关于light box的使用方法.

好长时间没有来更新自己的BLOG了.

这之间做的东西也没有及时来更新, 我就把这期间最让我头疼的事情写下来吧, 以便以后忘了就回来看看,也让别人参考下.

 

关于lightbox的实现, 有很多版本, 我使用的是PrettyPopin的一个Jquery插件. 整体效果不错,使用起来不是很难.

下面简单介绍如何使用.

 

环境:

jquery : jquery-1.4.3.js  (www.jquery.com/)

prettyPopin.rar :

 - jquery.prettyPopin.js (www.no-margin-for-errors.com/projects/prettyPopin/)

 - prettyPopin.css

 - 一些相关图片

浏览器: prettyPopin网站上所说的FF,还有IE7,8.还有我在本地试过Chrome, 也可以.

 

使用方法

 

在页面代码中include这2个文件.

 

然后需要加入以下代码.

 

页面链接部分的代码如下.

 

 

这样你在页面中单击这个链接的时候可以看到lightbox的效果了.

是不是很简单?

效果可以在prettyPopin的网站上看到. 或者自己可以先试一试.

 

补充部分

在实际的使用当中有可能发现如下问题.

 

1. 当你弹出的页面过大的时候, 可能影响页面的布局.

 - 解决方法: 因为prettyPopin在计算总页面大小和要显示的地方时, 没有考虑过大的页面情况, 这个问题可以通过修改popinRight.gif文件的大小(增大高度,宽度)来解决.(这个文件是prettypopin提供的文件. 是个背景文件.)

 

2. 我想在弹出的LightBox里面还需要做提交.

- 解决方法: 其实这个方法prettyPopin已经提供了. 你如果看prettyPopin源代码的话有这样的一块.

 

 

在以上代码可以看出来, 他只提供了一个GET(链接的方式)和POST(<input type="submit">)的方法.

但是我如过想通过a标签,而且还要提交表单. 好像在源代码中找不到相应的功能.

只能自己写一个.

 

代码如下.

 

 

这样我们可以在lightbox窗口的代码中通过a标签来提交表单了.

 

如下

 

 

*注意我在onclick事件上写的只是为了我自己的逻辑处理写的, 提交表单并不是他来做的. 实际提交的是通过ajax来做的.在prettyPopin里.

 

除此之外还有一些问题, 希望prettyPopin更新一个新的版本出来.

 

写到这里回头一看, 太复杂了.

哪里没说清楚可以在下面回帖.

以便大家一起讨论.

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这段代码是在Python中导入所需要的库和模块。具体解释如下: - `import numpy as np`:导入NumPy库,并将其简写为np,以方便使用。 - `import pandas as pd`:导入Pandas库,并将其简写为pd,以方便使用。 - `from datetime import datetime`:从datetime模块中导入datetime函数,用于处理时间数据。 - `from scipy.stats import skew`:从scipy.stats模块中导入skew函数,用于计算数据的偏度。 - `from scipy.special import boxcox1p`:从scipy.special模块中导入boxcox1p函数,用于进行Box-Cox变换。 - `from scipy.stats import boxcox_normmax`:从scipy.stats模块中导入boxcox_normmax函数,用于计算Box-Cox变换的参数。 - `from sklearn.linear_model import ElasticNetCV, LassoCV, RidgeCV, Ridge`:从sklearn.linear_model模块中导入ElasticNetCV、LassoCV、RidgeCV、Ridge等函数,用于进行线性回归。 - `from sklearn.ensemble import GradientBoostingRegressor`:从sklearn.ensemble模块中导入GradientBoostingRegressor函数,用于进行梯度提升回归。 - `from sklearn.svm import SVR`:从sklearn.svm模块中导入SVR函数,用于进行支持向量回归。 - `from sklearn.pipeline import make_pipeline`:从sklearn.pipeline模块中导入make_pipeline函数,用于构建机器学习管道。 - `from sklearn.preprocessing import RobustScaler, StandardScaler`:从sklearn.preprocessing模块中导入RobustScaler、StandardScaler函数,用于进行特征缩放。 - `from sklearn.model_selection import KFold, cross_val_score`:从sklearn.model_selection模块中导入KFold、cross_val_score函数,用于进行交叉验证。 - `from sklearn.metrics import mean_squared_error as mse`:从sklearn.metrics模块中导入mean_squared_error函数,并将其简写为mse,用于计算均方误差。 - `from sklearn.metrics import make_scorer`:从sklearn.metrics模块中导入make_scorer函数,用于创建自定义评分函数。 - `from sklearn.neighbors import LocalOutlierFactor`:从sklearn.neighbors模块中导入LocalOutlierFactor函数,用于检测异常值。 - `from sklearn.linear_model import LinearRegression`:从sklearn.linear_model模块中导入LinearRegression函数,用于进行线性回归。 - `from mlxtend.regressor import StackingCVRegressor`:从mlxtend.regressor模块中导入StackingCVRegressor函数,用于进行交叉验证的堆叠模型。 - `import matplotlib.pyplot as plt`:导入matplotlib库,并将其简写为plt,用于绘制图形。 - `import seaborn as sns`:导入seaborn库,并将其简写为sns,用于绘制图形。
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