[前端优化] 使用Combres合并对js、css文件的请求

在前端优化的各种金律铁规中,“减少客户端对资源的请求”都会在其中出现,刚好最近对网站做一些优化,使用了一下Combres组件。

 配置组件

  下载Combres组件,下载下来的包里包含了DLL、帮助文件、源码和一些例子,我们现在直接来看如何部署。

  在下载下来的\Binary\merged\中有一个Combres.dll,在readme文件中得知其对可能要用到的dll都进行了打包,如Combres.dll、fasterflect.dll、log4net.dll、ajaxmin.dll、 yahoo.yui.compressor.dll 、Intelligencia.UrlRewriter.dll(重写)等等。

  在项目中引用此dll,下面来配置下配置文件。

  2011022410104357.jpg

  首先配置下web.config。

  在configSections配置节下添加:

    

 
  
< configSections >
< section name = " combres " type = " Combres.ConfigSectionSetting, Combres, Version=2.1.0.0, Culture=neutral, PublicKeyToken=1ca6b37997dd7536 " />
< section name = " rewriter " requirePermission = " false " type = " Intelligencia.UrlRewriter.Configuration.RewriterConfigurationSectionHandler, Intelligencia.UrlRewriter " /><!-- url -->
 
  
< combres definitionUrl = " ~/combres.xml " logProvider = " Combres.Loggers.Log4NetLogger " cacheProvider = " Combres.Caches.AspNetResourceSetCache " />
 
  
httpModules >
< add name = " UrlRoutingModule " type = " System.Web.Routing.UrlRoutingModule, System.Web.Routing, Version=3.5.0.0, Culture=neutral, PublicKeyToken=31BF3856AD364E35 " />
</ httpModules >

新建combres.xml文件

 
  
<? xml version = " 1.0 " encoding = " utf-8 " ?>
< combres xmlns = ' urn:combres ' >
< filters >
< filter type = " Combres.Filters.FixUrlsInCssFilter, Combres " />
< filter type = " Combres.Filters.DotLessCssFilter, Combres " acceptedResourceSets = " dotLessCss " />
</ filters >
< jsMinifiers >
< minifier name = " msajax " type = " Combres.Minifiers.MSAjaxJSMinifier, Combres " binderType = " Combres.Binders.SimpleObjectBinder, Combres " >
< param name = " CollapseToLiteral " type = " bool " value = " true " />
< param name = " EvalsAreSafe " type = " bool " value = " true " />
< param name = " MacSafariQuirks " type = " bool " value = " true " />
< param name = " CatchAsLocal " type = " bool " value = " true " />
< param name = " LocalRenaming " type = " string " value = " CrunchAll " />
< param name = " OutputMode " type = " string " value = " SingleLine " />
< param name = " RemoveUnneededCode " type = " bool " value = " true " />
< param name = " StripDebugStatements " type = " bool " value = " true " />
</ minifier >
</ jsMinifiers >
< resourceSets url = " ~/combres.axd "
defaultDuration
= " 30 "
defaultVersion
= " auto "
defaultDebugEnabled
= " false "
defaultIgnorePipelineWhenDebug
= " true "
localChangeMonitorInterval
= " 30 "
remoteChangeMonitorInterval
= " 60 "
>
< resourceSet name = " cm1 " type = " js " minifierRef = " default " >
< resource path = " ~/js/com.js " minifierRef = " msajax " />
</ resourceSet >
</ resourceSets >
</ combres >
配置全局文件:Global.asax
 
  
protected void Application_Start( object sender, EventArgs e)
{
RouteTable.Routes.AddCombresRoute(
" Combres " );
}

页面应用:

ContractedBlock.gif ExpandedBlockStart.gif View Code
 
   
<% @ Page Language = " C# " AutoEventWireup = " true " CodeBehind = " Webs.aspx.cs " Inherits = " WebCombres.Webs " %>

<! DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd" >

< html xmlns ="http://www.w3.org/1999/xhtml" >
< head runat ="server" >
< title > 无标题页 </ title >
</ head >
< body >
< form id ="form1" runat ="server" >
< div >
< input type ="button" id ="int1" value ="On Click" onclick ="a()" />
</ div >
</ form >
< cb:Include ID ="cbIn" runat ="server" SetName ="cm1" ></ cb:Include >
</ body >
</ html >

页面运行效果:

 
  
< script type ="text/javascript" src ="/combres.axd/cm1/969703027/" ></ script >

当页面中引用了很多个js、css文件时,将都被合并成两个请求,以达到减少HTTP请求的目的。   

转载于:https://www.cnblogs.com/stylenocall/archive/2011/02/24/1963507.html

  • 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值。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