圣杯布局的实践

本文介绍了一种使用HTML和CSS实现的三栏布局方法,能够使三个栏目高度自适应,并针对IE6和IE7浏览器进行了兼容性修复。
原文地址:http://www.alistapart.com/articles/holygrail
实践了一下;

<div id=”header”></div>
<div id=”container”>
<div id=”center”></div>
<div id=”left”></div>
<div id=”right”></div>
</div>
<div id=”footer”></div>

CSS:

body{min-width:550px;margin:0px;padding:0px}
#container{
padding-left:200px;
padding-right:150px;
}
#container .column{
position:relative;
float:left;
}
#center{
width:100%;
background:#ccc;
}
#left{
width:200px;
background:red;
margin-left:-100%;
right:200px;
}
#right{
width:150px;
background:blue;
margin-right:-150px;
}
#footer{
clear:both;
background:#000;
}
/*** IE6 Fix***/
* html #left{left:150px;}
/*** IE7 Fix***/
*:first-child+html #left{left:150px}


这样能实现最简单的三栏布局,并且三栏的高度自适应,根据里面的内容来定。最后是对IE6和IE7的修复.

如果想实现三栏一样高,并且加上padding,使得页面更加美观,那么需要这样写css。

body{min-width:630px;margin:0px;padding:0px}
#container{padding-left:200px;padding-right:190px;overflow:hidden;}
#container .column{padding-bottom:20010px;margin-bottom:-20000px;
position:relative;float:left;}
#center{padding:10px 20px;width:100%;background:#ccc;}
#left{width:180px;padding:0 10px;background:red;margin-left:-100%;right:240px;}
#right{width:130px;padding:0 10px;background:blue;margin-right:-190px;}
#footer{clear:both;background:#000;}
/*** IE6 Fix***/
* html #left{left:150px;}
* html body{overflow:hidden;}
* html #footer-wrapper{
float:left;
position:relative;
width:100%;
padding-bottom:10010px;
margin-bottom:-10000px;
background:#fff
}
/*** IE7 Fix***/
*:first-child+html #left{}
*:first-child+html body{overflow:hidden;position:relative}
*:first-child+html #footer-wrapper{
float:left;
position:relative;
width:100%;
padding-bottom:10010px;
margin-bottom:-10000px;
background:#fff;
}


ie6,ie7下总是有很多问题需要单独解决。。
这也只是实践 ,还有很多问题没搞明白,最后IE7的修复是自己实践的结果。
【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
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