angularJS增删改查过滤排序

<!DOCTYPE html>
<html>

	<head>
		<meta charset="UTF-8">
		<title></title>
		<style>
			table tr:nth-child(even) {
				background: #eee;
			}
		</style>
		<script src="js/jquery-1.11.1.js"></script>
		<script src="js/angular.min.js"></script>
		<script>
			var myapp = angular.module("modu", []);
			myapp.controller("con", function($scope) {
				$scope.stus = [{
						id: 1,
						ck: false,
						gname: "华为p10",
						price: 3588,
						num: 2
					},
					{
						id: 2,
						ck: false,
						gname: "小米6",
						price: 2499,
						num: 3
					},
					{
						id: 3,
						ck: false,
						gname: "三星A5",
						price: 1500,
						num: 4
					}
				];

				$scope.sun = function() {
					var zong = 0;
					for(var i in $scope.stus) {
						zong += $scope.stus[i].price * $scope.stus[i].num;
					}
					return zong;
				}

				$scope.xuan = function() {
					for(var i in $scope.stus) {
						$scope.stus[i].ck = $scope.flag;
					}
				}

				$scope.gcount = function(cou, name) {
					for(var i = 0; i < $scope.stus.length; i++) {
						if($scope.stus[i].gname == name) {
							if($scope.stus[i].num == 1 && cou == -1) {
								if(confirm("是否删除该商品?")) {
									$scope.stus.splice(i, 1);
								}
							} else {
								$scope.stus[i].num = $scope.stus[i].num + cou;
							}
						}
					}
				}

				$scope.del = function(name) {
					for(var i in $scope.stus) {
						if($scope.stus[i].gname == name) {
							$scope.stus.splice(i, 1);
						}
					}

					//判断是否还有数据进行显示隐藏
					if($scope.stus.length == 0) {
						$scope.z = false;
					}
				}

				$scope.delall = function() {
					for(var i = 0; i < $scope.stus.length; i++) {
						if($scope.stus[i].ck) {
							$scope.stus.splice(i, 1);
							i--;
						}
					}
					//判断是否还有数据进行显示隐藏
					if($scope.stus.length == 0) {
						$scope.z = false;
					}
				}

				$scope.add = function() {

					$scope.updatesub = [];
					if($scope.add_id=="" || $scope.add_id==null) {
						$scope.updatesub.push("商品ID不能为空");
					} 
					if($scope.add_name=="" || $scope.add_name==null){
						$scope.updatesub.push("商品名不能为空");
					}
					if($scope.add_price=="" || $scope.add_price==null){
						$scope.updatesub.push("商品价格不能为空");
					}
					if($scope.add_num=="" || $scope.add_num==null){
						$scope.updatesub.push("商品数量不能为空");
					}
					
					if ($scope.updatesub.length==0) {
						var good = {
							id: $scope.add_id,
							ck: false,
							gname: $scope.add_name,
							price: $scope.add_price,
							num: $scope.add_num
						}
						$scope.stus.push(good);
						$scope.f = false;
					} 
					
				}
				//默认状态的值为true
				$scope.z = true;
				
//				修改
				$scope.updategood=function(good){
					$scope.flag_gai=true;
					$scope.update_id=good.id;
					$scope.update_name=good.gname;
					$scope.update_price=good.price;
					$scope.update_num=good.num;
				}
				$scope.update=function(){
					var id=$scope.update_id;
					for (var i in $scope.stus) {
						if($scope.stus[i].id==id){
							$scope.stus[i].gname=$scope.update_name;
							$scope.stus[i].price=$scope.update_price;
							$scope.stus[i].num=$scope.update_num;
							$scope.flag_gai=false;
						}
					}
				}
				
				$scope.selprice=function(price){
					if ($scope.s_price==undefined || $scope.s_price=="") {
						return true;
					}
					
					var prices=$scope.s_price.split("-");
					if (price>=prices[0] && price<=prices[1]) {
						return true;
					} else{
						return false;
					}
				}
			})
		</script>
	</head>

	<body ng-app="modu" ng-controller="con">

		<h3>我的购物车</h3>

		<div ng-show="z">
			<input placeholder="输入关键字搜索" ng-model="sname" />
			<select ng-model="pai">
				<option value="">请选择如何排序</option>
				<option value="num">数量正序</option>
				<option value="-num">数量倒序</option>
				<option value="price">价格正序</option>
				<option value="-price">价格倒序</option>
			</select>
			<select ng-model="s_price">
				<option value="">选择价格区间</option>
				<option value="1000-2500">1000-2500</option>
				<option value="2500-5000">2500-5000</option>
			</select>
			
			<button ng-click="f=true">商品入库</button><br />
			<button ng-click="delall()">清空购物车</button>
			
			<table border="1" cellspacing="1" width="700">
				<tr style="background: #999;">
					<td><input type="checkbox" ng-model="flag" ng-click="xuan()" /> </td>
					<td>id</td>
					<td>商品名</td>
					<td>价格</td>
					<td>数量</td>
					<td>小计</td>
					<td>操作</td>
				</tr>

				<tr ng-repeat="g in stus | filter:{gname:sname} | orderBy:pai" ng-show="selprice(g.price)">
					<td><input type="checkbox" ng-model="g.ck" /> </td>
					<td>{{g.id}}</td>
					<td>{{g.gname}}</td>
					<td>{{g.price | currency:"¥"}}</td>
					<td><button style="width: 30px;" ng-click="gcount(-1,g.gname)">-</button> <input style="width: 30px;" ng-model="g.num" /> <button style="width: 30px;" ng-click="gcount(1,g.gname)">+</button></td>
					<td>{{g.price*g.num | currency:"¥"}}</td>
					<td><button ng-click="del(g.gname)">删除</button> <button ng-click="updategood(g)">修改</button> </td>
				</tr>
				<tr style="background: white;">
					<td colspan="7"> 总价为:{{sun() | currency:"¥"}}</td>
				</tr>
			</table>
		</div>

		<h3 ng-hide="z">购物车为空,请继续购物</h3>

		<div style="width: 300px; height: 300px; border: 1px solid #000000; margin-left: 100px; margin-top: 10px;" ng-show="f">
			id:<input type="number" ng-model="add_id" /><br /> 商品名:
			<input ng-model="add_name" /><br /> 商品价格:
			<input ng-model="add_price" type="number" /><br /> 商品数量:
			<input ng-model="add_num" type="number" /><br />
			<button ng-click="add()">添加</button>
			<!--错误提示-->
			<div style="background-color: #11C1F3;" ng-show="f">
				<ul>
					<li ng-repeat="aa in updatesub">{{aa}}</li>
				</ul>
			</div>

		</div>
		
		
		<div style="width: 300px; height: 300px; border: 1px solid #000000; margin-left: 100px; margin-top: 10px;" ng-show="flag_gai">
			id:<input type="number" ng-model="update_id" disabled="disabled"/><br /> 
			商品名:<input ng-model="update_name" required="required" /><br /> 
			商品价格:<input ng-model="update_price" type="number" required="required"/><br /> 
			商品数量:<input ng-model="update_num" type="number" required="required"/><br />
			<button ng-click="update()">修改</button>
			
		</div>

	</body>

</html>


智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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。
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
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