0基础和你学习前端第二天

最新推荐文章于 2024-09-10 17:46:16 发布

Big__Star

最新推荐文章于 2024-09-10 17:46:16 发布

阅读量333

点赞数 7

文章标签：学习前端

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/2301_79002390/article/details/135582641

版权

本文回顾了HTML的基本结构，包括文档声明、元素种类如标题、段落、链接和水平线，以及h1-h6标签的使用，强调了title元素与body元素的区别。

摘要由CSDN通过智能技术生成

一、回顾

我们通过一个最简单的代码来回顾一下

<!DOCTYPE html> 这是网页的文档声明
<html>这行说明所有的网页都包含在内
<head>头文件
<meta charset="utf-8">网页的编码
<title>网页的名称</title>网页的名称
</head>网页头
<body>网页体
<h1>我的第一个标题</h1>
<p>我的第一个段落。</p>
</body>
</html>

二、元素

2.1标题元素

<h1>一级标题</h1>
<h2>二级标题</h2>
<h3>三级标题</h3>
<h4>四级标题</h4>
<h5>五级标题</h5>
<h6>六级标题</h6>

h与title的区别，title是网页的标题名，一个HTML文档只有一个title

2.2段落元素

段落元素放在<body>中

<p>内容</p>

<br>是换行元素标签。

2.3链接元素

开始标签<a href="default.htm">

结束标签<a>

2.4水平线元素

<hr> 标签在 HTML 页面中创建水平线。

hr 元素可用于分隔内容。

2.5特殊标签元素

关注

7
点赞
踩
10

收藏

觉得还不错? 一键收藏
1
评论
0基础和你学习前端第二天

头文件网页的编码<title>网页的名称</title>网页的名称
复制链接

扫一扫

Big__Star CSDN认证博客专家 CSDN认证企业博客

码龄1年

13: 原创

71万+: 周排名

7万+: 总排名

9604: 访问

: 等级

302: 积分

0: 粉丝

170: 获赞

9: 评论

151: 收藏

私信

关注

热门文章

最新评论

一看就会系列之python安装pycharm
CSDN-Ada助手: Python入门技能树或许可以帮到你：https://edu.csdn.net/skill/python?utm_source=AI_act_python
关于2019年研究生数学建模E题的一些代码
2401_82613320: #python处理部分数据的代码 import pandas as pd # 设置表格的路径前缀和后缀 path_prefix = 'path_to_your_tables/en_climate_summaries_All_01-' path_suffix = '.csv' # 循环处理每个文件 for year in range(1900, 2020): # 从1900年到2019年 file_path = f'{path_prefix}{year}{path_suffix}' # 读取CSV文件，假设数据有标题行，'Tm'是列标题之一 df = pd.read_csv(file_path) # 删除'Tm'列缺失数据的行 df = df.dropna(subset=['Tm']) # 保存修改后的DataFrame回同一个CSV文件 df.to_csv(file_path, index=False) print("缺失数据删除操作完成。") #合并表格 import pandas as pd # 初始化DataFrame列表 dataframes = [] # 遍历1900至2019年的每个文件 for year in range(1900, 2020): # 构建文件名 file_name = f'en_climate_summaries_All_01-{year}.csv' # 读取CSV文件 df = pd.read_csv(file_name) # 将读取的DataFrame添加到列表中 dataframes.append(df) # 合并所有的DataFrame combined_df = pd.concat(dataframes, ignore_index=True) # 输出合并结果或保存到CSV文件 print(combined_df.head()) # 打印合并后的前几行数据 combined_df.to_csv('combined_climate_data_1900-2019.csv', index=False) print("所有表格已按顺序合并完毕，并已保存到 'combined_climate_data_1900-2019.csv'。") #python处理部分数据的代码 import pandas as pd # 设置表格的路径前缀和后缀 path_prefix = 'path_to_your_table/climate_data_' path_suffix = '.csv' # 循环处理每个文件 for year in range(1900, 2020): # 从1900年到2019年 file_path = f'{path_prefix}{year}{path_suffix}' # 读取CSV文件，假设数据有标题行，'Tm'是列标题之一 df = pd.read_csv(file_path) # 删除'5'列缺失数据的行 df = df.dropna(subset=['5']) # 保存修改后的DataFrame回同一个CSV文件 df.to_csv(file_path, index=False) print("缺失数据删除操作完成。") #合并表格 import pandas as pd # 初始化DataFrame列表 dataframes = [] # 遍历1900至2019年的每个文件 for year in range(1900, 2020): # 构建文件名 file_name = f'climate_data_{year}.csv' # 读取CSV文件 df = pd.read_csv(file_name) # 将读取的DataFrame添加到列表中 dataframes.append(df) # 