JAVASCRIPT学习笔记(1)

大象机器人myAGV移动机器人+mechArm六轴机械臂,开源复合机器人开发与实践! 我们这章节的内容是将协作性机械臂打破距离上的限制,跟移动机器人(myAGV)相连接,实现一个案例。 阅读详情
javascript是基于对象和事件的脚本语言。
     1、安全性,不能直接访问硬盘。
     2、跨平台,只要可以解析js的浏览器都可运行。

java与javascript区别
     js基于对象,java面向对象
     js是解释执行,而java编译执行
     js是弱类型,java是强类型
          没有类型的概念,如:var x =3;  var x= "java" ; var x = new Date();

javascript与html的结合
     1、直接在网页中加入<script type="text/javascript"> ... <script>
     2、连接已经封装好的js文件 <script type="text/javascript" src="xxx.js"> </script> 

javascript基本语法:
     1、变量。
          var x = 3;
          var y = "abc";
          未赋值时其值为默认常量undefined

     2、语句
          javascript中0就是假,非0就是真,空就是假,非空就是真。
          如果要进行与运算或或运算,要用&& 、|| 

     3、函数
          function show(){
               for(var x=0;x<arguments.length;x++){
                    alert(arguments[x]);
               }
          }
          show();
          匿名函数
          var show = function(){
               alert("javascript");
          }
          window.onload = function(){
               alert("load ok");
          }
          ---------------------------
          创建对象
          function Person(){
               alert("person init");
          }
          var person = new Person();
          person.name = "java"
          person.eat = function(){
               alert("eat");
          }
          
          function Person(name,age){
               this.name=name;
               this.age=age;
          }
          var person = new Person("java",2013);
          alert(person.name);
          访问对象成员的另外一个方法
          alert(person["age"]);

     4、with的作用,确定某个对象的作用范围
          function Person(name,age){
               this.name=name;
     this.age=age;
          }
          var person = new Person("java",22);
          with(person){
               如果没有with,则要person.name来访问,当大量使用到对象时,可以使用with(对象){}
               alert(name+"---"+age);
          }

     5、for...in的使用,类似增强for循环
          for(t in person) {
               //
               alert(t+"="+person[t]);
          }
          var arr = [1,5,3,7,9]
          for(x in arr){
               alert(arr[x]);
          }   

     6、javascript api中自带的对象
          Global全局对象,直接调用方法就行。  如 var x = parseInt(2.3452234);
          String对象,只要是字符串,都可以直接调用其中的方法。 如: var str = "java"   var c = str.charAt(2);    
          等等

     7、对象的prototype属性
          返回对象原型的引用。   
          var arr = [1,9,6,3,8,4];
               function getMax() {
               var x = this[0];
               for(var i=1;i<this.length;i++) {
                    if(arr[i]>x){
                         x=this[i];
                    }
               }
               return x;
          }
          Array.prototype.Max=getMax
          var y = arr.Max();
          alert(y);
 
     8、var x = show();
          var y = show; 的区别

 var x = show()是将show()运行后的结果赋值给x.
 var y = show表示将show()方法这个对象的引用地址指向y,y也指向这个对象,相当于可以用  var z = y()来调用show()方法。
告别环境依赖!用PyInstaller把PaddleOCR项目打包成独立EXE(附完整spec文件配置) 本文详细介绍了如何使用PyInstaller将PaddleOCR项目打包成独立EXE文件,彻底解决Python环境依赖问题。通过完整的spec文件配置和实战技巧,开发者可以轻松创建开箱即用的OCR工具,特别适合需要交付给非技术用户的场景。文章涵盖环境配置、模型打包、性能优化等关键环节,并提供了解决常见问题的方案。 阅读详情

