html表单保留两位小数,vue input框数字后保留两位小数正则

本文介绍了一个Vue中的函数,用于限制用户在input中只能输入数字,并确保最多保留两位小数。通过对输入值进行正则表达式匹配,实现了清除非数字字符、规范小数点使用及限制小数位数的功能。

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

function clearNoNum(obj)

{

//先把非数字的都替换掉,除了数字和.

obj.value = obj.value.replace(/[^\d.]/g,"");

//保证只有出现一个.而没有多个.

obj.value = obj.value.replace(/\.{2,}/g,".");

//必须保证第一个为数字而不是.

obj.value = obj.value.replace(/^\./g,"");

//保证.只出现一次,而不能出现两次以上

obj.value = obj.value.replace(".","$#$").replace(/\./g,"").replace("$#$",".");

//只能输入两个小数

obj.value = obj.value.replace(/^(\-)*(\d+)\.(\d\d).*$/,'$1$2.$3');

}

标签:vue,obj,数字,value,replace,正则,保证,input,小数

来源: https://www.cnblogs.com/lan-cheng/p/10723439.html

### 使用 RDKit 生成分子指纹的 Python 示例 为了使用 RDKit 生成分子指纹,可以采用如下方法: ```python from rdkit import Chem from rdkit.Chem import AllChem # 创建一个分子对象 mol = Chem.MolFromSmiles('c1ccccc1') # 计算 Morgan 圆形指纹 (ECFP),半径为2,默认长度为2048位 fp = AllChem.GetMorganFingerprintAsBitVect(mol, radius=2, nBits=2048) # 将指纹转换成二进制字符串表示形式 binary_fp = fp.ToBinary() print(f"Morgan Fingerprint Binary Representation:\n{binary_fp}") ``` 上述代码展示了如何利用 `AllChem.GetMorganFingerprintAsBitVect` 函数来计算 Morgan 类型的圆形指纹(也称为 ECFP),其中指定了指纹向量的长度以及圆周环境的半径大小[^2]。 对于不同的应用场景,还可以调整参数以适应特定需求。比如改变 `radius` 参数可控制指纹描述符的空间范围;而修改 `nBits` 则能影响最终得到的比特向量维度。 除了 Morgan 指纹之外,RDKit 还支持多种其他类型的分子指纹算法,例如 MACCS 密钥、拓扑结构指纹等。这些都可以通过相应的 API 接口方便地调用实现。 #### 关于指纹相似度比较 当拥有两个或多个分子指纹之后,可以通过计算它们之间的相似性来进行定量分析。这里给出一段基于 Tanimoto 系数衡量两份指纹间距离的例子: ```python from rdkit.DataStructs.cDataStructs import TanimotoSimilarity similarity = TanimotoSimilarity(fp1, fp2) print(f"Tanimoto Similarity between fingerprints is {similarity:.3f}.") ``` 此部分操作有助于评估化合物间的结构性质差异程度,在药物研发等领域具有重要意义。
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