合并所有的DataFrame combined_df = pd.concat(dataframes, ignore_index=True) # 输出合并结果或保存到CSV文件 print(combined_df.head()) # 打印合并后的前几行数据 combined_df.to_csv('combined_climate_data_1900-2019.csv', index=False) print("所有表格已按顺序合并完毕，并已保存到 'combined_climate_data_1900-2019.csv'。") #分间隔30年的代码 import pandas as pd # 初始化DataFrame列表 dataframes = [] # 遍历1900至2019年的每个文件 for year in range(1900, 1930): # 构建文件名 file_name = f'en_climate_summaries_All_01-{year}.csv' # 读取CSV文件 df = pd.read_csv(file_name) # 将读取的DataFrame添加到列表中 dataframes.append(df) # 合并所有的DataFrame combined_df = pd.concat(dataframes, ignore_index=True) # 输出合并结果或保存到CSV文件 print(combined_df.head()) # 打印合并后的前几行数据 combined_df.to_csv('combined_climate_data_1900-1930.csv', index=False) print("所有表格已按顺序合并完毕，并已保存到 'combined_climate_data_1900-1930.csv'。") for year in range(1931, 1960): # 构建文件名 file_name = f'en_climate_summaries_All_01-{year}.csv' # 读取CSV文件 df = pd.read_csv(file_name) # 将读取的DataFrame添加到列表中 dataframes.append(df) # 合并所有的DataFrame combined_df = pd.concat(dataframes, ignore_index=True) # 输出合并结果或保存到CSV文件 print(combined_df.head()) # 打印合并后的前几行数据 combined_df.to_csv('combined_climate_data_1931-1960.csv', index=False) print("所有表格已按顺序合并完毕，并已保存到 'combined_climate_data_1931-1960.csv'。") for year in range(1961, 1990): # 构建文件名 file_name = f'en_climate_summaries_All_01-{year}.csv' # 读取CSV文件 df = pd.read_csv(file_name) # 将读取的DataFrame添加到列表中 dataframes.append(df) # 合并所有的DataFrame combined_df = pd.concat(dataframes, ignore_index=True) # 输出合并结果或保存到CSV文件 print(combined_df.head()) # 打印合并后的前几行数据 combined_df.to_csv('combined_climate_data_1961-1990.csv', index=False) print("所有表格已按顺序合并完毕，并已保存到 'combined_climate_data_1961-1990.csv'。") for year in range(1900, 1930): # 构建文件名 file_name = f'en_climate_summaries_All_01-{year}.csv' # 读取CSV文件 df = pd.read_csv(file_name) # 将读取的DataFrame添加到列表中 dataframes.append(df) # 合并所有的DataFrame combined_df = pd.concat(dataframes, ignore_index=True) # 输出合并结果或保存到CSV文件 print(combined_df.head()) # 打印合并后的前几行数据 combined_df.to_csv('combined_climate_data_1991-2019.csv', index=False) print("所有表格已按顺序合并完毕，并已保存到 'combined_climate_data_1991-2019.csv'。")
基于猜数字的原神抽奖模拟
CSDN-Ada助手: 恭喜你写了第10篇博客！标题“基于猜数字的原神抽奖模拟”听起来非常有趣。我很高兴看到你持续创作并分享原神相关的内容。你的博客给读者带来了娱乐和乐趣，这真是太棒了！接下来，我想给你一些建议，希望能帮助你在创作中不断进步。或许你可以尝试添加一些关于原神抽奖模拟的具体玩法和策略，或者分享你个人的心得体会。此外，如果有可能，你还可以考虑添加一些与原神相关的图片、视频或游戏截图，以丰富你的博客内容，让读者更加身临其境。总的来说，你的博客已经非常出色了，希望你能继续保持创作的激情，并不断尝试新的创作方式和内容。期待看到更多精彩的博客文章！
数学建模算法0基础学习第五天-插值算法
CSDN-Ada助手: 恭喜你在数学建模算法的学习上取得了不错的进展，能够坚持写作并分享学习心得是非常了不起的。对于下一篇博客，我建议你可以尝试结合实际案例，展示插值算法在实际问题中的运用，这样能够更好地帮助读者理解算法的应用场景。希望你能继续保持学习的热情，期待你更多的精彩分享！
数学建模算法0基础学习第四天-优劣解topsis法
CSDN-Ada助手: 恭喜你在数学建模算法上的持续学习和分享！Topsis法是一个很有趣的算法，能够帮助我们更好地进行决策分析。不过，我想建议你在未来的博客中可以加入一些实际案例或者应用场景，这样能够更好地帮助读者理解和应用这些算法。希望你在学习的过程中能够保持谦逊和勤奋，不断进步！加油！

大家在看

最新文章

目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。