相关推荐

无参考图像质量评估方法:BRISQUE、RankIQA、DIQA

常用的图像质量评估(IQA)分为无参考和有参考两种类型。常见的有参考图像质量评估方法有PSNR,SSIM以及VMAF。其中vmaf是针对视频来讲的,在它的评价方法里面添加了一些时域信息,如果应用于单张图片,需要做一些处理,如去除时域信息。有参考意味着图像质量是以参考图为基准。基于参考图像都是高清图像的假设,这些评价方法已经广泛应用于图像压缩以及图像传输、拼接之类的处理后图像的质量,假如这张参考图的质量本身就比较渣,那么该评价指标可信度就大大降低。

weixin_51732791的博客 3191

JavaScript学习笔记 1】初识JS

一、JS是什么? 二、JS的作用? 三、JS的组成 四、JS的书写位置 五、JS的注释与结束符 六、JS的输入和输出语法 七、JS代码的执行顺序 八、字面量 九、 总结

look_outs的博客 1283

PHP项目实战:易宝支付SDK对接全流程(含回调处理与常见问题排查)

本文详细介绍了PHP项目中易宝支付SDK的对接全流程,包括环境准备、SDK配置、支付请求构建与发起、回调处理实战以及常见问题排查。特别针对回调处理环节的常见问题提供了解决方案,帮助开发者快速完成支付对接并优化性能。

weixin_29007809的博客 387

JavaScript学习笔记(1)—— js基础

JavaScript学习笔记(1)—— js基础 本文目录 一、认识JS 二、JS的词法结构(语法基础) 三、变量与数据类型 四、运算符与表达式 五、语句 一、 认识JS 1、JS是什么 JavaScript是一种运行在浏览器上的脚本语言 可用于客户端(浏览器, 手机或平板等智能设备), 也可用于服务器端(如:node.j...

惠子的博客 532

统信UOS上Qt5.12.8离线安装保姆级教程(避坑网络登录与GCC选择)

本文提供统信UOS系统下Qt5.12.8离线安装的完整教程,涵盖环境准备、安装步骤、常见问题解决及开发优化建议。特别针对无网络环境下的登录验证跳过、GCC版本匹配等关键问题提供解决方案,帮助开发者快速搭建稳定的Qt开发环境。

weixin_30666401的博客 462

比特大陆校招笔试

我当时做的时候没有概念(上边倒计时我一直以为是一个模块的),所以第一个模块写的太长了导致最后才留15分钟快速选的(一共18道题),有一题最后没有选上,两题没有认真看题目瞎选的,求求求过过过!选择题:主要考高中物理题、数学题(念过高中的一定会,但是需要时间算,需要留25分钟左右的时间做)第一道就是写个人的内容,什么最近读过的书,最近的感受等等;分为两个模块,考试内容超级无敌简单,但是注意时间掌握。注意这里别花太长的时间,不然后边来不及。第二道逻辑分析题,需要你写解答。

Domainwa的博客 668

JavaScript 学习笔记(JS进阶 Day1)

在开发中【使用箭头函数前需要考虑函数中 this 的值】,事件回调函数使用箭头函数时,this 为全局的 window,因此。filter() 方法创建一个新的数组,新数组中的元素是通过检查指定数组中符合条件的所有元素。赋值运算符 = 左侧的 [] 用于批量声明变量,右侧数组的单元值将被赋值给左侧的变量。赋值运算符 = 左侧的 {} 用于批量声明变量,右侧对象的属性值将被赋值给左侧的变量。返回值:返回数组,包含了符合条件的所有元素。的最外层就是所谓的全局作用域,在此声明的变量在函数内部也可以被访问。

🧑‍🎓 博士研究生在读 🔬 分享生物信息学、神经生物学方面的知识 💬 合作请在后台留言 1334

Altera下载器驱动配置:手把手教程(从零实现)

详解Altera USB-Blaster驱动安装全过程,从设备识别到软件配置一步一图,解决常见连接问题,确保开发下载器正常工作,适合初学者快速上手FPGA下载调试。

weixin_35751194的博客 988

【JS学习笔记】1.JavaScript初识

Web前端三层 结构层 HTML:从语义的角度,描述页面的结构。 样式层CSS:从审美的角度,美化页面或称为描述样式。 行为层JavaScript:从交互的角度,提升用户的体验或称为描述行为。 JavaScript相关历史 Netscape在最初将其脚本语言命名为LiveScript,后来Netscape在与Sun合作之后将其改名为JavaScript。JavaScript最初受Java启发...

