- 博客(576)
- 资源 (49)
- 收藏
- 关注
原创 软件测试工程师面试整理-数据库与SQL
在软件测试过程中,数据库和SQL的知识是非常重要的,尤其是在涉及数据密集型应用或需要验证数据准确性的场景中。掌握数据库和SQL的知识,可以帮助测试人员有效地验证应用程序的数据操作,确保系统的稳定性和数据的准确性。数据存储在表格中,表之间通过外键建立关系。DBeaver:通用的数据库管理工具,支持多种数据库(如MySQL、PostgreSQL、Oracle、SQLite),提供SQL编辑和数据库管理功能。视图(View):一种虚拟表,通过查询从一个或多个表中检索数据,视图并不存储数据,而是动态生成数据。
2024-09-14 10:14:39 436
原创 软件测试工程师面试整理-编程与自动化
测试框架的使用:开发和维护测试框架(如TestNG、JUnit)来组织和管理测试用例,支持数据驱动和行为驱动测试。结合手动测试:在某些场景下(如探索性测试、用户体验测试),手动测试仍然是必不可少的,与自动化测试互为补充。减少人为错误:自动化测试消除了手动执行测试时可能出现的人为错误,确保测试的准确性和一致性。初期投入较高:自动化测试的设计、开发和维护需要较多的时间和资源投入,特别是在复杂项目中。提升测试覆盖率:通过自动化,可以轻松覆盖更多的测试场景和边界条件,从而提高测试覆盖率。
2024-09-14 10:13:13 101
原创 软件测试工程师面试整理-测试工具
通常,一个项目可能需要使用多种工具结合使用,以覆盖不同的测试需求,如功能测试、性能测试、安全测试和自动化测试。根据不同的测试类型和需求,有许多专业的工具可供选择。特点:支持多种浏览器(如Chrome、Firefox),可以使用多种编程语言(如Java、Python、C#)编写测试脚本。特点:基于关键字的测试,易于扩展,支持与Selenium、Appium等工具集成。特点:支持RESTful API的请求构建和测试,易于使用,支持自动化测试。用途:集成式的自动化测试工具,支持Web、API、移动应用的测试。
2024-09-13 11:41:46 452
原创 软件测试工程师面试整理-测试方法
不同的测试方法适用于不同的场景和需求。选择合适的测试方法,可以有效提高测试的覆盖率和效率,确保软件质量。状态转换测试(State Transition Testing):测试系统在不同状态之间的转换是否正确。定义:测试人员了解并使用软件的内部结构、代码逻辑进行测试,确保各个代码路径和分支都能正确执行。定义:结合黑盒测试和白盒测试的特点,测试人员了解部分内部实现,同时从用户的角度进行功能性测试。循环测试(Loop Testing):测试循环结构,确保在不同的循环次数下系统行为正确。
2024-09-13 11:39:46 139
原创 软件测试工程师面试整理-测试类型
这些测试类型在软件开发生命周期的不同阶段应用,可以帮助开发团队全面验证软件的质量,确保产品在发布时符合预期的功能和性能标准。兼容性测试(Compatibility Testing):验证软件在不同环境(操作系统、浏览器、硬件)下的兼容性。本地化测试(Localization Testing):测试特定语言版本的用户界面、文本、格式等。负载测试(Load Testing):测试系统在预期负载条件下的表现。特点:包括单元测试、集成测试、系统测试等,测试过程中涉及代码的运行。
2024-09-12 10:15:44 455
原创 软件测试工程师面试整理-测试生命周期
这些阶段包括从测试规划到测试执行再到最终的总结和关闭,是一个系统化的过程,旨在确保软件产品的质量和功能性。通过严格遵循STLC的各个阶段,可以有效确保软件质量,及时发现并修复缺陷,为最终的高质量软件交付奠定坚实基础。复测(Retesting)和回归测试(Regression Testing)以验证修复的缺陷和确保新代码没有引入新问题。交付物:测试执行报告、缺陷报告(Defect Report)、更新后的RTM。目标:识别、记录和跟踪在测试执行中发现的缺陷,确保缺陷得到有效处理。
