潜龙卧湖
潜龙卧湖

css 伪类选择器（链接伪类选择器、结构伪类选择器、目标伪类选择器）

css 伪类选择器（链接伪类选择器、结构伪类选择器、目标伪类选择器）

链接伪类选择器：顾名思义就是用于链接的伪类选择器。a的伪类标签有:a:link、a:visited、a:hover、a:active，a:link表示的是未访问的链接，a:visited表示已访问的链接 ，a:hover表示鼠标移动到链接上，a:active表示的是选定的链接（当我们点击别松开鼠标，显示的状态）
现在来演示一下，代码如下:


<html lang="en">
    <head>
        <meta charset="utf-8">
        <style>
        a:link {   
        	font-size: 16px;
        	color: gray;
        	font-weight: 700;
        }
        a:visited {  
        	font-size: 16px;
        	color: orange;
        	font-weight: 700;
        }
        a:hover { 
        	font-size: 16px;
        	color: red;
        	font-weight: 700;
        }
        a:active {  
			font-size: 16px;
        	color: green;
        	font-weight: 700;
        }
        style>
    head>
    <body>
      <div>  
	      <a href="#" >房间里面是一具已经腐烂的尸体，腐臭让人难以接受。a>   
	      <a href="#" >办案的刑警正在仔细地收集者证据。a>   
      div>
    body>
html>

效果如下：
在这里插入图片描述
过多的效果的效果不演示了，在html上已经详细的讲过了，可以去翻一翻之前的文章。
结构伪类选择器：根据文档结构来选择。
li:first-child：第一个li。
li:last-child：最后一个li。
li:nth-child(n):n代表的就是第几个li，n=4的话就是第四个li。
代码如下：


<html lang="en">
    <head>
        <meta charset="utf-8">
        <style>
        	li:first-child {
        		color: pink; 
        	}
        	li:last-child {   
        		color: purple;
        	}
        	li:nth-child(2) {   
				color: skyblue;
				font-size: 12px;
        	}
			li:nth-child(3) { 
				color: green;
				font-size: 12px;
			}
        style>
    head>
    <body>
    	<ul>
    		<li>静夜思li>
    		<li>李白li>
    		<li>唐li>
			<li>床前明月光，li>
			<li>疑是地上霜。li>
    		<li>举头望明月，li>
    		<li>低头思故乡。li>
    	ul>
    body>
html>

效果如下：
css 伪类选择器（链接伪类选择器、结构伪类选择器、目标伪类选择器）_第1张图片
li:nth-child(odd)：排在奇数的li。
li:nth-child(even)：排在怕偶数的li。
代码如下：


<html lang="en">
    <head>
        <meta charset="utf-8">
        <style>
        	 li:nth-child(odd) {  
				color: pink;
        	}

        	li:nth-child(even) {  
				color: deeppink;
        	}
		style>
    head>
    <body>
    	<ul>
    		<li>望庐山瀑布li>
    		<li>【作者】李白li>
    		<li>【朝代】唐li>
    		<li>日照香炉生紫烟li>
    		<li>遥看瀑布挂前川。li>
    		<li>飞流直下三千尺,li>
    		<li>疑是银河落九天。li>
    	ul>
    body>
html>

效果如下：
css 伪类选择器（链接伪类选择器、结构伪类选择器、目标伪类选择器）_第2张图片
li:nth-child(2n/3n/4n)：2n是指第0、2、4、6、8等个li。3n是指第0、3、6、9、12等个li。4n是指第0、4、8、12、16等个li。
代码如下：


<html lang="en">
    <head>
        <meta charset="utf-8">
        <style>
			li:nth-child(3n) {  
				color: pink;
        	}
		style>
    head>
    <body>
    	<ul>
    		<li>赠汪伦li>
    		<li>【作者】李白li>
    		<li>【朝代】唐li>
    		<li>李白乘舟将欲行,li>
    		<li>忽闻岸上踏歌声。li>
    		<li>桃花潭水深千尺,li>
    		<li>不及汪伦送我情。li>
    	ul>
    body>
html>

效果如下：
css 伪类选择器（链接伪类选择器、结构伪类选择器、目标伪类选择器）_第3张图片
li:nth-child(even/odd/3n/n):从第一个li开始数的。
代码如下：


