网页表格制作 转

 表格是在网页设计中用的最多的元素,大多数的网页都是使用表格来组织的。利用表格来组织网页内容,可以设计出布局合理、结构协调、美观匀称的网页。我们今天要讲的不是表格在控制页面元素的应用,而是表格边框的一些技法。合理的设置表格边框,有时可以得到你意想不到的效果!本文讲述的内容是细线边框表格的制作,涉及的知识比较基础,仅供新手参考。

  一.表格基础:

  <table>:表格的标识符,用来界定表格的范围。<table>标签的属性:

  border:表格边框宽度所占的像素点数。

  width和height:指定表格的大小。“width”规定表格的宽度,“height”指定表格的高度。   align:表格与其相邻文字的位置。参数值为left(居左)、center(居中)、和right(居右)。   cellspacing:指定表格各单元格之间的空隙。

  cellpadding:指定单元格内容与单元格边界之间的空白距离的大小。

  <TR>:行标签。 <TR>标签的属性:

  align:表示该行中各单元格内容是左对齐(left)、水平居中(center)和右对齐<right>的。

  valign:表示该行中各单元格内容是紧靠上沿儿(top)、垂直居中(middle)和紧靠下沿儿的(bottom)。   <TH>和<TD>:都是用来规定单元格内容的,<TH>规定表头元素的内容(表头元素一般位于每列的首行,用来说明该列的具体数据是关于哪个对象的)。<TD>规定该单元格的内容。<TH>和<TD>标签的所有属性及相应的属性功能是完全一样。

  rowspan:表示该单元格所跨的行数。

  colspan:表示该单元格所跨的列数。

  align 、valign:用法同上。指定单元格内容的位置。

  二.用表格制作跨幅细线:

  有时候在网页排版时,我们需要一条细线,用图片似乎有点劳师动众了,其实,这个小问题用表格就能搞定。

  制作过程:

  1、插入一个一行一列的表格。

  2、将表格的“cellpadding”“cellspacing”都设置为“0”。

  3、将单元格的“bgcolor”设置为“#000000”(当然你也可以设置为其他的颜色,主要取决于你需要什么颜色的细线)“height”设置为“1”

。   4、查看源代码,将<td></td>中的“ ”去掉就ok了。

  原理:这种细线效果其实就是一个高为“1pix”的表格。



  三.细线表格

  我们常常遇到添加表格边框以区别不同的内容的情况,但将表格边框宽度“border”设置为“1”时,边框又显得过于突出,那么,能不能制作细线边框呢?

  制作原理:

  1、插入一个一行一列的表格。

  2、将表格的“border”、“cellpadding”设置为“0”,“cellspacing”设置为“1”。

  3、将表格的“bgcolor”=“#000000”。

  4、将单元格的“bgcolor”设置为“#FFFFFF”(当然你也可以设置为其他的颜色,主要取决于你需要什么颜色的边框)。

  5、预览页面。

  原理:前面已经讲过属性“cellspacing”表示的是单元格与单元格的距离。我们在设置整个表格的背景色时也包含了这个距离间的空白(我们设置的是“1pix”),而设置单元格的背景色时却不包含这个距离间的空白,这样以来,你在浏览器中看到的表格边框线其实就是单元格与单元格的距离所显示的。     

  四.隔距表格:

  这种效果使用了表格的嵌套。也就是在一个一行五列表格的每个单元格里又嵌套了五个单行单列的表格。

  下面看看他的制作过程:

  1、插入一个一行五列的表格。

  2、将表格的属性设置为:width="400" border="0" cellspacing="2" cellpadding="1"。

  3、将五个单元格的背景色均设置为:bgcolor="#FFFFFF"。

  4、在每个单元格内再插入一个表格,在属性面板上设置插入的表格的属性:width="100%" border="0" cellspacing="0" cellpadding="0" height="100%"。

  5、将插入的表格的每个单元格的背景色设置为白色:bgcolor="#FFFFFF" 。

  6、预览页面

  原理:前面已经讲过属性“cellpadding”表示的是单元格内内容与单元格边界(四周)的距离。对照上面的原理,其实在浏览器中看到的表格边框线其实就是单元格内的内容(在这里是指内嵌的表格)与单元格的距离所显示的。知道了这一点,也就不难理解在设置内嵌单元格的属性时为什么要使width="100%"、height="100%"。这样做是为了让嵌入的表格在上下左右方向上将被嵌单元格占满,但由于已经设置了被嵌表格的cellpadding="1",所以嵌入的表格尽管是100%,依然会在4边留下“1pix”的空位,这“1pix”的空位也就是在浏览器中显示的“边框线”!

  我们也可以通过修改表格的亮暗边框来实现,但由于与网景浏览器(NC)的兼容问题,到了DW4后,此功能被取消。在此处就不在多讲。

  通过上面的三种细线表格的原理学习,不难发现在这里面占着重要位置的属性就是“cellspacing”和“cellpadding”。希望大家通过动手实践来了解这两种属性的改变会在浏览器中带来什么样的变化

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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