2024-09-12 10:13:35 270
原创 软件测试工程师面试整理-灰盒测试
在灰盒测试中,测试人员部分了解系统的内部结构,同时还从用户的角度进行功能性测试。验证中间层:例如,测试API、数据库交互或中间件时,灰盒测试能够利用部分内部信息设计更有效的测试用例。结合代码覆盖率:在进行灰盒测试时,使用代码覆盖率工具帮助评估测试的覆盖度,确保关键路径得到充分测试。目标明确:由于具备一定的内部知识,灰盒测试可以更有针对性地设计测试用例,从而提高测试的有效性。安全测试:通过了解系统的部分实现,可以设计针对性更强的安全测试用例,以发现潜在的安全漏洞。
2024-09-11 10:06:56 311
原创 软件测试工程师面试整理-白盒测试
白盒测试的目标是通过对代码的详细分析来确保每个路径、分支、条件和循环都能够正确执行,从而发现程序中的潜在问题。白盒测试是确保软件质量的关键环节,通过深入代码内部的测试,能够有效提高代码的健壮性和可靠性。代码审查:白盒测试也是代码审查的重要工具,通过分析代码,可以提前发现潜在的逻辑错误或安全漏洞。高覆盖率:通过详细的代码分析,白盒测试能够确保代码的各个部分都被测试到,从而提高代码覆盖率。优化代码:在进行白盒测试时,测试人员可能会发现代码中的冗余部分或性能瓶颈,从而帮助优化代码。
2024-09-11 10:05:53 279
原创 软件测试工程师面试整理-黑盒测试
黑盒测试(Black Box Testing)是一种软件测试方法,在这种方法中,测试人员不需要了解软件内部的代码实现或结构,只需关注软件的功能和输出结果是否符合预期。例如,输入合法的数据时,软件是否能输出正确的结果。决策表测试:用于处理复杂的业务逻辑,将输入条件与结果组合成决策表,并根据不同的组合情况设计测试用例。关注功能性:黑盒测试关注的是软件系统的功能是否正常,是否满足用户需求,而不是代码内部逻辑是否合理。覆盖不全面:由于不涉及代码,黑盒测试可能无法覆盖所有的代码路径,无法发现隐藏在代码中的缺陷。
2024-09-10 10:01:04 356
原创 Python算法工程师面试整理-项目经验
编程语言与工具:列出项目中使用的编程语言(如Python、R、Java等)、库(如Scikit-learn、TensorFlow、PyTorch等)和工具(如Docker、Kubernetes、Git等)。训练过程:描述模型的训练过程,包括使用的优化算法(如SGD、Adam)、损失函数的选择,以及如何调整超参数。模型设计:描述模型的结构(如深度神经网络的层次、激活函数的选择、正则化技术等),以及如何优化模型的性能。定量成果:用数据展示项目的成功,如模型的准确率提升、性能优化的百分比、业务指标的改进等。
2024-09-10 09:55:05 221
原创 Python算法工程师面试整理-机器学习与深度学习基础
通过系统学习和理解这些机器学习与深度学习基础知识,并结合实际编程练习,可以有效应对面试中的挑战,展现出你在算法工程师职位上的专业能力。准确率 (Accuracy)、精确率 (Precision)、召回率 (Recall)、F1-Score:分类模型的评估指标。交叉验证 (Cross-Validation):通过多次训练和测试来评估模型的泛化能力,常用的是K折交叉验证。过拟合与欠拟合:通过模型复杂度和训练数据来分析模型的表现,过拟合表现为训练数据上表现很好但在测试数据上表现差。
2024-09-09 10:35:55 930
原创 Python算法工程师面试整理-面试中的Python编程题型
通过对上述Python编程知识的系统整理和练习,可以有效应对面试中的编程挑战,并在解决复杂问题时更具信心和效率。建议多进行实际编码练习,如在LeetCode、HackerRank等平台上解题,以熟悉和巩固这些概念和技巧。数组中两数之和:如在数组中找到两个数,使其和为给定值。合并两个有序链表:将两个有序链表合并为一个有序链表。深度优先搜索 (DFS):遍历图或查找路径。反转字符串:如“abc”变为“cba”。判断回文:判断字符串是否为回文。二叉树的前序、中序、后序遍历。层次遍历:逐层打印二叉树节点。
