2021-05-17

使用Vue发表评论的功能实现步骤

分析:发表评论的业务逻辑

  1. 评论数据存到哪里去??? 存放到 localStorage 中的 localStorage.setItem(“str”,"")
  2. 先组织处一个最新的评论对象
  3. 想办法,把 第二步中得到的评论对象,保存到localStorage中:
    3.1 localStorage只支持存放字符串数据,要先调用JSON.stringify
    3.2 在保存最新的评论数据之前,要先从 localStorage中获取到之前的评论数据(string),转换为一个 数组对象,然后,把最新的评论,unshift到这个数组
    3.3 如果获取到的localStorage中的评论字符串为空不存在,则 可以返回一个‘[ ]’ 让JSON.parse 去转换
    3.4 把最新的评论列表数组,再次调用JSON.stringify 转为数组字符串,然后调用localStorage.setItem( )
					var conment = { id: Date.now(), name: this.user, content: this.comment }
                    //获取localStorage中原来所有的评论
                    var list = JSON.parse(localStorage.getItem('ctm1') || '[]')
                    //将新的数据添加进去
                    list.unshift(conment)
                    //重新保存最新的评论数据
                    localStorage.setItem('ctm1', JSON.stringify(list))
                    this.user = this.comment = ''

Window.localStorage

存储在 localStorage 的数据可以长期保留 用于长久保存整个网站的数据,保存的数据没有过期时间,直到手动去删除。
而 sessionStorage 用于临时保存同一窗口(或标签页)的数据,在关闭窗口或标签页之后将会删除这些数据。

另外,localStorage 中的键值对总是以字符串的形式存储。

// 存储
localStorage.setItem(“lastname”, “Smith”); //在本地存储中创建一个key为 lastname 值value为"Smith"的数据

// 检索
document.getElementById(“result”).innerHTML = localStorage.getItem(“lastname”); //在localStorage中检索获得key为 lastname 值

//删除
localStorage.removeItem(“key”);

(sessionStorage跟localStorage相同的方法)

localStorage其他注意事项

一般我们会将 JSON 存入 localStorage 中,但是在 localStorage 会自动将 localStorage 转换成为字符串形式。这个时候我们可以使用 JSON.stringify() 这个方法,来将 JSON 转换成为 JSON 字符串。

	var storage=window.localStorage;
    var data={
        name:'小白',
        sex:'man',
        hobby:'running'
    };
    var comment=JSON.stringify(data);
    storage.setItem("data",comment);
    console.log(storage.data);

读取之后要将 JSON 字符串转换成为 JSON 对象,使用 JSON.parse() 方法:

内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。
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