a

Gtlions Tracker 3660

sort(function(a,b){return a -b})函数排序问题

关于function(a,b)排序问题 此处正序排序原理: return a-b 这段代码:a指的是array[j] b指的是array[j+1] 即 a 指的是前一个数,b指的是后一个数; a-b>0时,也就是 第一个数比第二个数大 则 在if语句中 fncompare()函数的结果 为>0 所以if语句可以执行,两个数交换位置 a 数 换到 b 的位置 意思是 :大的数向后移...

qq_43058026的博客 6457

【Frida Android】实战篇8:客户端证书认证绕过 Hook 教程

通过重写类的方法,自定义证书校验逻辑;利用配置文件,从系统层面管理证书信任策略;以及通过 OkHttp 框架提供的方法,实现证书的强绑定校验。这些内容主要围绕客户端如何验证服务端证书的合法性展开。客户端证书认证。当 APK 预置了客户端证书,并且服务端会对客户端证书进行校验时,传统的中间人攻击方式将面临新的挑战。我们将深入分析这种场景的工作原理,并详细介绍如何通过技术手段获取客户端证书、配置中间人工具,最终成功实现抓包分析。

水滴石穿 1431

华为OD机试真题 新系统 9月27号 【数据中心最佳维护窗口】

华为OD机试真题 新系统【数据中心最佳维护窗口】,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。华为OD机试真题 【数据中心最佳维护窗口】多语言题解。

qq_45776114的博客 1175

使用zTree进行数据动态显示

因为公司项目的需要,现学了一下zTree的使用。 下面是我项目的结构图: baseDao类 package com.wiseweb.zTree; import java.sql.Connection; import java.sql.DriverManager; import java.sql.PreparedStatement; import java.sql.ResultSet

Benjamin 7868

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")

Ztree,异步逐级加载数据,连接数据库增删改,模糊搜索

需求是需要做一个国家信息的树形结构图,那么就避免不了使用树状结构的插件,而用的比较多的插件就是Ztree和Jstree,个人在这里强烈推荐Ztree,原因如下:1、Ztree的插件文档全中文解释,毕竟是国产插件,所以对于英语不太好的同学来说,会减少很多麻烦,而Jstree全英文                    2、Ztree的demo比Jstree更加详细,更能够去理解插件中各种事件,属性的...

孺牛的博客 6734

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

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。

zTree使用总结

想要使用zTree实现的效果如下: 即当鼠标点击进入文本框时,即通过ashx文件访问数据库后弹出zTree信息框。当点击窗口其他区域时此信息框隐藏。在这里,访问数据库的代码省略。 具体实现的代码如下: ZTREE DEMO <link href="../plugins/JQuery_zTree_v2.5/demo/zTreeStyle/zTree

freeWayWalker的专栏 3万+

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

zTree.js 异步加载地区例子

zTree.js 异步加载地区例子

偏执狂才能生存!热忱比专业知识更重要......... 2586

ztree实现异步加载(点击节点,请求后台数据,添加数据到对应节点)

首先准备好后台数据:这里我就不贴SQL了,因为数据是别人博客里面的.后面会标明出处. 引入对应的js和css,没有这些文件的小伙伴可以点击 http://www.treejs.cn/v3/api.php 下载 &lt;script type="text/javascript" src="static/js/jquery-1.7.2.js"&gt;&lt;/script&gt; ...

skyjian10的博客 3万+

使用sort(function(a,b){return a-b})对数组进行排序的原理

使用sort(function(a,b){return a-b})对数组进行排序的原理 案例: function sort(){ var _arr1=[8,95,31,1,5]; console.log(_arr1.sort());//输出1,31,5,8,95,因为会先将元素转换为字符串,用字符串的首字符...

weixin_43755513的博客 1万+

【ztree系列】树节点的模糊查询

以前设计模糊查询的功能,一般都是针对表格来做的,还真没考虑过对tree进行模糊查询,也可能是因为遇到的数据量还没到头疼的程度吧。为了完美的实现模糊查询的效果,搞了半天css,对输入框显示效果的设置更是修改了n多次,什么半圆角、边框、光影。。。真佩服我这颗屡试屡换的小心脏啊 一、页面设计 对于搜索功能,首先要有输入框,用于接收输入内容;然后就是显示搜索结果用的标签,控制焦点用的上移下动按钮。其实

Cherie 2万+

【AJAX进阶(二)】--异步模糊查询

上篇博客讨论了DOM的基本使用情况,DOM树使得程序员能够直接在后台来操作HTML元素,熟练的使用DOM并集合AJAX能够构造出网页应用程序。今天进一步使用AJAX来实现一些复杂的功能,主要来讨论使用AJAX实现异步模糊查询的功能。

航帆远洋 9516
上一篇: Tomcat启动过程详解
下一篇: 用js控制a标签href属性并实现跳转
gwpJava
博客等级 码龄14年 11粉丝 91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