jacksonCya,Hello My World 360

4.7W防削顶单声道D类音频功率放大器HT6872介绍

HT6872是一款低EMI,防削顶失真,单声道免滤波D类音频功率放大器。在6.5V电源,10%THD+N,4Ω负载条件下,输出4.71W功率,在各类音频终端应用中维持高效率并提供AB类放大器的性能。

weichen_78的博客 4699

YOLOv11改进 - C3k2融合 | C3k2 融合 ARConv 自适应矩形卷积:动态调整卷积核形状与采样点

本文介绍了将自适应矩形卷积(ARConv)模块与YOLOv11相结合的方法。ARConv是针对遥感图像全色锐化任务设计的创新卷积模块,可自适应调整卷积核形状与采样点数量,解决传统卷积刚性限制,实现高效特征提取。其工作流程包括学习卷积核高度和宽度、选择采样点数量、生成采样图、卷积实现与空间自适应增强。我们将集成ARConv的C3k2_ARConv模块引入YOLOv11,对相关代码进行修改和注册,并配置了yolov11 - C3k2_ARConv.yaml文件。实验脚本显示,该结合方式应用于目标检测任务。

魔改工程师的博客 1005

1.JavaScript学习笔记——JS简介

JavaScript发展史

lvh98的博客 262

携程机票数据爬取实战:使用 Python 获取携程网机票信息

通过本篇博客,我们详细介绍了如何使用 Python 爬取携程网的机票信息,涉及了静态网页爬取(使用 Requests 和 BeautifulSoup)和动态网页爬取(使用 Selenium)两种方法。通过获取的数据,我们不仅能够进行票价分析,还可以构建更为复杂的预测模型或趋势分析工具。爬虫技术不仅能够帮助我们收集有价值的数据,还能够为商业决策提供数据支持。在实际应用中,我们可以结合更多的分析方法,如自然语言处理、图像处理等,进一步提升数据的价值。

2201_76125261的博客 1657

JavaScript学习笔记——JS基础1

强制类型装换—String

薛定谔的猫 367

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")

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

【JS学习笔记】基于自学的JavaScript学习笔记(1)JS教程与简介

JavaScript学习目录为什么要学习JS以及怎么学习第一课时:JS教程与简介1、什么是JavaScript?2、JS定义:3、JS作为脚本语言的特点4、我能学习到什么?Sum Chapter1 为什么要学习JS以及怎么学习 首先,**学斜体样式习任何东西,最需要明确的就是你的学习目的与目标。**如果你自己都不清楚自己为什么而学习,学习的目的是什么,那么只会陷入“假学习”中,因为连目标终点都不明确的人,怎么可能赢得比赛呢? 我学习JS的目的有两点,第一,我可以自己搭建一个自己喜欢的网站。第二,我可以转行到

qq_41926809的博客 716

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

JS学习笔记1-JavaScript 输出

JavaScript 没有任何打印或者输出的函数。 JavaScript 显示数据 JavaScript 可以通过不同的方式来输出数据: 使用 window.alert() 弹出警告框。 使用 document.write() 方法将内容写到 HTML 文档中。 使用 innerHTML 写入到 HTML 元素。 使用 console.log() 写入到浏览器的控制台。console.l

用心做事,用爱生活 672

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

JavaScript学习笔记1—JS位置、注释、输入输出

目录1.JavaScript相关了解1.1JavaScript含义1.2JavaScript 的作用1.3HTML/CSS/JS 的关系1.4浏览器执行JS1.5JS 的组成2.JavaScript的位置2.1 JS行内式2.2 JS内嵌式2.3 外部JS文件3.JS注释4.JS的输入和输出语句4.1 prompt()用户输入框4.2 alert() 弹出警示框4.3 console.log()控制台HTML/CSS 标记语言--描述类语言:JS 脚本语言--编程类语言:浏览器分成两部分:渲染引擎和 JS

qq_45709187的博客 684

Javascript高级编程学习笔记(1)—— JS简介

此系列文章,用于记录所学,如有错误欢迎指出。 Javascript组成 1.核心(ECMAScript) 2.文档对象模型(DOM) 3.浏览器对象模型(BOM) 1.核心(ECMAScript) ECMAScript说白了是定义Javascript的标准,而这种标准与浏览器并无依赖关系。 我们现在前端所使用的Javascript只是遵循这一标准的,以浏览器为宿主平台...