<html lang="en">
    <head>
        <meta charset="utf-8">
        <style>
        	li:nth-child(even) { 
                color: pink;
            }
        style>
    head>
    <body>
    	<ul>
    		<li>白雪歌送武判官归京li>
    		<li>【作者】岑参li>
    		<li>【朝代】唐li>
    		<li>北风卷地白草折，胡天八月即飞雪。li>
    		<li>忽如一夜春风来，千树万树梨花开。li>
    		<li>散入珠帘湿罗幕，狐裘不暖锦衾薄。li>
    		<li>将军角弓不得控，都护铁衣冷难着。li>
    		<li>瀚海阑干百丈冰，愁云惨淡万里凝。li>
            <li>中军置酒饮归客，胡琴琵琶与羌笛。li>
            <li>纷纷暮雪下辕门，风掣红旗冻不翻。li>
            <li>轮台东门送君去，去时雪满天山路。li>
            <li>山回路转不见君，雪上空留马行处。li>
    	ul>
    body>
html>

效果如下：
css 伪类选择器（链接伪类选择器、结构伪类选择器、目标伪类选择器）_第4张图片
li:nth-last-child(even/odd/3n/n):从最后一个开始数。
代码如下：


<html lang="en">
    <head>
        <meta charset="utf-8">
        <style>
            li:nth-last-child(even) { 
                color: skyblue;
            }
        style>
    head>
    <body>
    	<ul>
    		<li>白雪歌送武判官归京li>
    		<li>【作者】岑参li>
    		<li>【朝代】唐li>
    		<li>北风卷地白草折，胡天八月即飞雪。li>
    		<li>忽如一夜春风来，千树万树梨花开。li>
    		<li>散入珠帘湿罗幕，狐裘不暖锦衾薄。li>
    		<li>将军角弓不得控，都护铁衣冷难着。li>
    		<li>瀚海阑干百丈冰，愁云惨淡万里凝。li>
            <li>中军置酒饮归客，胡琴琵琶与羌笛。li>
            <li>纷纷暮雪下辕门，风掣红旗冻不翻。li>
            <li>轮台东门送君去，去时雪满天山路。li>
            <li>山回路转不见君，雪上空留马行处。li>
    	ul>
    body>
html>

效果如下：
css 伪类选择器（链接伪类选择器、结构伪类选择器、目标伪类选择器）_第5张图片目标伪类选择器：:target：选择该文档中特定“id”的元素。
代码如下：


<html lang="en">
<head>
    <meta charset="utf-8">
    <style>
        :target
        {
            border: 2px solid #d56d3d;
            height: 50px;
            font-size: 20px;
            text-align: center;
            line-height: 50px;
            background-color: #00a4ff;
            color: purple;
        }
    style>
head>
<body>
<h1>找一找我在哪里？h1>
<p><a href="#zheli">它在这里！！a>p>
<p><a href="#zhebian">躲在这里了！！a>p>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<p id="zheli"><b>我在这里b>p>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<p id="zhebian"><b>我在这边.b>p>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
body>
html>

首先打开的页面是这样的：
css 伪类选择器（链接伪类选择器、结构伪类选择器、目标伪类选择器）_第6张图片
当我们点击第一链接的时候，就变成：
在这里插入图片描述当我们点击第二链接的时候，就变成：
在这里插入图片描述

你可能感兴趣的:(css 伪类选择器（链接伪类选择器、结构伪类选择器、目标伪类选择器）)

