Web前端学习笔记第一篇HTML5

本文作为Web前端学习笔记的第一篇,详细介绍了HTML5的基础知识,包括HTML5的概述、常见的标签、表格的使用以及表单的构建。重点讲解了头部内容的设置,如<head>、<title>和<meta>标签,以及块级和行级标签的差异。此外,还深入探讨了HTML5的表格结构化和直列化,以及智能表单的新特性。
摘要由CSDN通过智能技术生成

第一篇 HTML5

第1章 HTML5学习概述

HTML:HyperText Markup Language(超文本标记语言)

1.1 认识HTML5

HTML5: 万维网联盟(WC3)制定标准(2014)
BAT三巨头:百度、阿里、腾讯

1.2 学习HTML5前的工作准备

浏览器内核:渲染引擎、JavaScript引擎

<!DOCTYPE html>
<html>
	<head>   <! --头部标记,定义标题、样式等-->
		<meta charset="utf-8" />
		<title></title>
	</head>
	<body>   <! --主体,浏览器要显示的内容-->
		
	</body>
</html>

部分HTML5标签

html5标签 作用
<html> 定义html文档
<head> 定义文档头部信息
<a> html链接标签
<div> 定义文档头部信息
<tr> html链接标签
<form> html表单标签
<body> 定义文档body
<title> 定义文档的标题
<img> html图像标签
<table> 定义html表格
<input&gt 定义表单的输入域
<! --这是HTML5注释-->
1. 头部内容

<head>标签:表示网页元数据(描述网页的基本信息)

  1. <title>定义页面标题(成对标记)
  2. <meta>定义页面相关信息(非成对标记)
    <meta>标签常用属性:
    1)charset属性:设置文档的字符集编码格式
		<meta charset="utf-8" />
		<! --GB232国标码,简体中文-->
		<! --GBK扩展国标码-->
		<! --utf-8是一种针对Unicode的可变长度字符编码,也称万国码(常用)-->

2)http-equiv属性:给浏览器执行,表明需要设置的是哪一部分

		<meta http- equiv="Content-Type"content="text/html; charset=UTF-8"/>
			<! --Content-Type(文档类型)-->
			<! -refresh(网页定时刷新)-->
			<! --set-cookie(设置浏览器cookie缓存,需要配合content属性使用)-->

3)name属性:搜索引擎

   	<! --作者-->
   	<meta name="author"content="http://www.jredu100.com"/>
   	<! --网页关键字:多个关键字用英文逗号分隔-->
   	<meta name="keywords"content="HTML5,网页,Web前端开发"/>
   	<! --网页描述:搜索网站时,title下面的解释文字.-->
   	<meta name="description"content="这是我开发的第一个网页"/>
   		<! --author(作者)-->
   		<! -keywords(网页关键词)-->
   		<! --description(网页描述)-->
  1. <link>标签:网页图标
    1) rel属性:声明被链接文件与当前文件的关系,此处选icon
    2) type属性:声明被链接文件的类型,可以忽略
    3) href属性:表示图片的路径地址
<link rel="icon"type="image/ x- icon"heref="img/icon.jpg"/>
2. 主体内容
<body>
   	<header>网站主题</header>
   	<nav>连接菜单</nav>
   	<article>
   		主内容
   		<section>
   			章节段落
   		</section>
   	</article>
   	<aside>侧边栏</aside>
   	<footer>页脚</footer>
   </body>

第二章 HTML5常见的块级标签和行级标签

2.1 常见的块级标签

块级标签:在网页中显示为块,独占一行

html5标签 作用
<h1></h1> 标题标签(h1-h6)
<hr/> 水平线标签
<p></p> 段落标签
<br/> 换行标签
<bockquote></bockquote> 引用标签(自动缩进)
<pre></pre> 预格式标签(按照文字原始排列方式显示)
<ul><li></li></ul> 无序列表标签(醒目)
<ol><li></li></ol> 有序列表标签
<dl></dl> 定义列表标签
<div> </div> 分区标签
<input> 定义表单的输入域
   <body>
   	<h1>h1标题标签</h1>
   	<h2>h2标题标签</h2>
   	<h3>h3标题标签</h3>
   	<h4>h4标题标签</h4>
   	<h5>h5标题标签</h5>
   	<h6>h6标题标签</h6>
   </body>

在这里插入图片描述

   <body>
    <span>我在水平线上面</span>
   	<hr/>
   	<span>我在水平线下面</span>
   </body>

在这里插入图片描述

   <body>
   	<p>这是我的第一段文字</p>
   	<p>这是我的第二段文字</p>
   </body>

在这里插入图片描述

   <body>
   	<p>
   		我是第一段文字<br/>
   		我是第二段文字
   	</p>
   </body>

在这里插入图片描述

   <body>
   	<p>
   	第一段参考文字
   	<blockquote cite="www.jredu100.com">引用的文字</blockquote>
   	第二段参考文字
   </body>

在这里插入图片描述

   <body>
   	<pre>
    *
   ***
  *****
 *******
*********
   	</pre>
   </body>

在这里插入图片描述

	<body>
		<ul type="dics">
			<li>第一项</li>
			<li>第二项</li>
			<li>第三项</li>
		</ul>
	</body>

在这里插入图片描述

	<body>
			<h4>阿拉伯数字列表</h4>
		<ol type="1">
			<li>第一项</li>
			<li>第二项</li>
			<li>第三项</li>
		</ol>
		<h4>大写字母列表</h4>
		<ol type="A">
			<li>第一项</li>
			<li>第二项</li>
			<li>第三项</li>
		</ol>
		<h4>大写罗马数字列表</h4>
		<ol type="I">
			<li>第一项</li>
			<li>第二项</li>
			<li>第三项</li>
		</ol>
	</body>

在这里插入图片描述

<ol> 标签的属性

属性 属性值 备注
type 1、A、a、I、i 设置编号样式,默认值type=1
start 1、2、3等整数值 设置编号起始值
reversed reversed 反向排序(IE9不支持)

编号样式的属性值

<
编号样式的属性值 编号样式 备注
1 1,2,3,… 阿拉伯数字
A A,B,C,… 大写英文字母
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 2
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