2024-09-09 10:33:20 207
原创 Python算法工程师面试整理-Python 在算法中的应用
二分查找:在有序序列中通过不断折半查找目标值,时间复杂度为O(log n)。应用场景:如活动选择问题、最小生成树算法(如Kruskal、Prim)。迭代:通过循环反复执行操作,通常可替代递归以减少栈空间使用。Memoization:递归加上缓存的技术,避免重复计算。贪心选择:每一步都选择当前的最优解,期望得到全局最优解。递归:函数调用自身解决问题,注意递归深度和基准条件。基本思想:通过保存子问题的解避免重复计算,提升效率。自底向上:通过迭代方式从子问题逐步解决到最终问题。
2024-08-28 09:24:10 280
原创 Python算法工程师面试整理-Python 编程技巧
读取文件:使用open()打开文件,读取文件内容(read、readline、readlines)。进程的创建与启动:使用multiprocessing.Process类创建并启动进程。线程的创建与启动:使用threading.Thread类创建并启动线程。__getitem__与__setitem__:实现对象的索引操作。__iter__与__next__:实现迭代器接口,使对象可迭代。定义类:使用class关键字,理解__init__构造函数。__str__与__repr__:定义对象的字符串表示。
2024-08-28 09:23:02 378
原创 Python算法工程师面试整理-Python 编程
常见异常类型:如ValueError、IndexError、KeyError、TypeError等。不可变与可变对象:理解不可变类型(如str、tuple)和可变类型(如list、dict)的区别。基本数据类型:int、float、bool、str、list、tuple、dict、set。循环语句:for循环、while循环,循环中的break、continue。高阶函数:如map、filter、reduce,以及函数作为参数传递。os、sys:操作系统交互,如os.path、sys.argv。
2024-08-27 09:21:11 400
原创 Python算法工程师面试整理-优化方法
通过熟悉这些数学基础知识,可以为算法工程师的面试打下坚实的基础,特别是在涉及机器学习、数据建模和高级算法时,这些知识是必不可少的。凸集与凸函数:凸集是线段在集合内的集合,凸函数在凸集上的任意两点间的连线在函数图像上方。梯度下降:求解凸优化问题的常用方法。约束条件:线性不等式构成的约束。单纯形法:用于求解线性规划问题。目标函数:优化某个线性目标。
2024-08-27 09:18:58 156
原创 Python算法工程师面试整理-离散数学
通过熟悉这些数学基础知识,可以为算法工程师的面试打下坚实的基础,特别是在涉及机器学习、数据建模和高级算法时,这些知识是必不可少的。凸集与凸函数:凸集是线段在集合内的集合,凸函数在凸集上的任意两点间的连线在函数图像上方。路径与回路:路径是节点之间的路线,回路是起点和终点相同的路径。子集与幂集:子集是集合的子集,幂集是所有子集的集合。排列与组合:不同元素的有序排列与无序组合。二项式定理:用于计算二项式的展开式。梯度下降:求解凸优化问题的常用方法。交并补运算:集合之间的基本操作。集合:元素的无序集合。
2024-08-26 09:34:55 185
原创 Python算法工程师面试整理-概率与统计