  • 如何用Python将pdf文件转化为高清图片 张登杰踩 pdf
    最近在整理文档，需要将文档进行OCR识别，然后结构化。直接解析pdf文档，行不通，因为文档里面是图片。于是采取先转图片，然后OCR，然后结构化。下面是pdf文档转图片的方法。importfitz#PyMuPDFdefpdf_to_images(pdf_path,images_folder):#打开PDF文件document=fitz.open(pdf_path)forpage_numinrange
  • # AI计算模式 神经网络模型 深度神经网络 多层感知机 卷积神经网络 循环神经网络 长短期记忆网络 图像识别、语音识别、自然语言 轻量化模型和模型压缩 大模型分布式并行 EwenWanW AGI人工智能神经网络dnn
    AI计算模式AI技术发展至今，主流的模型是深度神经网络模型。近20年来，神经网络模型经过多样化的发展，模型总体变得越来越复杂和庞大，对硬件设备的计算速度、存储能力、通信速度的要求越来越高。尽管学者已经提出了许多方法优化模型结构，降低模型的参数量，但是伴随着人们对AI能力的要求越来越高，模型变得更大是不可避免的。原先单CPU可进行模型的训练与推理，如今需要使用GPU、TPU等设备，并通过分布式并行的
  • CH4 - Python开发技术—流程控制之分支结构 （头歌） MSY～学习日记分享 pythonpython开发语言
    目录第1关：英制单位英寸与公制单位厘米互换第2关：百分制成绩转换为等级制成绩第3关：约瑟夫环问题第1关：英制单位英寸与公制单位厘米互换"""英制单位英寸和公制单位厘米互换"""defcmin(value,unit):''':paramvalue:长度，:paramunit:单位'''#请在此处添加代码##*************begin************#ifunit=='cm'orun
  • < HarmonyOS TechTalk 33 >应用安全开发关键技术讲解 harmonyos
    课程简介本课程是【HarmonyOSTechTalk】的第33课。本课程主要内容为应用安全开发关键技术讲解，主要针对应用开发中常见的安全技术进行介绍，包括应用权限申请、加解密算法、未成年人模式。能够帮助开发者更好的掌握安全开发相关能力。标签高级课程HarmonyOS权限申请加解密算法未成年人模式观看课程点击链接，立马观看学习：应用安全开发关键技术讲解学习全部课程共33个课程，欢迎小伙伴们观看学习，
  • < HarmonyOS TechTalk 32 > 全场景协同开发实践 harmonyos
    课程简介本课程是【HarmonyOSTechTalk】的第32课。本课程主题为全场景协同开发实践，主要针对鸿蒙全场景协同场景的讲解，包含接续、跨设备互通、跨设备剪贴板等协同场景，并提供了多个实践案例。标签高级课程HarmonyOS全场景接续跨设备互通跨设备剪贴板观看课程点击链接，立马观看学习：全场景协同开发实践学习全部课程共33个课程，欢迎小伙伴们观看学习，掌握更多鸿蒙开发技能。事件通知高频场景串
  • hyper快照，hyper-v快照的管理 hyper-v
    企业战略实施的过程中，批量管理如同战略落地的坚实基石，确保战略目标的逐步实现。今天小编要给大家分享hyper-v快照的管理。Hyper-V快照是Hyper-V虚拟化环境中的一项重要功能，它允许用户记录虚拟机在某一特定时间点的状态，包括内存、磁盘和网络配置等。通过快照，用户可以在虚拟机出现问题或需要回溯到某个状态时，快速恢复到该快照所记录的状态。Hyper-V快照的类型：标准检查点：记录虚拟机及其内
  • hyper快照，hyper-v快照的管理 hyper-v
    企业战略实施的过程中，批量管理如同战略落地的坚实基石，确保战略目标的逐步实现。今天小编要给大家分享hyper-v快照的管理。Hyper-V快照是Hyper-V虚拟化环境中的一项重要功能，它允许用户记录虚拟机在某一特定时间点的状态，包括内存、磁盘和网络配置等。通过快照，用户可以在虚拟机出现问题或需要回溯到某个状态时，快速恢复到该快照所记录的状态。Hyper-V快照的类型：标准检查点：记录虚拟机及其内
  • Mock 单元测试详细 one996 c#.net单元测试
    介绍在单元测试中，Mock是一种模拟依赖对象行为的技术，主要用于隔离待测试对象（SUT:SystemUnderTest）与其依赖项（通常是接口、类或外部系统）。这样，我们可以专注于测试目标代码的逻辑，而不需要考虑其依赖项的实现细节或副作用。为什么使用Mock？隔离测试：使测试代码仅专注于目标逻辑，而不受外部依赖的影响。提高效率：无需初始化真实的依赖对象（如数据库、API服务等）。简化外部依赖的复杂
  • 多层感知机和神经网络的区别_情感分析之多层全连接神经网络 weixin_39653766 多层感知机和神经网络的区别
    全连接神经网络全连接神经网络是一种最基本的神经网络结构，英文为FullConnection，所以一般简称FC。FC的准则很简单：神经网络中除输入层之外的每个节点都和上一层的所有节点有连接。上图是一个双隐层的前馈全连接神经网络，或者叫多层感知机(MLP)。它的每个隐层都是全连接层。它的每一个单元叫神经元。多层感知机在单层神经网络的基础上引入了一到多个隐藏层(hiddenlayer)。隐藏层位于输入层
  • AAAI2024论文解读|Memory-Efficient Reversible Spiking Neural Networks-water-merged paixiaoxin 文献阅读论文合集脉冲神经网络可逆架构内存效率深度学习训练优化AAAI
