JQuery EasyUI(47)

                 第三十六章: Tree(数)组件【4】

学习要点:

  1. 方法列表

一、方法列表:  

Tree方法
方法名参数说明
optionsnone返回树控件属性。
loadDatadata读取树控件属性。
getNOdetarget获取指定节点对象。
getDatatarget获取指定节点数据,包含他的子节点。
reloadtarget重新载入树控件数据。
getRootnone获取根节点,返回节点对象。
getRootsnone获取所有根节点,返回节点数组。
getParenttarget获取父节点,'target'参数代表节点的DOM对象。
getChildrentarget获取所有的子节点,'target'参数代表节点的DOM对象。
getCheckedstate获取所有选中的节点。'state'可用值有:'checked','unchecked','indeterminate'。如果'state'未指定,将返回'checked'节点。
getSelectednone获取选择节点并返回它,如果未选择则返回null。
isLeaftarget判断指定的节点是不是子节点。'target'参数代表节点的DOM对象。
findid查找指定节点并返回节点对象。
selecttarget选择一个节点,'target'参数代表节点的DOM对象。
checktarget选择指定节点。
unchecktarget取消选中指定节点。
collapsetarget折叠一个节点。'target'参数代表节点的DOM对象。
expandtarget展开一个节点。'target'参数代表节点的DOM对象。在节点关闭或没有子节点的时候,节点ID的值(名为ID的参数)将会发送给服务器请求子节点的数据。
collapseAlltarget折叠所有节点。
expandAlltarget展开所有节点。
expandTotarget打开从根节点到指定节点之间的所有节点。
scrollTotarget滚动到指定节点。
appendparam追加若干子节点到一个父节点,param参数有两个属性:parent:DOM对象,将要被追加子节点的父节点,如果未指定,子节点将被追加至根节点。data:数组,节点数据。
toggletarget打开或关闭节点的触发器,target参数是一个节点DOM对象。
insertparam

在一个指定节点之前或之后插入节点,'param'参数包含以下属性:before:DOM对象,在某个节点之前插入。after:DOM对象,在某个节点之后插入。data:对象,节点数据。

removetarget移除一个节点和它的子节点,'target'参数是该节点的DOM对象。
poptarget移除一个节点和它的子节点,该方法和remove方法一样。不同的是它将返回被移除的节点数据。
updateparam更新指定节点,'param'参数包括以下属性:target(DOM对象,将被更新的目标节点。),id,text, iconCls,check等。
enableDndnone启动拖拽功能。
disableDndnone禁用拖拽功能。
beginEdittarget开始编辑一个节点。
endEdittarget结束编辑一个节点。
cancelEdittarget取消编辑一个节点。
<!DOCTYPE html>
<html>
  <head>
    <title>JQuery Easy UI</title>
    <meta charset="utf-8"/>
    <script type="text/javascript" src="easyui/jquery.min.js"></script>
    <script type="text/javascript" src="easyui/jquery.easyui.min.js"></script>     
    <script type="text/javascript" src="easyui/locale/easyui-lang-zh_CN.js"></script>     
    <script type="text/javascript" src="js/index.js"></script> 
    <link rel="stylesheet" type="text/css" href="easyui/themes/default/easyui.css"/>
    <link rel="stylesheet" type="text/css" href="easyui/themes/icon.css"/>   
    <style>
        .textbox{
            height:200px;
            margin:0;
            padding:0 2px;
            box-sizing:content-box;
       }
    </style>           
</head>
  <body>
   <ul id="box"></ul>
   <div id="mune" class="easyui-mune" style="width:120px;display:none;">
        <div onClick="" iconCls="icon-add">添加</div>
        <div onClick="" iconCls="icon-remove">删除</div>
        <div onClick="" iconCls="icon-Edit">修改</div>
   </div>
   <input type="button" value="按钮" onclick="abc();">   
  </body>
</html>
$(function(){
    $('#box').tree({
       url:'tree.json',
       animate:ture,
       checkbox:true,
       cascadeCheck:false,
       onlyLeafCheck:true,
       lines:true,
       dnd:true,

  onclick:function(node){
       //colsole.log($('#box').tree('getNode',node.target));
       //colsole.log($('#box').tree('getData',node.target));
       //colsole.log($('#box').tree('getParent',node.target));
       //colsole.log($('#box').tree('getChildren',node.target));
       //colsole.log($('#box').tree('isLeaf',node.target));
      },

  onDblclick:function(node){
        $('#box').tree('beginEdit',node.target);
         },

  onAfterEdit:function(){
        alert("执行服务器端!");
      }
  });
});

function abc(){

    /*
    $('#box').tree('loadData',[{
             text:'加载'
            }]);
    */

    //$('#box').tree('reload');
    //console.log($('#box').tree('getRoot'));
    //console.log($('#box').tree('getRoots'));
    //console.log($('#box').tree('getChecked'));
    //console.log($('#box').tree('getChecked','unchecked'));
    //console.log($('#box').tree('getSelected'));
    var node = $('#box').tree('find',7);
    //$('#box').tree('select',node.target);
    //$('#box').tree('uncheck',node.target);
    //$('#box').tree('check',node.target);
    //$('#box').tree('collapse',node.target);
    //$('#box').tree('expand',node.target);
    //$('#box').tree('expandAll');
    //$('#box').tree('collapseAll');
    //$('#box').tree('expandTo',node.target);
    //$('#box').tree('scroolTo',node.target);
   
   /*
      $('#box').tree('append',{
          parent:node.target,
          data:[
            {
              text:'插入'
            }
           ]
          });


      $('#box').tree('insert',{
          before:node.target,
          data:[
            {
              text:'新增'
            }
           ]
          });

   */

    //$('#box').tree('toggle',node.target);
    //$('#box').tree('remove',node.target);

     $('#box').tree('update',{
        target:node.target,
        text:'修改'
             });
}
//tree.json
[
  { 
   "id":1,
   "text":"系统管理",
   "iconCls":"icon-save",
   "children":[
        {
           "text":"主机信息", 
           "state":"closed",         
           "children":[
               {
                 "text":"版本信息",          
               },
               {
                 "text":"数据库信息",          
               }
                    ];                    
         },
        {
           "text":"更新信息",          
         },
        {
           "text":"程序信息",          
         }
            ];
   }
  {
   "id":2,
   "text":"会员管理",
   "children":[
        {
           "id":"7",            
           "text":"新增会员",          
         },
        {
           "text":"审核会员",          
         }
            ];
   }
]

 

 作者:Roger_CoderLife

链接:https://blog.csdn.net/Roger_CoderLife/article/details/103850477

本文根据网易云课堂JQuery EasyUI视频教程翻译成文档,转载请注明原文出处,欢迎转载

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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