深入解读jquery的数据存储相关(data)开篇

本文深入解析了jQuery 1.2版本中数据绑定的功能实现,包括数据的存储与删除过程,并探讨了不同元素类型的数据绑定差异。

 

前言

 

周六看了司徒的一篇文章,觉得这个topic不错,觉得效仿一下,深入剖析一下jQuery的data相关的实现。主要还是对页面的某些元素进行数据绑定存储相关的操作,本topic是以一个专题的形式呈现,因为会比较多个版本之间的差异和优化。

 

正文:

 

还是老规矩吧,我喜欢在研究之前先问几个问题:

 

 

  1. 哪些节点(或者说是标签)不能存储数据?
  2. 如何设计这个对应关系,一个元素多份数据的时候,多份数据多个节点的时候?
  3. 如果节点是window呢,数据存储有区别吗?
  4. jQuery每一个版本的实现是否有差异?
  5. 参数的优化,比如对应一个key,存多个value或者一个对象等
  6. 。。。。。。。。
 
呵呵,好像还挺多问题的,慢慢地我一个一个解答。
 
确切地讲,从jquery-1.2就开始有data相关的api实现!
 
//1.2版本的expando是前缀jQuery+时间戳
var expando = "jQuery" + (new Date()).getTime(),
      uuid = 0,        //uuid从0开始
      win = {};       //window绑数据都是扔到这边

//扩展jquery的api实现方式
jQuery.extend({

   cache:{},       //数据存储的集合

   /*
     @name data
     @param elem   绑定存储数据的节点对象
     @param name  数据的key
     @param data   数据
     @info 元素和数据之间挂接的关联关系:元素有一个属性expando对应id
               id是uuid自加的结果
   */
   data:function(elem,name,data){
        //判断节点是否是window
        elem = elem== window ? win : elem;
        var id = elem[expando];
        if(!id){
            //新绑定的uuid自加
            id = elem[expando] = ++ uuid;
        }

        //如果有name而且没有被cache注册数据过
        if(name && !jQuery.cache[id]){
            //cache是按照id来对应数据的
             jQuery.cache[id][name] = data;
        }

        return name ? jQuery.cache[id][name] : id;
   },
   /*
     @name removeData
     @param elem   绑定存储数据的节点对象
     @param name  数据的key
   */
   removeData:function(elem,name){
      //判断节点是否是window 
      elem = elem == window ? win : elem;
  
       var id = elem[expando];

      //删除特定name的数据
       if(name){
            if(jQuery.cache[id]){
                 delete jQuery.cache[id][name];
                 name = "";
                 for(name in jQuery.cache[id]) break;
                 if(!name){
                      jQuery.removeData(elem);
                 }
            }
       }else{
            //删除elem的绑定的所有数据
             try{
                  delete elem[expando];
             }catch(e){
                  if(elem.removeAttribute){
                     elem.removeAttribute(expando);
                  }
             }

             delete jQuery.cache[id];

       }

   }

});
 
很多人关注:咋使用?
 
<div id="out1"></div>
 
var elem = document.getElementById("out1");
//设置
$.data(elem,'name','zhangyaochun');

console.log($.data(elem,'name'));

//删除
$.removeData(elem);

console.log($.data(elem,'name'));
 
结果一次输出zhangyaochun,一次输出undefined
 
我们再看一下对应关系:
 
先看看$.cache咋存的?
 


 
 
再看看elem里面咋对应的?
 


 
 
为了不让各位视觉疲劳,下篇来讲哪个版本开始那些标签不能存储数据!!
 
 
@ 理想国际大厦  -------------- 地方换了,晚走的习惯还是没有变。。。。。。。。。。
 
 
 
 
 
内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
内容概要:本文介绍了基于粒子群优化算法(PSO)的p-Hub选址优化问基于粒子群优化算法的p-Hub选址优化(Matlab代码实现)题的Matlab代码实现,旨在解决物流与交通网络中枢纽节点的最优选址问题。通过构建数学模型,结合粒子群算法的全局寻优能力,优化枢纽位置及分配策略,提升网络传输效率并降低运营成本。文中详细阐述了算法的设计思路、实现步骤以及关键参数设置,并提供了完整的Matlab仿真代码,便于读者复现和进一步改进。该方法适用于复杂的组合优化问题,尤其在大规模网络选址中展现出良好的收敛性和实用性。; 适合人群:具备一定Matlab编程基础,从事物流优化、智能算法研究或交通运输系统设计的研究生、科研人员及工程技术人员;熟悉优化算法基本原理并对实际应用场景感兴趣的从业者。; 使用场景及目标:①应用于物流中心、航空枢纽、快递分拣中心等p-Hub选址问题;②帮助理解粒子群算法在离散优化问题中的编码与迭代机制;③为复杂网络优化提供可扩展的算法框架,支持进一步融合约束条件或改进算法性能。; 阅读建议:建议读者结合文中提供的Matlab代码逐段调试运行,理解算法流程与模型构建逻辑,重点关注粒子编码方式、适应度函数设计及约束处理策略。可尝试替换数据集或引入其他智能算法进行对比实验,以深化对优化效果和算法差异的理解。
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