    论文标题Memory-EfficientReversibleSpikingNeuralNetworks内存高效可逆脉冲神经网络论文链接Memory-EfficientReversibleSpikingNeuralNetworks论文下载论文作者HongZhang,YuZhang内容简介本文提出了一种可逆脉冲神经网络（RevSNN），旨在降低脉冲神经网络（SNNs）在训练过程中对中间激活和膜电位的内
  • 深入详解神经网络的基础知识、工作原理以及应用【一】 猿享天开 人工智能基础知识学习深度学习神经网络人工智能
    目录引言1.神经网络基础1.1感知器模型1.2多层感知器（MLP）示例：2.前馈神经网络（FeedforwardNeuralNetworks,FFNN）2.1结构与特点2.2训练过程2.3优化方法3.卷积神经网络（CNN）3.1基本概念3.2层类型3.3网络架构3.4应用领域3.5示例代码示例描述：4.循环神经网络（RNN）4.1基本概念4.2RNN结构4.3应用领域4.4示例代码示例描述：5.深
  • 探索WPF中的RelativeSource：灵活的资源绑定利器 硅谷调试员 测控技术与仪器wpf
    探索WPF中的RelativeSource：灵活的资源绑定利器在WPF（WindowsPresentationFoundation）开发中，资源绑定是一个强大且灵活的功能，它允许开发者将UI元素与数据源动态关联。而RelativeSource则是WPF中一个非常有用的工具，特别是在处理复杂的UI层次结构时。本文将带你深入了解RelativeSource的用法，并通过实例展示如何在实际项目中灵活运用
  • NetFrameWork项目如何引用NetCore的项目 星河队长 每日一问asp.net
    在.NET生态系统中，.NETFramework和.NETCore（现已统一为.NET，包括.NET5、.NET6等后续版本）是两种不同的运行时和框架，它们在设计之初就有着不同的目标和兼容性考虑。因此，直接在一个.NETFramework项目中引用.NETCore项目（或任何.NET5/6/等更高版本的项目）是不被直接支持的，因为两者在底层实现和运行时环境上存在显著差异。然而，有几种方法可以间接地
  • 动态规划汇总5 get_zhang_ 动态规划子串子序列动态规划算法开发语言leetcode
    1.最长递增子序列力扣题目链接(opensnewwindow)给你一个整数数组nums，找到其中最长严格递增子序列的长度。子序列是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7]是数组[0,3,1,6,2,2,7]的子序列。示例1：输入：nums=[10,9,2,5,3,7,101,18]输出：4解释：最长递增子序列是[2,3,7,101]，因此长
  • centos7中报错ModuleNotFoundError: No module named ‘_ctypes‘解决方法 丢失想象 centospython
    分析:python3中有个内置模块叫ctypes，它是python3的外部函数库模块，提供了兼容C语言的数据类型，并通过它调用Linux系统下的共享库(Sharedlibrary)，此模块需要使用centos7系统中外部函数库(Foreignfunctionlibrary)的开发链接库(头文件和链接库)。由于在centos7系统中没有安装外部函数库(libffi)的开发链接库软件包，所以在安装pi
  • swing之mvc模式 混魔MJM Java网络编程JavamvcjavaSwing
    1Swing与MVCSwing组件设计使用了著名的MVC模型-视图-控制器体系结构。为了了解MVC体系结构与Swing组件的关系，我们来看一下如何设计一个表示按钮的组件，因为按钮的各个部分可以与MVC体系结构的3个部分对应起来。按钮在任意给定时刻，可处于启用和无效两种状态之一。很显然，按钮只有处于启用状态时才会响应点击。记录按钮状态是很有用的，视图需要根据按钮的状态进行不同的渲染。按钮的所有状态就
  • 批量化TikTok账号运营的秘密，你知道多少？ 2503_90401761 智能手机矩阵线性代数
    在短视频流量时代，如何快速起号、批量管理账号成为许多内容创作者和品牌方关注的焦点。尤其是面对每天需要更新多个账号、回复大量私信以及与同行竞争的繁重工作，不少人开始寻找一套高效的自动化管理方案。那么，有没有一种方法能够帮助我们实现这些目标呢？1)账号矩阵的难点如何批量管理上百个账号？如何快速完成视频剪辑并批量发布？如何保证账号安全、提高起号成功率？2)实用解决方案分享使用云手机矩阵系统，批量管理上百
  • 洛谷P1469 找筷子 怀念无所不能的你 洛谷数学1基础数学问题算法数据结构
    题目链接：P1469找筷子-洛谷|计算机科学教育新生态题目难度：普及—解题思路：本题我们考虑异或的两个性质：k个相同的数异或当k为奇数时候结果为本身，否则为0；0与任何数异或为该数。注意到上面的题目，求筷子中落单的筷子的长度，根据性质1成双的筷子异或结果为0，如果存在落单的筷子最后肯定是0与该筷子异或得到了该筷子长度。最后上代码：#includeusingnamespacestd;typedefl
  • 6. 马科维茨资产组合模型+政策意图AI金融智能体(DeepSeek-V3)增强方案（理论+Python实战） AI量金术师 金融资产组合模型进化论人工智能金融python机器学习算法大数据数学建模
