简单化规则原理 浅谈CSS后代选择器

本文深入探讨CSS后代选择器的优先级规则,通过具体实例揭示其工作原理,解释为何ID选择器优先级高但不总是覆盖类选择器。详细解析选择器类型、个数和位置对优先级的影响,最后通过代码实例验证理论。
昨天说了“ 简单化规则原理 浅谈CSS选择器的优先级”,今天说CSS后代选择器的优先级。
  对于后代选择器,首先有个很重要的问题,它是从右边开始解析的。所以最右边的一个选择器是最重要的。我找个反例抓出来批斗下就明白了。 <style>
.a .c {color:red;}
#a #b {color:green;}
</style>
<div class="a" id="a">
  <ul class="b" id="b">
    <li class="c" id="c">
      次碳酸钴
    </li>
  </ul>
</div>

  咦,红色?不是说ID选择器是最精确的所以优先级最高吗?是,没错,ID选择器的优先级一直都是最高的,为什么此处被类选择器优先了呢?注意看选择器你会发现选择器最右边选择的元素不同。虽然是ID选择器,但是它选择的是UL这个元素,并没有选择直接包含文本节点的LI元素。而看看类选择器最右边选择的元素是LI这个。既然他们选择的元素都不同,那么它们两个就完全没有可比性。这两个样式都同时生效,因为目标不同,没有谁覆盖谁的说法。如果非要说覆盖了,只能说类选择器把LI从父级继承来的样式覆盖了。继承的样式本来就没有什么优先级,当然可以被任意选择器覆盖。看下面这个代码你就会明白 <style>
.c {color:red;}
#b {color:green;}
</style>
<div class="a" id="a">
  <ul class="b" id="b">
    次碳酸钴
    <li class="c" id="c">
      次碳酸钴
    </li>
  </ul>
</div>

  这完全就是继承覆盖的问题,不是后代选择器的问题了。接下只来讨论的是最右边的选择器选择的元素相同的情况。后代选择器的优先级判断是用它内部的选择器类型和个数判断的。由于这个比较难用语言描述,我们把它写成规则化的东西吧,这样会比较好理解。 order by
  id选择器的个数 desc,
  类选择器的个数 desc,
  标签选择器的个数 desc,
  位置 desc
  既然拿出了这个规则,我们就要说说它是从哪里推导出来的。底部的“位置”和普通选择器是一样的,就不必说了,关键是前三个排序。为什么是按他们各自的个数?这是因为这三种选择方式的精确度级别不同,比如标签选择器和类选择器做比较,无限个标签选择器的精确度加起来也不如一个类选择器。就像一条直线,它的长度即使是无限长的,放在二维中计算面积它也是0。而二维中的面,即使它的面积无限大,放到三维中体积也是0。这就是他们的级别不同,上一篇文章是为了简单介绍用了0、1、2,代表了他们的精确度,实际上你可以理解为精确度级别。知道了这些,就很容易得出上面这个排序规则吧?我们举个例子试试。 <style>
#a .c {color:red;}
.a .c {color:orange;}
.a .b li {color:yellow;}
.a ul .c {color:green;}
div ul .c {color:cyan;}
div .b .c {color:blue;}
div ul #c {color:purple;}
</style>
<div class="a" id="a">
  <ul class="b" id="b">
    <li class="c" id="c">
      次碳酸钴
    </li>
  </ul>
</div>
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