jquery中tablesorter隔行颜色变化以及对应表格拖拽技术

本文介绍如何使用jQuery插件实现表格行排序及隔行变色效果,并通过tableDnD()函数实现行拖拽功能,确保拖拽后仍保持隔行显示效果。
对于jquery,实现table的行排序功能非常的简单,一般来说,实现隔行显示也是非常容易的,

自己在jquery的tablesorter插件的基础上,实现了自动的表格隔行变色,另外,关于表格的行的拖拽技术,jquery也提供了相应的tableDnD()函数来进行相应,这样就给了我们很大的方便,但是在一下的情形中你就需要自己编码了,例如我希望我的表格在刚加载的时候就要隔行显示,同时允许表格的行进行拖拽,另外,在我将一行拖拽到目的地释放的时候,这个时候表格还是隔行显示的。

在jquery中,一般将一行拖拽到指定位置的时候,该行的颜色是扔然不变的,例如我的奇数行是红色,我的偶数行是蓝色背景,那当我把第一行拖到第二行的位置时,虽然他们两个都换了位置,但是他们两个也都还是以前的颜色,这样造成的效果就不好看了。

下面是我的实现思路:

要实现表格行排序,就需要jquery.tablesorter.js,打开该js文件,然后找到:function appendToTable(table,cache)函数,这个函数就是实现相应排序的,然后在该函数里面你找到下面的代码:

for (var i=0;i < totalRows; i++) {
rows.push(r[n[i][checkCell]]);
if(!table.config.appender) {

var o = r[n[i][checkCell]];
var l = o.length;
for(var j=0; j < l; j++) {

tableBody[0].appendChild(o[j]);

}

}
}


找到以后,然后你就可以在这段代码的下面添加如下的代码:

$("tr:visible",table.tBodies[0])
.filter(':even')
.removeClass(table.config.widgetZebra.css[1]).addClass(table.config.widgetZebra.css[0])
.end().filter(':odd')
.removeClass(table.config.widgetZebra.css[0]).addClass(table.config.widgetZebra.css[1]);


这段代码就是给奇数行和偶数行分别加不同的颜色

然后这样就可以了。
还有关于tableDnD的表格拖拽
只要用下面的代码就可以了:

$("table").tableDnD({

onDrop:function(table,row){
var rows = table.tBodies[0].rows;
// alert("rows length="+rows.length);
// alert("Row dropped was "+row.id+". New order: ");
for(i=0;i<rows.length;i++){
if(i%2==0){
// alert("even");
//rows[i].style.className="even2";
$(".tablesorter tbody tr:even").removeClass();
$(".tablesorter tbody tr:even").addClass("even");
}
else{
// alert("odd");
//rows[i].style.className="odd2";
$(".tablesorter tbody tr:odd").removeClass();
$(".tablesorter tbody tr:odd").addClass("odd");
}

}

}
});


下面是我写的一个小程序,大家可以看看
应该是很好看懂得
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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