    目录0.承前1.幻方量化&DeepSeek1.1Whatis幻方量化1.2WhatisDeepSeek2.重写AI金融智能体函数3.汇总代码4.反思4.1不足之处4.2提升思路5.启后0.承前本篇博文是对上一篇文章，链接:5.马科维茨资产组合模型+政策意图AI金融智能体(Qwen-Max)增强方案（理论+Python实战）的AI金融智能体更改为幻方量化DeepSeek-V3的尝试。唯一区别之处在于
  • 自然语言处理的发展历程 数亦有术 自然语言处理人工智能
    1.自然语言处理发展的7个阶段序号阶段时间贡献代表人物1起源期1913-1956思考使用图灵算法计量模型来描述自然语言，描述词语及词语之间的关系。这一阶段停留在理论层面做探索图灵、马尔可夫、香农2基于规则的形式语言理论期1957-1970形式语言理论的提出，开启了学术界对自然语言结构的研究、建模和解析，从而为基于结构与规则的文本识别、生成和翻译开辟了一条康庄大道诺姆·乔姆斯基、冯志伟3基于规则、概
  • Hive架构及搭建方式 西北偏北up hive
    Hive架构及搭建方式[TOC]前言本文档基于hive3.1.2编写hive的基础知识基本架构整个hive由hiveserver2和hive客户端组成hive客户端有三种，beeline、使用jdbc链接hiveserver、或使用hiveCLI(这个已经过时，hive官方已经不推荐，推荐beeline)hiveserver本身由hiveserver2和metastore组成metastore是h
  • 【自然语言处理（NLP）】NLTK的使用（分句、分词、词频提取） 道友老李 自然语言处理(NLP)自然语言处理人工智能
    文章目录介绍NLTK主要功能模块安装使用分句分词去除标点符号去除停用词stopword噪音单词,词频提取个人主页：道友老李欢迎加入社区：道友老李的学习社区介绍自然语言处理（NaturalLanguageProcessing，NLP）是计算机科学领域与人工智能领域中的一个重要方向。它研究的是人类（自然）语言与计算机之间的交互。NLP的目标是让计算机能够理解、解析、生成人类语言，并且能够以有意义的方式
  • 【自然语言处理（NLP）】序列数据研究（创建序列数据、简单的MLP模型、预测结果分析） 道友老李 自然语言处理(NLP)自然语言处理人工智能
    文章目录介绍序列数据研究导包安装d2l创建序列数据创建模型开始训练预测多步预测结论个人主页：道友老李欢迎加入社区：道友老李的学习社区介绍自然语言处理（NaturalLanguageProcessing，NLP）是计算机科学领域与人工智能领域中的一个重要方向。它研究的是人类（自然）语言与计算机之间的交互。NLP的目标是让计算机能够理解、解析、生成人类语言，并且能够以有意义的方式回应和操作这些信息。N
  • 参加【2025年春季】全国CTF夺旗赛-从零基础入门到竞赛，看这一篇就稳了！ 白帽子凯哥 web安全学习安全CTF夺旗赛网络安全
    基于入门网络安全/黑客打造的：黑客&网络安全入门&进阶学习资源包目录一、CTF简介二、CTF竞赛模式三、CTF各大题型简介四、CTF学习路线4.1、初期1、html+css+js（2-3天）2、apache+php（4-5天）3、mysql（2-3天）4、python(2-3天)5、burpsuite（1-2天）4.2、中期1、SQL注入（7-8天）2、文件上传（7-8天）3、其他漏洞（14-15
  • 【Unity】使用Canvas Group改变UI的透明度 _Keep up Unity游戏引擎unity游戏引擎
    目录一、前言二、CanvasGroup三、结合DOTween达到画面淡进的效果一、前言在平时开发中，可以通过控制材质、Color改变UI透明度，除此之外还可以CanvasGroup组件来控制透明度。二、CanvasGroup官方文档链接点击进入画布组(CanvasGroup)可集中控制整组UI元素的某些方面，而无需单独处理每个元素。画布组的属性会影响所在的游戏对象以及所有子对象。Alpha：此组中
  • QAbstractItemModel简介 深蓝海拓 pyside6系统学习pyside6学习笔记qtpyqtpython
    QAbstractItemModel是Qt框架中用于构建复杂数据模型的基类。它提供了模型/视图架构中的核心功能。QAbstractItemModel的子类主要分为几大类，分别用于处理不同类型的数据结构和界面需求。以下是一些常见的子类及其用途：1.表格模型QAbstractTableModel:用于处理二维表格数据。适用于类似Excel表格的视图（如QTableView）。需要重写rowCount(
  • YOLOv10改进，YOLOv10添加ASFF检测头（自适应空间特征融合），添加小目标检测层（四头检测）+CA注意机制，全网首发 挂科边缘 YOLOv10改进YOLO目标检测目标跟踪人工智能计算机视觉深度学习
    摘要一种新颖的数据驱动的金字塔特征融合策略，称为自适应空间特征融合（ASFF）。它学习了在空间上过滤冲突信息以抑制不一致的方法，从而提高了特征的尺度不变性，并引入了几乎免费的推理开销。#理论介绍目标检测在处理不同尺度的目标时，常采用特征金字塔结构。然而，这种金字塔结构在单步检测器中存在尺度不一致性问题，即不同尺度的特征层在检测过程中可能产生冲突，导致精度下降。ASFF方法通过学习每个尺度特征的自适
  • TiDB架构分析以及总结 微 亻言 数据库
    1TiDB1.1产品简介TiDB是PingCAP公司的自主设计、研发开源的分布式开源数据库，是一款支持在线处理与在线分析处理的融合性分布式数据库产品，具备水平扩容，金融级高可用、实时HTAP、云原生的分布式数据库、兼容MySQL5.7协议和MySQL生态等重要特性。目标是为用户提供一站式OLTP(OnlineTransactionalProcessing)、OLAP(OnlineAnalytica