条件概率:事件A在事件B发生的条件下的概率,表示为P(A|B)。均匀分布:在区间[a,b]内每个数出现的概率相等。贝叶斯定理:通过已知条件概率求解未知概率的定理。泊松分布:表示单位时间内某事件发生k次的概率。概率:事件发生的可能性,值在[0,1]之间。二项分布:表示n次独立试验中成功k次的概率。卡方检验:用于检验分类数据的独立性。指数分布:表示事件发生的时间间隔。样本空间:所有可能结果的集合。方差与标准差:数据的离散程度。事件:样本空间的子集。中位数:数据的中间值。均值:数据的平均值。
2024-08-26 09:33:50 183
原创 Python算法工程师面试整理-微积分
链式法则:(f(g(x)))' = f'(g(x)) * g'(x)。梯度:多元函数的导数向量,用于优化问题中找到函数的极值点。期望值与方差:在概率论中计算随机变量的期望和方差。乘法规则:(fg)' = f'g + fg'。梯度向量:多元函数的所有偏导数组成的向量。定义:积分是求函数在一定区间内的累积值。拉普拉斯算子:用于描述标量场的曲率。面积计算:曲线与坐标轴之间的面积。偏导数:多元函数对一个变量的导数。定义:导数表示函数的瞬时变化率。定积分:在区间上求函数的面积。不定积分:求函数的反导数。
2024-08-25 20:51:41 226
原创 Python算法工程师面试整理-线性代数
行列式 (Determinant):用于求解矩阵的逆,判断矩阵是否为奇异矩阵。逆矩阵:满足A * A^(-1) = I的矩阵,其中I是单位矩阵。奇异值分解 (SVD):将矩阵分解为三个矩阵的乘积,用于数据降维。线性变换:将一个向量映射到另一个向量的函数,通常表示为矩阵乘法。LU分解:将矩阵分解为一个下三角矩阵和一个上三角矩阵的乘积。QR分解:将矩阵分解为一个正交矩阵和一个上三角矩阵的乘积。向量:表示一个n维空间中的点,通常以列向量或行向量表示。矩阵的秩:表示矩阵中线性无关的行或列的最大数目。
2024-08-25 20:50:59 382
原创 Python算法工程师面试整理-算法复杂度分析和面试常见题型
大O符号 (Big O Notation):表示算法在最坏情况下的运行时间随输入规模的增长率。数组中的两数之和:给定一个数组,判断其中是否存在两个数之和为给定值。爬楼梯问题:每次可以爬1或2阶楼梯,求到达顶层的不同方法数。空间复杂度:表示算法在运行过程中所占用的内存空间。最长递增子序列:求数组中的最长递增子序列。二叉树的最大深度:求二叉树的最大深度。对数时间:O(log n)。指数时间:O(2^n)。平方时间:O(n²)。立方时间:O(n³)。常数时间:O(1)。线性时间:O(n)。1. 数组与链表操作。
2024-08-24 21:00:00 280
原创 Python算法工程师面试整理-算法
基本思想:每一步选择中都采取当前状态下最优的选择,期望通过局部最优达到全局最优。基本思想:通过将问题分解为子问题,并记住子问题的结果,避免重复计算。基本思想:将问题分成规模较小的子问题,分别解决,再合并子问题的结果。思想:不断比较相邻的两个元素,将较大的元素逐步“冒泡”到数组末尾。思想:每次从未排序部分选择最小的元素,放在已排序部分的末尾。最长公共子序列 (LCS):求两个序列的最长公共子序列。时间复杂度:平均O(n log n),最坏O(n²)。思想:通过选择基准元素,将数组分为两部分,递归排序。
2024-08-24 20:58:46 198
原创 Python算法工程师面试整理-数据结构
插入/删除:在链表头部或中间插入、删除元素,时间复杂度为O(1)或O(n)。获取栈顶元素 (Peek):查看栈顶元素但不移除,时间复杂度为O(1)。插入/删除:在指定位置插入或删除元素,最坏情况下时间复杂度为O(n)。入队 (Enqueue):在队列尾部添加元素,时间复杂度为O(1)。出队 (Dequeue):从队列头部移除元素,时间复杂度为O(1)。入栈 (Push):将元素压入栈顶,时间复杂度为O(1)。出栈 (Pop):移除栈顶元素,时间复杂度为O(1)。
2024-08-23 10:21:32 285
原创 大数据开发工程师面试整理-如何处理紧急的生产环境问题?
