盒模型

浏览器模式:影响的是浏览器的版本及IE的条件注释;

文档模式下(DocType):影响的是浏览器的兼容性(Hack)以及模式(标准模式,怪异模式)

DOCTYPE MODE

XHML + DOCTYPE标准模式
HTML 4.01 + strict DTD标准模式
HTML 4.01 + URL和transitional DTD/Frameset DTD标准模式
HTML 4.01 +只包含transitional DTD//Frameset DTD怪异模式
DOCTYPE不存在怪异模式

IE6第一行中有:<?xml version="1.0" encoding="utf-8"?>时,IE6:怪异模式

IE7中,一个xml声明并不会再导致进入怪异模式,但是这并不表示在DOCTYPE之前加入其他东西也能不触发。比如html注释。

<?xml version="1.0" encoding="utf-8"?>   
<!-- ... and keep IE7 in quirks mode -->   
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"   
    "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">  

 

标准盒模型

 

IE盒模型

怪异模式下在 IE 浏览器中显示“IE盒子模型”,其他浏览器中显示“标准 W3C 盒子模型”。在标准模式下,所有浏览器都显示“标准 W3C 盒子模型”。所以为了让网页能兼容各个浏览器,让我们用标准 W3C 盒子模型 。

 

 

在Quirks(怪异模式)后IE浏览器 盒子模型计算方法是:将边框(border)和内补丁(padding)的数值归入盒模型的宽度(width)及高度(height)中,总宽和总高应该为:

盒模型的总宽度 = magin-left + width +mrgin-right

盒模型的总高度  = margin-top +height +margin-bottom 

标准模式下,计算应该是:

盒模型的总宽度 = margin-left + border-left + padding-left + width +padding -rigt +border-right +margin-right

盒模型的总高度 = margin-top + border-top + padding-top + width +padding -bottom + border-bottom + margin-bottom

 

这里提供一个js判断 当前浏览器正在以何种方式解析 的一个 document对象

document对象有个属性compatMode ,它有两个值:

alert(document.compatMode );

BackCompat    对应 [quirks mode]怪异

CSS1Compat    对应[strict mode]严格模式/正常模式

 

以下内容转自:http://www.cnblogs.com/uedqd/archive/2010/12/25/1916554.html

盒模型的概念就不多说了,说说怪异模式下盒模型的问题:

怪异模式下声明的宽度和高度包含 paddingborder在内。因此元素显示出来要比其他浏览器里小。

我一直认为写生先写意,从的角度来讲,盒子模型在IE和其他浏览器中的差异是这个意思(注意一下画作的点睛之笔--夺命诱惑之梦露式美人痣):

从写实的角度来见,请看具体的例子:

<div style="border:20px solid red; padding:20px; background-color: green; width: 100px; height:100px;">
   
<div style="width:100%;height:100%; background-color:yellow;"></div>
</div>
截图对比:

可见,定义好’width’’height’’padding’ 还有 ’border’的元素,在IE的兼容性模式里,要比其他浏览器中小。差距还真够大的,常言道:差之毫厘,谬以千里,这何止是毫厘啊,有几公里那么多!!
这个 bug,会引起布局上的问题,导致布局混乱。严重之极。稍有正义感的江湖人士,无不欲除之而后快,但何从下手呢?常言又到,斩草须除根,所以,还须先找到其错误的根源才好。
其实,IE的盒模型bug的实质,是 ”width” “height” 的作用位置的问题

 

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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