  • Python内置模块collections使用 懒大王爱吃狼 Python基础python开发语言Python基础学习python学习
    Python的collections模块提供了一系列有用的容器数据类型，这些数据类型扩展了内置的字典、列表、集合和元组等数据结构，提供了更丰富的功能。以下是一些常用的collections模块中的数据类型及其用法：1.namedtuplenamedtuple是一个工厂函数，用于创建可以通过属性名访问元素内容的元组子类。fromcollectionsimportnamedtuple#创建一个名为Pe
  • Swin-Unet：图像分割领域的强大工具 陈凯韵
    Swin-Unet：图像分割领域的强大工具【下载地址】Swin-UnetPyTorch代码仓库本仓库提供了一个基于PyTorch实现的Swin-Unet模型的代码资源。Swin-Unet是一种结合了SwinTransformer和U-Net结构的深度学习模型，适用于图像分割任务。该代码可以帮助研究人员和开发者快速上手并应用Swin-Unet模型进行图像分割实验项目地址:https://gitcod
  • Java开发中，spring mvc 的线程怎么调用？ 小麦麦子 springmvc
    今天逛知乎，看到最近很多人都在问spring mvc 的线程http://www.maiziedu.com/course/java/ 的启动问题，觉得挺有意思的，那哥们儿问的也听仔细，下面的回答也很详尽，分享出来，希望遇对遇到类似问题的Java开发程序猿有所帮助。 问题：     在用spring mvc架构的网站上，设一线程在虚拟机启动时运行，线程里有一全局
  • maven依赖范围 bitcarter maven
    1.test 测试的时候才会依赖，编译和打包不依赖，如junit不被打包 2.compile 只有编译和打包时才会依赖 3.provided 编译和测试的时候依赖，打包不依赖，如：tomcat的一些公用jar包 4.runtime 运行时依赖，编译不依赖 5.默认compile 依赖范围compile是支持传递的，test不支持传递 1.传递的意思是项目A，引用
  • Jaxb org.xml.sax.saxparseexception : premature end of file darrenzhu xmlprematureJAXB
    如果在使用JAXB把xml文件unmarshal成vo(XSD自动生成的vo)时碰到如下错误： org.xml.sax.saxparseexception : premature end of file 很有可能时你直接读取文件为inputstream，然后将inputstream作为构建unmarshal需要的source参数。InputSource inputSource = new In
  • CSS Specificity 周凡杨 html权重Specificitycss
      有时候对于页面元素设置了样式，可为什么页面的显示没有匹配上呢？ because specificity CSS 的选择符是有权重的，当不同的选择符的样式设置有冲突时，浏览器会采用权重高的选择符设置的样式。     规则：   HTML标签的权重是1 Class 的权重是10 Id 的权重是100
  • java与servlet g21121 servlet
    servlet 搞java web开发的人一定不会陌生，而且大家还会时常用到它。 下面是java官方网站上对servlet的介绍： java官网对于servlet的解释 写道 Java Servlet Technology Overview Servlets are the Java platform technology of choice for extending and enha
  • eclipse中安装maven插件 510888780 eclipsemaven
    1.首先去官网下载 Maven： http://www.apache.org/dyn/closer.cgi/maven/binaries/apache-maven-3.2.3-bin.tar.gz 下载完成之后将其解压， 我将解压后的文件夹：apache-maven-3.2.3， 并将它放在 D:\tools目录下， 即 maven 最终的路径是：D:\tools\apache-mave
  • jpa@OneToOne关联关系 布衣凌宇 jpa
    Nruser里的pruserid关联到Pruser的主键id，实现对一个表的增删改，另一个表的数据随之增删改。 Nruser实体类 //***************************************************************** @Entity @Table(name="nruser") @DynamicInsert @Dynam
  • 我的spring学习笔记11-Spring中关于声明式事务的配置 aijuans spring事务配置
    这两天学到事务管理这一块，结合到之前的terasoluna框架，觉得书本上讲的还是简单阿。我就把我从书本上学到的再结合实际的项目以及网上看到的一些内容，对声明式事务管理做个整理吧。我看得Spring in Action第二版中只提到了用TransactionProxyFactoryBean和<tx:advice/>,定义注释驱动这三种，我承认后两种的内容很好，很强大。但是实际的项目当中
  • java 动态代理简单实现 antlove javahandlerproxydynamicservice