通过冷静的评估、快速的隔离、精准的修复和持续的监控,团队可以尽量减少对业务的影响。有效地处理这些问题不仅需要技术能力,还需要冷静的头脑、良好的沟通技巧和系统化的应对策略。根据根因分析的结果,制定和实施长期的改进措施,以防止类似问题的再次发生。在问题解决后,进行深度的根因分析(Root Cause Analysis),以找出问题的根本原因和引发原因链。如果问题是由于最近的代码或配置更改引起的,考虑快速回滚到之前的稳定版本。在实施修复后,密切监控系统的运行状态,确保问题已经得到解决,并且没有引发其他新的问题。
2024-08-23 10:19:54 210
原创 大数据开发工程师面试整理-项目经验
在描述项目经验时,要突出你的个人贡献和技术优势,特别是在解决复杂问题和优化系统性能方面的能力。最后,反思项目中的挑战和你从中获得的经验教训,也可以展示出你的成长和学习能力。这种结构化的项目经验描述,不仅能够清晰地展示你的技术能力,还能让面试官看到你在大数据领域的实践经验和解决问题的能力。担任项目的技术负责人,负责系统架构设计、核心数据处理流程的开发、性能优化,以及团队的技术指导。包括设计决策、架构选型、性能优化等方面。量化项目的成果,如性能提升、处理的数据量、减少的资源消耗或为企业带来的直接收益。
2024-08-22 10:27:16 190
原创 大数据开发工程师面试整理-系统设计
系统设计是一个复杂而关键的过程,需要综合考虑系统的各个方面,如可扩展性、高可用性、容错性、一致性和安全性。通过合理的系统架构和优化策略,可以构建一个高效、可靠、可扩展的大数据平台,满足业务的实际需求。系统设计是软件工程中的关键环节,尤其是在处理大规模分布式系统和大数据平台时,系统设计需要考虑多个方面,包括系统的可扩展性、可靠性、性能、安全性等。设计系统的整体架构,包括各个子系统和模块的划分、数据流的设计、组件的交互方式等。设计系统的容错机制,包括数据冗余、服务降级、自动恢复、故障转移等策略。
2024-08-22 10:23:23 269
原创 大数据开发工程师面试整理-性能优化
持续的监控和调优,以及根据实际业务需求和数据特性做出相应的策略调整,才能确保大数据系统的高效、稳定运行。合适的Mapper和Reducer数量:过多或过少的任务都会影响性能,需根据数据量和集群规模进行调整。分桶(Bucketing):将数据按哈希函数分散到固定数量的桶中,有助于Join和聚合操作的性能。缓存机制:将经常使用的数据缓存到内存中(persist()或cache()),减少重复计算。列式存储:如Parquet、ORC,适合于分析型查询,因其只读取必要的列,减少了I/O。
2024-08-21 10:30:09 431
原创 DAMA是什么?
