HTML基础

本文介绍了HTML作为超文本标签语言的基本概念,强调其非编程性质。内容涵盖Web标准的结构、表现和行为三个方面,重点讲解了盒子模型中的DIV、SPAN和IMAGE标签,以及结构化表现化标签如<b>、<i>、<s>和<u>的使用。此外,还提及了图片标签和锚点的重要作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

HTML

  • HTML定义

    • 超文本标签语言,不是编程语言

    • 作用:用标记标签来描述网页,把网页内容在浏览器中展示出来

  • Web标准组成

    • 结构:结构用于对网页元素进行整理和分类

    • 表现:表现用于设置网页元素的版式、颜色、大小等外观样式,主要指的是CSS

    • 行为:行为是指网页模型的定义及交互的编写,主要学的是 Javascript

  • 盒子与范围标签(重点)

    • DIV 块状元素

    • SPAN 行内元素

    • IMAGE 行内块元素

  • 结构化表现化标签(重点)

    标签显示效果
    <b></b><strong></strong>文体以粗体方式显示(XHTML推荐使用strong)
    <i></i><em></em>文体以斜体方式显示(XHTML推荐使用em)
    <s></s><del></del>文体以加删除线方式显示(XHTML推荐使用del)
    <u></u><ins></ins>文体以加下划线方式显示(XHTML不赞成使用u)
  • 图片标签

  • 锚点

基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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