    dynamicproxy.service.HelloService package dynamicproxy.service; public interface HelloService { public void sayHello(); }   dynamicproxy.service.impl.HelloServiceImpl package dynamicp
  • JDBC连接数据库 百合不是茶 JDBC编程JAVA操作oracle数据库
             如果我们要想连接oracle公司的数据库，就要首先下载oralce公司的驱动程序，将这个驱动程序的jar包导入到我们工程中;   JDBC链接数据库的代码和固定写法;     1,加载oracle数据库的驱动;     &nb
  • 单例模式中的多线程分析 bijian1013 javathread多线程java多线程
    谈到单例模式，我们立马会想到饿汉式和懒汉式加载，所谓饿汉式就是在创建类时就创建好了实例，懒汉式在获取实例时才去创建实例，即延迟加载。 饿汉式： package com.bijian.study; public class Singleton { private Singleton() { } // 注意这是private 只供内部调用 private static
  • javascript读取和修改原型特别需要注意原型的读写不具有对等性 bijian1013 JavaScriptprototype
            对于从原型对象继承而来的成员，其读和写具有内在的不对等性。比如有一个对象A，假设它的原型对象是B，B的原型对象是null。如果我们需要读取A对象的name属性值，那么JS会优先在A中查找，如果找到了name属性那么就返回；如果A中没有name属性，那么就到原型B中查找name，如果找到了就返回；如果原型B中也没有
  • 【持久化框架MyBatis3六】MyBatis3集成第三方DataSource bit1129 dataSource
    MyBatis内置了数据源的支持，如：   <environments default="development"> <environment id="development"> <transactionManager type="JDBC" /> <data
  • 我程序中用到的urldecode和base64decode,MD5 bitcarter cMD5base64decodeurldecode
    这里是base64decode和urldecode，Md5在附件中。因为我是在后台所以需要解码： string Base64Decode(const char* Data,int DataByte,int& OutByte) { //解码表 const char DecodeTable[] = { 0, 0, 0, 0, 0, 0
  • 腾讯资深运维专家周小军：QQ与微信架构的惊天秘密 ronin47
    社交领域一直是互联网创业的大热门，从PC到移动端，从OICQ、MSN到QQ。到了移动互联网时代，社交领域应用开始彻底爆发，直奔黄金期。腾讯在过去几年里，社交平台更是火到爆，QQ和微信坐拥几亿的粉丝，QQ空间和朋友圈各种刷屏，写心得，晒照片，秀视频，那么谁来为企鹅保驾护航呢？支撑QQ和微信海量数据背后的架构又有哪些惊天内幕呢？本期大讲堂的内容来自今年2月份ChinaUnix对腾讯社交网络运营服务中心
  • java-69-旋转数组的最小元素。把一个数组最开始的若干个元素搬到数组的末尾，我们称之为数组的旋转。输入一个排好序的数组的一个旋转，输出旋转数组的最小元素 bylijinnan java
    public class MinOfShiftedArray { /** * Q69 旋转数组的最小元素 * 把一个数组最开始的若干个元素搬到数组的末尾，我们称之为数组的旋转。输入一个排好序的数组的一个旋转，输出旋转数组的最小元素。 * 例如数组{3, 4, 5, 1, 2}为{1, 2, 3, 4, 5}的一个旋转，该数组的最小值为1。 */ publ
  • 看博客，应该是有方向的 Cb123456 反省看博客
    看博客，应该是有方向的:  我现在就复习以前的，在补补以前不会的，现在还不会的，同时完善完善项目，也看看别人的博客.  我刚突然想到的:  1.应该看计算机组成原理，数据结构，一些算法，还有关于android,java的。  2.对于我，也快大四了，看一些职业规划的，以及一些学习的经验，看看别人的工作总结的.    为什么要写
  • [开源与商业]做开源项目的人生活上一定要朴素,尽量减少对官方和商业体系的依赖 comsci 开源项目
         为什么这样说呢？  因为科学和技术的发展有时候需要一个平缓和长期的积累过程，但是行政和商业体系本身充满各种不稳定性和不确定性，如果你希望长期从事某个科研项目，但是却又必须依赖于某种行政和商业体系，那其中的过程必定充满各种风险。。。       所以，为避免这种不确定性风险，我
  • 一个 sql优化 （[精华] 一个查询优化的分析调整全过程！很值得一看 ） cwqcwqmax9 sql
    见   http://www.itpub.net/forum.php?mod=viewthread&tid=239011 Web翻页优化实例 提交时间: 2004-6-18 15:37:49      回复    发消息  环境： Linux ve
  • Hibernat and Ibatis dashuaifu Hibernateibatis
