publiccms按照指定显示的日期格式,格式化日期的写法

大家好,我是雄雄,欢迎关注微信公众号:雄雄的小课堂

前言

现在是2021年12月30日20:21:37,距离2021年结束仅仅不到2天的时间了,时间恍如白驹过隙!

今天还是搞的publiccms,分享个简单的语法吧:在fremarker中,如何对日期进行格式化。

效果如下:

image-20211230202427955

如图所示,时间不是按照之前似的,以年月日的形式显示,而是上方显示月、日,下方显示年,刚看到的这个效果图时,我就不由自主的发愁了下,因为做过的这么多,时间都是一次性显示出来的,对于这种分开处理的情况还真是没有遇到过。

当时就想着,先实现其他功能吧,这个实现不了,大不了用js去实现吧,再不行就给客户说一下:“要不给您退点儿钱吧,这个我用publiccms实现不了……”

代码实现

当把其他内容实现之后,集中精力研究这个,最后发现使用fremarker的语法可以处理日期,写入如下:

<!-- 纪律检查 -->
				<div class="cont">
					
					<!-- 遍历内容 -->

					<@_contentList categoryId=23   pageSize=5 pageIndex=pageIndex1>
                                    <#list page.list as b>
					<div class="contDiv" style="margin: 0 auto;border-bottom:1px solid #E5E5E5;">
						<div class="col-lg-2 col-md-2 col-sm-2 col-xs-3" style="float: left;margin-top: 20px;">
							<div
								style="border-bottom: 1px solid #F5F5F5;width: 68px;margin: 0 auto;height: 50px;text-align: center;font-size: 24px;font-weight: bold;">
								${(b.publishDate?string("MM-dd"))!} </div>
							<div
								style="width: 68px;margin: 0 auto;text-align: center;font-weight: bold;margin-top: 18px;">
								${(b.publishDate?string("yyyy"))!}</div>
						</div>
						<div class="col-lg-10 col-md-10 col-sm-10 col-xs-9" style="float: left;margin-top: 20px;">
							<a href="${b.url!}"><span style="font-size: 18px;font-weight: bold;color:#000000;">${b.title!}</span></a><br>
							<span
								style="line-height: 40px;">${b.description!}</span>
						</div>
					</div>
				</#list>

					
					
					<!-- 分页 -->
					<div class="col-lg-3 col-md-3 col-sm-3 col-xs-0" style="padding: 0;opacity: 0;">0</div>
					<ul class="col-lg-6 col-md-1 col-sm-1 col-xs-0" id="pagination-flickr"
						style="padding: 0;z-index: 88;">
						<li class="active"><a href="?id=${id!}">首页</a></li>
						<li ><a href="?id=${id}&&pageIndex1=${page.prePage}">&lt;</a></li>
						<li><a href="#" style="border:none;color:red;margin:0 10px;">第${page.pageIndex}页/共${page.totalPage}页</a></li>
						
						 <li><a href="?id=${id}&&pageIndex1=${page.nextPage}">&gt;</a></li>
						<li><a href="?id=${id}&&pageIndex1=${page.totalPage}">尾页</a></li>

					</ul>
					<div class="col-lg-3 col-md-3 col-sm-3 col-xs-0" style="padding: 0;opacity: 0;">0</div>
				</div>
			</@_contentList>

格式化月日:

${(b.publishDate?string("MM-dd"))!} 

格式化年:

${(b.publishDate?string("yyyy"))!}

b.publishDate就是我动态获取的日期,至此,效果就实现啦~

问题

现在遗留了个问题:因为html中的<p>可以不成对出现,所以导致p标签下的内容如果是富文本编译器的时候就会出问题,这个问题暂时换需求实现了。有人可能会说,为啥非要用p,用div不行吗,在这说一下,因为js插件的问题,实现了个下拉的效果,插件里面写的就是p,换成div时,就报错。。。。所以只能用P,改他的插件,要找不到在哪里写的p,不知道大家有没有遇到过类似的问题。

插件的问题,实现了个下拉的效果,插件里面写的就是p,换成div时,就报错。。。。所以只能用P,改他的插件,要找不到在哪里写的p,不知道大家有没有遇到过类似的问题。

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。
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

打赏作者

穆雄雄

哎,貌似还没开张来着呢~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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