第10章 DOM

节点层次
所有节点以文档节点为根节点形成树形结构
文档节点只有一个子节点,即HTML元素
HTML中文档元素只有HTML元素,XML中任何元素都可能是文档元素

Node类型
DOM1级定义了一个Node接口,所有节点都实现了这个接口。
一共有12种,所有节点类型都来自这12种。
由于IE没有公开Node类型的构造函数,所以判断是哪种类型时最好判断数字值。

if(someNode.nodeType==1){ //适用于所有浏览器
	alert("Node is an element")
}

在IE中将Nodelist转换为数组,必须手动枚举成员

function convertToArray(nodes){
	var array =null;
	try{
		arry=Array.prototype.slice.call(nodes,0); //针对非IE浏览器
	}catch(ex){
		array =new Array();
		for(var i=0,len=nodes.length;i<len;i++){
			array.push(nodes[i]);
		}
	}
	return array;
}

因为关系指针都是只读的,所以DOM提供了一些操作节点的方法
appendChild(newNode) //元素最后加入节点
insertBefore(newNode,参照node) //参照node前加入节点,如果为null则在最后加
replaceChild(mewNode,oldNode) //替换节点
removeChild(oldNode) //移除节点
cloneNode(boolean) //复制节点,复制内容,不复制关系,true时深复制子节点

document类型
查找元素
document.getElementById()
document.getElementsByTagName()
document.getElementsByName()

DOM一致性检测
最好大多数情况下除了用以下方法外还进行能力检测
document.implementation.hasFeature(功能,版本)

文档写入
write() //写入内容包含外部文件则注意转义
writenln() //自动在字符串末尾加入 \n
open() //打开网页输出流
close() //关闭网页输出流

Element类型
判断tagName的时候先转换大小写

if(element.tagName.toLowerCase()=="div"){
	//执行操作
}

取得特性
getAttribute()
公认特性下div.getAttribute(“id”)和div.id是一样的,
自定义特性div.special会取不到(IE除外,IE会创建),div.getAttribute(“special”)可以
所有浏览器自定义特性节点的specified的值为true

style属性:getAttribute()返回CSS文本,属性访问为对象;
onClick属性:getAttribute()返回代码字符串,属性访问为function;

设置特性
setAttribute()
属性定义的自定义特性用getAttribute()会取不到

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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