DOM

1.1    查找节点

1、  查找元素节点

就是应用各种选择器抓取节点

2、  查找属性节点

使用上一步抓取到的元素的attr(‘属性名’)方法,获取节点的属性值。很多时候,在标签中加一个data-**的属性,用jquery获取属性时就可以直接用.data抓取,如下:

<div class="abc"data-class="abc" data-id="qq" id="qq"></div>

alert("class="+$('.abc').attr('class'));

        alert($('.abc').data().class);

两个输出效果相同

1.2    创建结点

var 变量名 = $(“html代码”),创建节点首先定义一个html代码的变量,然后将其插入到文档中,需要结合下一节的插入节点,才能真正的创建节点。

1、  创建元素节点

var 变量名 = $(“<li></li>”)

2、  创建文本节点

var 变量名 = $(“<li>香蕉、苹果、橘子</li>”)

3、  创建属性节点

var 变量名 = $(“<li title=’水果’></li>”)

1.3    插入节点

A.append(B):<A>…+B</A>;等价于B.appendTo(A)

A.prepend(B):<A>B+…</A>;等价于B.prependTo(A)

A.after(B):<A></A>+B;等价于B.insertAfter(A)

A.befor(B):B+<A></A>;等价于B.insertBefore(A)

1.4    删除节点

remove():删除节点和子代节点,绑定的事件将永远删除

detach():并没有真正删除,添加回来后,绑定的事件依然有效

empty():清空标签里的内容

1.5    复制节点

clone():复制当前节点

clone(true):复制当前节点,并将行为一同复制

1.6    替换节点

A.replaceWith(B):A中的内容用B替换,等价于B.replaceAll(A)

1.7    包裹节点

A.warp(“<b></b>”): <b>A</b>

……

1.8    属性操作

获取属性:选择器选择元素,元素.attr(‘属性名’)

设置元素:单个元素:元素.attr(‘属性名’,‘属性值’)

          多个元素:元素.attr(‘属性名’:属性值,’属性名’:属性值)

删除属性:元素.removeAttr(‘属性名’)

1.9    样式操作

1、  获取样式和设置样式

获取元素的class:元素.attr(“class”)

设置元素的class:元素.attr(“class”,”属性名”)

2、  追加样式

元素.addClass(“定义在css中的样式名”),添加之后和现有的class值以空格隔开

3、  移除样式

元素.removeClass(“class名”)

4、  切换样式

元素.toggleClass(“class名”):元素有此class时删除此属性,无此class时添加此属性

5、  判断是否含有某个样式

hasClass():有此属性时返回true,无此属性时返回flase

1.10设置和获取HTML的值和文本

html()=js中的innerHtml()

text()=js中的innerText():读取或设置某个元素的文本内容

val()方法=js中的value属性:同上可设置属性值,多选时返回数组

1.11遍历节点

Children(),只考虑子元素,不考虑其后代元素

Next(),匹配与元素相邻的下一个兄弟元素

Prev(),匹配与元素相邻的上一个兄弟元素

Siblings(),取得匹配元素前后的所有同辈元素

Closest(),最近的匹配元素

Parent(),每个匹配元素的父元素

Parents(),每个匹配元素的祖先元素

1.12CSS-DOM操作

元素.css(“color”):获取元素的颜色

元素.css(“color”,”red”):设置元素颜色为红色

元素.css(“color”:”red”,”background”:”#000”):设置两个属性

offset()/position()/scrollTop()/scrollLeft()

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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