    Hibernate  VS  iBATIS 简介 Hibernate 是当前最流行的O/R mapping框架，当前版本是3.05。它出身于sf.net，现在已经成为Jboss的一部分了 iBATIS 是另外一种优秀的O/R mapping框架，当前版本是2.0。目前属于apache的一个子项目了。 相对Hibernate“O/R”而言，iBATIS 是一种“Sql Mappi
  • 备份MYSQL脚本 dcj3sjt126com mysql
    #!/bin/sh # this shell to backup mysql #[email protected] (QQ:1413161683 DuChengJiu) _dbDir=/var/lib/mysql/ _today=`date +%w` _bakDir=/usr/backup/$_today [ ! -d $_bakDir ] && mkdir -p
  • iOS第三方开源库的吐槽和备忘 dcj3sjt126com ios
    转自 ibireme的博客   做iOS开发总会接触到一些第三方库，这里整理一下，做一些吐槽。   目前比较活跃的社区仍旧是Github，除此以外也有一些不错的库散落在Google Code、SourceForge等地方。由于Github社区太过主流，这里主要介绍一下Github里面流行的iOS库。   首先整理了一份 Github上排名靠
  • html wlwmanifest.xml eoems htmlxml
    所谓优化wp_head()就是把从wp_head中移除不需要元素，同时也可以加快速度。 步骤： 加入到function.php remove_action('wp_head', 'wp_generator'); //wp-generator移除wordpress的版本号，本身blog的版本号没什么意义，但是如果让恶意玩家看到，可能会用官网公布的漏洞攻击blog remov
  • 浅谈Java定时器发展 hacksin java并发timer定时器
    java在jdk1.3中推出了定时器类Timer,而后在jdk1.5后由Dou Lea从新开发出了支持多线程的ScheduleThreadPoolExecutor，从后者的表现来看，可以考虑完全替代Timer了。 Timer与ScheduleThreadPoolExecutor对比： 1.    Timer始于jdk1.3,其原理是利用一个TimerTask数组当作队列
  • 移动端页面侧边导航滑入效果 ini jqueryWebhtml5cssjavascirpt
    效果体验：http://hovertree.com/texiao/mobile/2.htm可以使用移动设备浏览器查看效果。效果使用到jquery-2.1.4.min.js，该版本的jQuery库是用于支持HTML5的浏览器上，不再兼容IE8以前的浏览器，现在移动端浏览器一般都支持HTML5，所以使用该jQuery没问题。HTML文件代码： <!DOCTYPE html> <h
  • AspectJ+Javasist记录日志 kane_xie aspectjjavasist
    在项目中碰到这样一个需求，对一个服务类的每一个方法，在方法开始和结束的时候分别记录一条日志，内容包括方法名，参数名+参数值以及方法执行的时间。   @Override public String get(String key) { // long start = System.currentTimeMillis(); // System.out.println("Be
  • redis学习笔记 MJC410621 redisNoSQL
    1)nosql数据库主要由以下特点：非关系型的、分布式的、开源的、水平可扩展的。 1，处理超大量的数据 2，运行在便宜的PC服务器集群上， 3，击碎了性能瓶颈。 1)对数据高并发读写。 2)对海量数据的高效率存储和访问。 3)对数据的高扩展性和高可用性。 redis支持的类型： Sring 类型 set name lijie get name lijie set na
  • 使用redis实现分布式锁 qifeifei
    在多节点的系统中，如何实现分布式锁机制，其中用redis来实现是很好的方法之一，我们先来看一下jedis包中，有个类名BinaryJedis,它有个方法如下：   public Long setnx(final byte[] key, final byte[] value) { checkIsInMulti(); client.setnx(key, value); ret
  • BI并非万能，中层业务管理报表要另辟蹊径 张老师的菜 大数据BI商业智能信息化
           BI是商业智能的缩写，是可以帮助企业做出明智的业务经营决策的工具，其数据来源于各个业务系统，如ERP、CRM、SCM、进销存、HER、OA等。        BI系统不同于传统的管理信息系统，他号称是一个整体应用的解决方案，是融入管理思想的强大系统：有着系统整体的设计思想，支持对所有
  • 安装rvm后出现rvm not a function 或者ruby -v后提示没安装ruby的问题 wudixiaotie function
    1.在~/.bashrc最后加入 [[ -s "$HOME/.rvm/scripts/rvm" ]] && source "$HOME/.rvm/scripts/rvm"  2.重新启动terminal输入：   rvm use ruby-2.2.1 --default  把当前安装的ruby版本设为默
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他