DAMA International 和其各地分支机构定期组织会议和年会,如 DAMA International Conference,这是一个交流最新数据管理趋势、技术和案例研究的重要平台。: 这是由 DAMA 提供的全球认可的专业认证,旨在评估和认可数据管理专业人士的技能和知识。: DAMA 在推动数据管理标准的制定和实施方面具有重要影响力,其发布的 DAMA-DMBOK 已成为全球数据管理领域的重要参考文献。: 涉及管理关于数据的数据(元数据),以支持数据的发现、理解和使用。
2024-08-21 10:29:09 113
原创 大数据开发工程师面试整理-大数据编程语言如何选择
大数据领域的编程语言选择应根据项目的具体需求、团队的技术栈、以及生态系统的支持来决定。R适合统计分析,SQL在数据查询和数据仓库中无可替代,而Go和Julia在高性能计算和并发处理中具有独特的优势。Java是Hadoop生态系统的核心语言,许多大数据工具和框架(如Hadoop、Apache Storm、Apache Kafka)都是用Java编写的。Python因其简单易用、丰富的库和强大的数据处理能力而成为大数据领域的热门选择。在大数据领域,编程语言的选择取决于具体的应用场景、技术栈以及团队的技术背景。
2024-08-20 10:53:56 217
原创 大数据开发工程师面试整理-大数据技术栈
ECharts,一个使用 JavaScript 实现的开源可视化库,可以流畅的运行在 PC 和移动设备上,兼容当前绝大部分浏览器(IE8/9/10/11,Chrome,Firefox,Safari等),底层依赖矢量图形库 ZRender,提供直观,交互丰富,可高度个性化定制的数据可视化图表。Spark是一个快速的分布式数据处理引擎,支持内存计算和批处理。HDFS是Hadoop生态系统的核心组成部分,是一个分布式文件系统,能够存储非常大的数据集,并且通过将数据分块并复制到多个节点上来确保容错性和高可用性。
2024-08-20 10:32:02 203
原创 大数据开发工程师面试整理-数据模型
关系型数据模型擅长于结构化数据的复杂查询和事务处理,而NoSQL模型(如文档型、键值型、列族型和图数据模型)更适合处理大规模的、非结构化或半结构化数据,以及需要高并发、低延迟的场景。常见的数据模型类型包括关系型数据模型、文档型数据模型、键值型数据模型、列族型数据模型和图数据模型等。常见的操作包括插入、更新、删除和查询文档,文档型数据库支持丰富的查询语言,例如MongoDB的查询语言。键值数据库没有固定的结构,适合存储简单的、不需要复杂查询的数据,如配置文件、会话信息、缓存数据等。
2024-08-19 14:22:43 242
原创 Netflix Movies and TV Shows(Netflix 电影和电视节目数据集)
此表格数据集包含 Netflix 上所有电影和电视节目的列表,以及演员阵容、导演、评分、上映年份、时长等详细信息。Amazon Prime Video 电影和电视节目(https://www.kaggle.com/datasets/shivamb/amazon-prime-movies-and-tv-shows)Hulu 电影和电视节目(https://www.kaggle.com/datasets/shivamb/hulu-movies-and-tv-shows)其他平台的数据集(单击徽标查看)
2024-08-19 14:18:37 1171
原创 大数据开发工程师面试整理-分布式系统原理
在这个模型下,系统允许临时的不一致,但经过一段时间后,所有节点的数据最终会达到一致。它将数据分布在一个逻辑环上,节点的加入或离开只影响少部分数据的重新分配,减少了数据迁移的开销。分布式系统中的节点通常具有不同的物理时钟,因此时钟同步问题需要特别处理,如使用NTP协议或逻辑时钟(如Lamport时钟)。在分布式系统中,为了处理海量数据,通常将数据划分为多个分片,每个分片存储在不同的节点上。Consistency(一致性):所有节点在同一时间看到的数据是一致的,即每次读操作都能返回最新的写操作结果。
2024-08-18 21:11:36 241
原创 大数据开发工程师面试整理-Hadoop生态系统
通过这些组件的协同工作,Hadoop生态系统为企业提供了强大的大数据处理能力,适用于各种复杂的应用场景。Mahout最初是基于MapReduce的,但随着Spark等新技术的发展,Mahout也逐步支持了Spark和H2O等计算引擎。它可以将数据从RDBMS导入HDFS或Hive中,也可以将处理后的数据导出到RDBMS中,适用于大数据与传统数据库之间的集成。Ambari是一个用于Hadoop集群的管理工具,它提供了一个Web界面,可以用于监控、配置和管理Hadoop集群。它确保集群的高可用性和一致性。
2024-08-18 21:09:56 110
原创 大数据开发工程师面试整理-什么是大数据?