dazhongshuo1167的博客 186

JavaScript:学习笔记(1)——在HTML中使用JS

在HTML中使用JavaScript   <script>元素 1.直接在网页中嵌入JS代码    说明:   请不要在代码的任何地方出现</script>字符串        这是由于解析嵌入式代码的规则,遇到</script>就会认为是结束标志。但是可以加上\来解决问题。 2.使用外部的JS代码 标签的位置   一般把...

weixin_30662849的博客 85

JavaScript的四种输出语句(一些使用细节)【js学习笔记1】

​ 将某些东西打印到控制台最常见方法是简单地使用一个参数调用console.log(),有时我们可能想要打印一条包含多个信息。幸运地是,console.log()可以使用%s,%i 等说明sprintf()格式化字符串。我们可以通过将%c说明符与相应的CSS样式结合使用来实现。说明符%c应用CSS样式’font-size: 36px;浏览器控制台允许我们将样式应用于打印的消息。说明符作用%s元素转换为字符串。%d 或 %i元素转换为整数。%O元素以最有效的格式显示。%c应用提供的CSS。

m0_56132701的博客 4547

[JS]学习笔记1 -- JAVAScript输入输出+变量

JavaScript的简介 + 书写位置 + 注释的写法及快捷键 + 基本输入输出语句 + 字面量和变量的介绍

m0_71291382的博客 557

1. JavaScript学习笔记——JS基础

1. JavaScript基础 1.1 语法 严格区分大小写 标识符,第一个字符可以是 $,建议使用小驼峰法, 保留字、关键字、true、false、null不能作为标识符 JavaScript是用Unicode字符集编写的 1.2 数据类型 判断数据类型: typeof xxx 定义变量: var ...

weixin_34117211的博客 104

javascript学习笔记(1) js文件的引入、变量的命名和注释格式

javascript学习笔记(1) js文件的引入、变量的命名和注释格式 一、javascript能用来干什么?– 1.数据的验证。– 2.将动态的内容写入到网页当中(ajax)。– 3.可以对事件做出响应。– 4.可以读写html中的内容。– 5.可以检测浏览器– 6.可以创建cookies– 7.模拟动画 二、javascript语法特点• 基于对象和事件驱动的松散型的解释性语言...

diaoyuhe0039的博客 203

JavaScript学习笔记(一)JS的数据类型(1)

序 一提到JS的数据类型,好像大家都会讲六个数据类型: num、string、boolean、object、undefined、null,还有近期频繁出现的一个神秘的第七个数据类型:symbol。 今天我想把数据类型相关的我已经了解到的东西整理一下,一是为了对知识进行归纳和整合,二是备份。 我想把这部分分为几个部分: 对基本6种数据类型的小结 基本数据类型和引用数据类型 symbol的简单介绍 ...

Stupid but Strong. 355

javaScript学习笔记(1)——js表单提交验证

 附加:js验证radio是否选择 function checkform(obj) { for(i=0;i          if(obj.oo[i].checked==true) return true; alert("请选择") return false;         }          提交" /> 1. 长度限制 functi

FFA(Frighting for Ambition!) 2155

JavaScript基础学习笔记1 (W3school JS教程)

JavaScript 能够以不同方式“显示”数据: window.alert()写入警告框 document.write()写入 HTML 输出(在 HTML 文档完全加载后使用document.write()将删除所有已有的 HTML,一般仅用于测试) innerHTML写入 HTML 元素 console.log()写入浏览器控制台 在 JavaScript 中,等号(=)是赋值运算符,而不是“等于”运算符。(JavaScript 中的“等于”运算符是==) ...

super_XYQ的博客 610
上一篇: java关于泛型与自定义泛型的使用
下一篇: 工厂设计模式
Sweeter
博客等级 码龄14年 81粉丝 41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