页面元素尺寸实例演示

很长一段时间对页面的各种尺寸一直迷迷糊糊,客户区尺寸、偏移尺寸、滚动尺寸、屏幕尺寸,各种尺寸各种定位都有差别,下面我们就通过几个实例来分析一下它们分别是什么含义,以及不同css设置对它们产生的影响。

0 前言


body引用:
document.body document.getElementsByTagName('body')[0] (兼容性写法)
html引用:
document.documentElement

页面结构

<head>
    ...
    <style>
        body{
            position: relative;
        }
        #el{
            position: absolute;
            top: 50px;
            left: 50px;
            margin: 30px;
            padding: 5px;
            width: 200px;
            height: 200px;
            background: #c55;
            border: 10px solid #55c;
            overflow: auto;
        }
    </style>
</head>
<body>
    <div id="el">
        <div id="el-text"></div>
    </div>
</body>

实例一:无滚动条

设定元素尺寸小于el

#el-text{
    width: 150px;
    height: 150px;
}

这里写图片描述

我们针对元素el获取它的各种尺寸值,测试如下:

var el = document.getElementById("el");
console.log("client", el.clientWidth);  //210
console.log("client", el.clientHeight);  //210
console.log("client", el.clientTop);  //10
console.log("client", el.clientLeft);  //10

console.log("offset", el.offsetWidth);  //230
console.log("offset", el.offsetHeight);  //230
console.log("offset", el.offsetTop);  //80
console.log("offset", el.offsetLeft);  //80

console.log("scroll", el.scrollWidth);  //210
console.log("scroll", el.scrollHeight);  //210
console.log("scroll", el.scrollTop);  //0
console.log("scroll", el.scrollLeft);  //0

然后接下来我们来分析一下各种尺寸的含义

1、客户区尺寸:
clientWidth/clientHeight —— 元素的内容区域,不包含外层定位和border,大小=content+padding*2
clientTop/clientLeft —— 客户区到元素上/左边界(可视区域)的距离,大小=border

2、偏移尺寸:
offsetWidth/offsetHeight —— 元素的可视区域,不包含外层定位,大小=content+padding*2+border*2
offsetTop/offsetLeft —— 客户区定位尺寸,大小=top/left+margin

3、滚动尺寸:
scrollWidth/scrollHeight —— 元素的可视区域+滚动区,不包含外层定位和border,大小=content(包括被滚动条隐藏的部分)+padding*2,如果不存在滚动条则和客户区尺寸相同
scrollTop/scrollLeft —— 滚动区定位尺寸,大小=滚动隐藏的大小

实例二:有滚动条

我们在修改容器el-text的大小,使元素部分隐藏,出现滚动条

#el-text{
    width: 250px;
    height: 250px;
}

这里写图片描述
为了更方便测试我们加入事件监听,以查看滚动条变化

var el = document.getElementById("el");
console.log("client",el.clientWidth);  //193
console.log("client",el.clientHeight);  //193
console.log("client",el.clientTop);  //10
console.log("client",el.clientLeft);  //10

console.log("offset",el.offsetWidth);  //230
console.log("offset",el.offsetHeight);  //230
console.log("offset",el.offsetTop);  //80
console.log("offset",el.offsetLeft);  //80

document.addEventListener('mouseup', function(){
    console.log("scroll",el.scrollWidth);  //255
    console.log("scroll",el.scrollHeight);  //255
    console.log("scroll",el.scrollTop);  //62
    console.log("scroll",el.scrollLeft);  //62
});

1、由数据我们可以看到,clientWidth/clientHeight发生了变化,因为可视区发生了改变,滚动条的出现压缩了可视区空间,将其由210->193,那这减少的17是不是就是滚动条的宽度呢?
我们用Page Ruler插件进行测量(注意貌似Ruler工具不支持file://路径的测量,所以我们可以用webstorm创建本地服务器进行测试),得到如图结果
这里写图片描述
发现正好是17px,所以得出结论:clientWidth/clientHeight只指示可视区大小
2、clientTop/clientLeftoffsetWidth/offsetHeightoffsetTop/offsetLeft都没发生改变,因为元素边框、整体大小都没改变
3、scrollWidth/scrollHeight:210->255,scrollHeight:210->255,也符合大小=可视区+隐藏宽高
滚动到最底部

firefox环境,chrome环境下测试结果是scrollWidth:210->255,scrollHeight:210->260,不知道为什么会有这么诡异的数值,如果有朋友知道还请指点一下
包括firefox下也有不符合逻辑的部分,有的属性会出现1px的偏差,通常发生在offsetWidth/offsetHeight

scrollTop:0->62,scrollLeft:0->62,符合大小=5(padding)+250(子元素大小)-193(可视区大小),也就是滚动条距元素边界(不包括border)的距离

firefox环境,chrome环境任然表现诡异scrollTop:0->67.19999694824219,scrollLeft:0->61.599998474121094

实例三:border-box

下面我们再来修改盒子box-sizing属性,我们想单独分析box-sizing带来的影响,所以将元素状态改回到实例一状态

#el{
    box-sizing: border-box;
}
#el-text{
    width: 150px;
    height: 150px;
}

我们发现图形整体都缩小了,输出结果

console.log("client",el.clientWidth);  //180
console.log("client",el.clientHeight);  //180
console.log("client",el.clientTop);  //10
console.log("client",el.clientLeft);  //10

console.log("offset",el.offsetWidth);  //200
console.log("offset",el.offsetHeight);  //200
console.log("offset",el.offsetTop);  //80
console.log("offset",el.offsetLeft);  //80

console.log("scroll",el.scrollWidth);  //180
console.log("scroll",el.scrollHeight);  //180
console.log("scroll",el.scrollTop);  //0
console.log("scroll",el.scrollLeft);  //0

1、clientWidth/clientHeight发生了变化,由box-sizing: border-box;的定义我们可以分析出来,180=200-10*2,也就是说我们的width设置会包括border的值,所以可视区也就缩小为180
2、clientTop/clientLeftoffsetTop/offsetLeft没有变化,因为虽然border计入width范围,但不影响它的值和元素的相对定位
3、offsetWidth/offsetHeight:230->210,原因和1相同,210=180+5*2+10*2
4、scrollWidth/scrollHeight:210->180,原因和1相同

如描述有偏差欢迎指出~

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。
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