about协议的妙用

最新推荐文章于 2024-09-18 16:20:07 发布
最新推荐文章于 2024-09-18 16:20:07 发布
阅读量674 收藏
点赞数
文章标签： scroll iframe .net 浏览器

相信知道about协议的人不多，其实它跟HTTP一样，是属于协议的一种，这里给出它的几种妙用： 

1.有些网站为了防止外站链接本站资源，用程序对链接地址作了一些限制，非本站直接链接到的就无效~~~~说得不太清楚，大家知道意思就是了。举个例子，目标地址是www.flash8.net，在你的网页里就可以这样用： 

<a href="about:<a href=http://www.flash8.net>flash8</a>" target=_blank>闪吧</a>


这样能打开http://www.flash8.net的链接在新打开的窗口里可以点了 

2.有不少有都用过iframe了，不知道有没有发现它的一个问题呢？－－就是改变不了它的背景颜色。现在用about协议轻松搞定： 

<iframe src="about:<body bgcolor=#455796>看到效果没有？</body>"></iframe>


3.玩无边窗口的注意啰！一般无边窗口的无提示关闭都是用一个控件实现的，据说这个控件是outlook的，如果没装这个，窗口就关闭不了了。这个例子是利用子窗口用window.close()关闭时无提示的原理，而用about协议构造一个假的子窗口来骗浏览器，达到无提示关闭的目的（这个方法是我在蓝色经典上找到的，以上两个是自己摸索出来的）： 

<body οnlοad="var cw=window.open('about:<body bgcolor=buttonface scroll=no>OPOEVER<br><br><span οnclick=self.close()>点这里关闭</span></body>','','fullscreen');cw.resizeTo(400,300);cw.moveTo(screen.width/2-200,screen.height/2-150);opener='popo';window.close();"> 
</body>


about协议在网页中的用途相信远不止这三个，不过你看了这三个例子，要找到它的其它用途就不难了

hhxxcj
关注
AboutTime 时间校对工具
08-02
AboutTime利用NTP协议来获取准确的世界标准时间。 2. **时间同步的重要性**：在多台设备协同工作的环境中，时间同步是必要的，以确保事件的顺序正确记录，避免因时间不一致导致的数据冲突或错误。例如，在金融交易...
about协议
jsd2root的博客
02-06 402
about协议是除了“http、“ftp”、“mailto”、“gopher”外的特殊协议，利用它可以使用别名调阅特定的网页，比如IE的空白页，也就是在地址栏中输入：about:blank，其中blank即为空白页的别名。 中文名 about协议 开    头 都用about about 显示Help -> About这一页的内容 特殊协议 goph
万维网1 【应用层】【计算机网络】
aoeaoao的博客
05-14 704
万维网一.web简介第一台图形浏览器二.体系结构概述浏览器：web的体系结构静态页面动态页面三.客户端三级目录 一.web简介 web :万维网的俗称。它是一个体系结构框架，该框架把分布在整个Internet树百万台机器上的内容链接起来供人们访问。 最初用途：刚出现是在瑞士被科研人员用来相互之间协同设计高能物理实验。 第一台图形浏览器 由伊利诺伊大学的 Marc Andreessen领导的研究小组，在1993年2月开发出了第一个图形浏览器。 二.体系结构概述 在用户的角度，Web由大量分布在全球范围的内容组
[收藏]about协议的妙用
weixin_30439031的博客
01-24 104
相信知道about协议的人不多，其实它跟HTTP一样，是属于协议的一种，这里给出它的几种妙用： 1.有些网站为了防止外站链接本站资源，用程序对链接地址作了一些限制，非本站直接链接到的就无效~~~~说得不太清楚，大家知道意思就是了。举个例子，目标地址是www.flash8.net，在你的网页里就可以这样用： <ahref="about:<ahref=http://www.fla...
让IFRAME框架内的文档的背景透明
Priate
02-03 488
让IFRAME框架内的文档的背景透明" allowtransparency>  
DSFP_MSA协议
06-24
DSFP_MSA协议；ACMIS consists of 6 chapters. Chapter 1 is the overview. Chapter 2 is about Two Wire Interface (TWI) which is direct copy of corresponding section from CMIS Rev.2.91. Chapter 3 describes...
cPP.zip_About Language
09-20
this document has the basic information about the c language. therefore, this document is important for the students
cpp.rar_About Language
09-14
basic of cpp . explanation about the hardware of computer system. and also the explanation of programming language is provided
tema.rar_Something About You
09-23
【标题】"tema.rar_Something About You" 提到的主题涉及到创建和管理动物园的相关知识，而"Something About You"可能是指个人在这个过程中的角色或特殊经验。从描述中我们可以推测，这个压缩包可能包含了关于如何...
【.NET全栈】ASP.NET实战—基于ASP.NET的求职系统设计与实现
JosieBook
09-18 688
经典求职系统主要功能是提供求职者与雇主一个互动的沟通平台。求职者可以在网站中发布简历查找工作雇主可以在网站中发布工作机会查看求职者简历信息基于ASP.NET 4.0进行求职系统的设计和实现。
What is new in .NET 8 and C#12
Impossible==I'm possible.
09-18 1176
New features in .NET 8 and C#12
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
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。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
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。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
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。
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
09-21
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
基于深度学习的多特征电力负荷预测.zip
09-21
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。
data-hover="ABOUT"有什么用
06-03
"data-hover"属性的取值是"ABOUT"时，通常用于创建关于页面的链接。当用户将鼠标悬停在带有"data-hover='ABOUT'"属性的元素上时，会显示一个关于页面的提示。这个提示可以是一个工具提示、一个浮动层、或者是在状态...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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。

余额充值