数据可能会以极高的速率产生,如流式数据(streaming data)或实时数据处理(real-time processing),这对处理系统的响应能力提出了很高的要求。大数据包含了多种类型的数据,包括结构化数据(如数据库表)、半结构化数据(如XML、JSON)、非结构化数据(如文本、图像、音频、视频)。数据的准确性和可靠性是大数据的另一个重要特征。总的来说,大数据代表了一种全新的数据处理范式,旨在从海量、复杂、多样的数据中提取有价值的信息,以支持决策、优化流程、提高效率和创新应用。
2024-08-17 21:57:39 207
原创 前端开发工程师面试整理-ES6+的新特性
这些ES6+的新特性使JavaScript变得更强大、更简洁,提高了开发效率和代码可读性。ES6(ECMAScript 2015)及后续版本引入了许多新特性,极大地增强了JavaScript的功能和开发体验。使用function*定义生成器函数,可以通过yield暂停和恢复执行。基于Promise的异步编程语法,使异步代码更加简洁和易读。使用简洁的语法定义函数,并且不绑定自己的this。使用import和export语法导入和导出模块。Map用于存储键值对,Set用于存储唯一值的集合。用于异步操作的对象。
2024-08-17 21:56:22 470
原创 前端开发工程师面试整理-响应式设计的原则和实现方式
响应式设计(Responsive Design)是一种Web设计方法,使网页能够在各种设备和屏幕尺寸上良好地显示和使用。使用相对单位(如百分比、em、rem)而非绝对单位(如像素)来定义布局,以适应不同屏幕尺寸。通过遵循这些原则和方法,可以创建出色的响应式网页,使用户在任何设备上都能获得良好的体验。使用vw、vh、vmin、vmax等视口单位,可以根据视口尺寸调整元素大小。使用相对单位和媒体查询调整字体大小和行高,使文本在不同设备上易于阅读。先设计和开发移动端样式,然后使用媒体查询为大屏设备调整样式。
2024-08-16 10:22:35 247
原创 前端开发工程师面试整理-CSS3的新特性
这些CSS3的新特性使得前端开发更加灵活和高效,可以创建更加丰富和互动的网页体验。CSS3引入了许多新特性,大大增强了网页的样式和布局能力。响应式设计:@media 用于根据不同的设备和屏幕尺寸应用不同的样式。vw, vh, vmin, vmax 等,基于视口宽度和高度的单位。:not(selector): 选择所有不匹配指定选择器的元素。:nth-child(n): 选择特定位置的子元素。提供了强大的二维布局系统,可以轻松创建复杂的布局。em: 相对于当前元素字体大小的单位。匹配具有特定属性的元素。
2024-08-16 10:21:04 377
EtherCAT研发产品
2014-03-11
EtherCAT宣传册中文版
2014-03-04
如何从现场总线升级到EtherCAT_中文
2014-03-01
未经修改的以太网协议不适用于工业自动化领域_英文
2014-02-27
未经修改的以太网协议不适用于工业自动化领域_中文
2014-02-27
基于ET1100的EtherCAT实时工业以太网从站设计
2014-01-09
Java Develop shujuku
2013-05-24
STL-source-code-analysis
2013-05-24
Optical-simulation
2013-05-24
RTC_stm32_usart_key
2013-05-24
instantaneous-power
2013-05-24
PIC18F455-C-C++
2013-05-14
donuts-JavaScript
2013-05-14
vbnet-10-8
2013-05-14
PHPjiemi-Compiler program
2013-05-14
xapp199 module testbench
2013-05-13
360SafeDemo
2013-05-13
Setup-Android-SOP
2013-05-13
JDBC-Excel-import-to-java
2013-05-13
OS_TASK.C(API)
2013-05-13
mainlqrmatlab
2013-05-13
opencv-intro
2013-05-10
androidwcf
2013-05-10
android C#开发
2013-05-10
美的电磁炉标准通用板原理及故障维修
2013-05-10
基于凌阳SPCE061A的简易语音计算器
2013-05-10
电流检测电路
2013-05-10
序列信号发生器的设计
2012-10-31
C语言难点及分析
2012-10-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人