DOM解析一我的笔记

Dom是针对XML的基于树的API,它关注的不仅是解析XML代码,而是使用一系列互相关联的对象来表示这些代码,而这些对象被修改而且无须重新解析代码就能直接访问它们,使用Dom只须解析代码一次来创建一个对模型,dom定义了node接口以及许多种节点类型来表示xml节点的多个方面:

 

Dom的Node
a--Node的类型
1, document--最顶层的节点,所有的其他节点都是附属于它
2, documentType--DTD引用(<!DOCTYPE>)的对象表现形式,
3, documentFragment--可以像document一样保存其它节点
4, element--表示起始标签和结束标签之间内容,这是唯一可以同时包含特性和子节点的节点类型
5, attr--代表一对特性名和特性值,这个节点类型不能包含子节点
6, text--代表xml文档在起始标签和结束标签之间的文本
7, others..

 

b--类型12个常量
1, Node.ELEMENT_NODE(1)
2, Node.ATTRIBUTE_NODE(2)
3, Node.TEXT_NODE(3)
4, Node.CDATA_SECTION_NODE(4)
5, Node.ENTITY_REFERENCE_NODE(5)
6, Node.ENTITY_NODE(6)
7, Node.PROCESSING_INSTRUCTION_NODE(7)
8, Node.COMMENT_NODE(8)
9, Node.DOCUMENT_NODE(9)
10, Node.DOCUMENT_TYPE_NODE(10)
11, Node.DOCUMENT_FRAGMENT_NODE(11)
12, Node.NOTATION_NODE(12) 

 

c--特性
1, nodeName
2, nodeValue
3, nodeType
4, ownerDocument Document 指向这个节点所属的文档
5, firstChild
6, lastChild
7, childNodes
8, previousSibling
9, nextSibling
10, attributes NamedNodeMap 包含了代表一个元素的特性的Attr对象,仅用于Element节点

 

d--方法
1, hasChildNodes()
2, appendChild(node) Node 将node添加到childNodes的末尾
3, removeChild(node) Node 从childNodes删除node
4, replaceChild(newNode,oldNode) Node 将childNodes中的的oldNode替换成newNode
5, insertBefore(newNode,refNode)  Node 在childNodes中的refNode之前插入newNod

 

e--other..
NodeList--节点数组,按照数值进行索引,用来表示一个元素的子节点
NamedNodeMap--同时用数值和名字进行索引的节点表,用于表示元素特性

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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