将你的静态工程用Grunt管理

本文介绍如何利用Grunt工具实现前端开发中的自动化任务,包括压缩代码、文件合并等操作,极大提高前端开发效率。

  最近写了一个静态页面,写完之后都会上传到静态服务器上。但是我遇到一个问题,就是每次修改文件后就要重新找一些代码压缩网站去压缩静态文件。有没有什么办法能够自动化的处理呢?答案当然是肯定的。

  我们可以借用Grunt来帮助我们完成。只需要将现有的工程配置成grunt工程即可。那么我们一起来看看吧:

第一步:在本地安装grunt

  grunt是基于Node.js所以要先安装node   http://nodejs.org/download/

  安装 grunt   

npm install -g grunt-cli

    如果以上安装不成功过,还可以尝试使用国内的代理,

npm install -g cnpm --registry=http://r.cnpmjs.org

    安装cnpm国内镜像, 以后所有npm命令换成用cnpm执行即可

第二步:配置grunt工程

  使用grunt主要涉及两个文件 package.json 和 Gruntfile.js ,如果熟悉node的同学应该知道package.json 是描述工程和配置依赖的文件。这里也是一样的,Gruntfile.js是grunt运行的脚本。

这两个文件都可以手动添加或从其他的工程中拷贝过来。我们也可以通过命令自动生成其中的package.json文件。

  我们先在工程中创建一个空文件Gruntfile.js ,然后输入命令:npm init 根据提示配置工程。注意要指定  "main": "Gruntfile.js" 其他的可以一路回车使用默认值。文件生成好了,我们可以打开它加入依赖的配置(添加 devDependencies 节点),下面就用我的工程举例:

 1 {
 2   "name": "xxx",
 3   "version": "1.0.0",
 4   "description": "",
 5   "main": "Gruntfile.js",
 6   "scripts": {
 7     "test": "echo \"Error: no test specified\" && exit 1"
 8   },
 9   "repository": {
10     "type": "git",
11     "url": ""
12   },
13   "author": "",
14   "license": "ISC",
15   "dependencies": {
16     "grunt": "~0.4.5",
17     "grunt-contrib-uglify": "~0.6.0",
18     "grunt-contrib-cssmin": "~0.10.0"
19   },
20   "devDependencies": {
21     "grunt": "^0.4.5",
22     "grunt-contrib-concat": "~0.5.0",
23     "grunt-contrib-copy": "~0.6.0",
24     "grunt-contrib-less": "~0.11.4",
25     "grunt-contrib-requirejs": "~0.4.4",
26     "grunt-contrib-watch": "~0.6.1",
27     "grunt-replace": "~0.8.0",
28     "underscore": "~1.7.0"
29   }
30 }

  这样package.json文件就写好了,接下来我们要根据package.json的配置安装依赖,方法是git bash到工程目录下,输入 npm install 或 cnpm install 将把 package.json->devDependencies下注明的依赖包下载到 node_modules

  我们安装好后就可以编写Gruntfile.js文件了。详细的规则可以参照官网中给出的范例 http://www.gruntjs.org/docs/sample-gruntfile.html  对于我的工程我是这样写的:

 1 //var fs = require('fs');
 2 //var _ = require('underscore');
 3 
 4 module.exports = function(grunt){
 5     //var jsFinal = [], cssFinal = [];
 6 
 7     //项目配置
 8     grunt.initConfig({
 9         pkg: grunt.file.readJSON('package.json'),
10 
11         uglify: {
12             options: {
13                 mangle: {
14                     except: ['requirejs', 'require', 'define', 'module', 'exports', 'md5', '_', 'jQuery']
15                 }
16             },
17             build:{
18                 files: {
19                     'build/js/main.js': ['js/index.js']
20                 }
21             },
22             combine: {
23                 expand: true,
24                 files: {
25                     'build/js/lib.js': ['js/zepto.min.js', 'js/PxLoader.js', 'js/PxLoaderImage.js', 'idangerous.swiper.min.js']
26                 }
27             }
28         },
29         copy: {
30             main: {
31                 files: [
32                     { expand: true, src: '*.html', dest: 'build/' }
33                 ]
34             },
35             binary: {
36                 files: [
37                     { expand: true, src: 'images/**', dest: 'build/'}
38                 ]
39             }
40         },
41         concat: {
42             options: {
43                 stripBanners: true
44             },
45             combine: {
46                 expand: true,
47                 files: {
48                     'build/css/base.css': ['css/idangerous.swiper.css', 'css/animate.css', 'css/index.css'],
49                     'build/css/main.css': ['css/index.css']
50                 }
51             }
52         },
53         // watch: {
54         //     lessc: {
55         //         files: ['styles/*.less'],
56         //         tasks: ['less'],
57         //         options: {
58         //             spawn: false,
59         //         },
60         //     },
61         // }
62         cssmin: {
63             options: {
64                 'compatibility': 'ie8'
65             },
66             combine: {
67                 expand: true,
68 
69                 files: {
70                     'build/css/base.min.css': ['build/css/base.css'],
71                     'build/css/main.min.css': ['build/css/main.css']
72                 }
73             }
74         }
75 
76 
77 
78     });
79 
80 
81     // grunt 官方任务加载
82     grunt.loadNpmTasks('grunt-contrib-copy');
83     grunt.loadNpmTasks('grunt-contrib-uglify');
84     grunt.loadNpmTasks('grunt-contrib-concat');
85     grunt.loadNpmTasks('grunt-contrib-cssmin');
86     // grunt.loadNpmTasks('grunt-contrib-watch');
87 
88 
89     //自定义任务
90     grunt.registerTask('default', ['concat', 'cssmin', 'copy', 'uglify']);
91 
92 }

  当这两个文件都写完了,我们可以运行grunt命令来生成我们的目标文件,在这里我指定生成到build文件夹下。

第三步:提交

  当我准备提交,输入 git status 时我发现git监控了一些我不想提交的文件,我们可以用 .gitignore 来让git忽略一些文件和文件夹,方法如下:

  首先我们要创建.gitignore文件 但是在windows下我们不能直接创建一个没有文件名的文件。我们需要通过Linux命令来创建它:

vi .gitignore

  然后 :wq 保存文件,之后用编辑器打开,输入想忽略的文件夹,对于我的工程,如下:

1 node_modules/
2 build/

  即,我不想上传grunt加载的包 和 生成文件。

总结:使用grunt管理工程还有很多高大上的技巧,这里我仅介绍一些简单的用法。

  

 

转载于:https://www.cnblogs.com/webARM/p/4301880.html

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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