[转]Asp.net 2.0 关于Header/title/Meta tages/Style操作的一点小技巧

 

收集一些偶然看到的小Tips,先列一些在这儿,慢慢补充。

设置Title : this.Header.Title="这是个Title测试";
如果用了MasterPage可以这样用: this.Page.Title = SiteMap.CurrentNode.Title;
动态设置Style:
Style style = new Style();
style.ForeColor = System.Drawing.Color.Navy;
style.BackColor = System.Drawing.Color.LightGray;

// Add the style to the header for the body of the page
this.Header.StyleSheet.CreateStyleRule(style, null, "body");
动态加样式表: HtmlLink link = new HtmlLink();
link.Attributes.Add("type", "text/css");
link.Attributes.Add("rel", "stylesheet");
link.Attributes.Add("href", "~/newstyle.css");
this.Header.Controls.Add(link);
动态加meta tags : // Render: <meta name="keywords" content="Some words listed here" />
HtmlMeta meta = new HtmlMeta();
meta.Name = "keywords";
meta.Content = "Some words listed here";
this.Header.Controls.Add(meta);

// Render: <meta name="robots" content="noindex" />
meta = new HtmlMeta();
meta.Name = "robots";
meta.Content = "noindex";
this.Header.Controls.Add(meta);

// Render: <meta name="date" content="2006-03-25" scheme="YYYY-MM-DD" />
meta = new HtmlMeta();
meta.Name = "date";
meta.Content = DateTime.Now.ToString("yyyy-MM-dd");
meta.Scheme = "YYYY-MM-DD";
this.Header.Controls.Add(meta);

转载于:https://www.cnblogs.com/leic2000/archive/2009/06/23/1509380.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
python的数据处理可以使用numpy和pandas库来进行。其中,numpy提供了多维数组的创建和操作方法,而pandas则提供了更高级的数据结构和数据分析功能。 在numpy中,可以使用array方法创建一维、二维以及多维数组。每增加一维,则增加一层嵌套关系。例如,可以通过以下代码创建一维、二维和三维数组: ```python import numpy as np data1 = [1, 2, 3, 4, 5] array1 = np.array(data1) data2 = [[1, 2, 3], [4, 5, 6]] array2 = np.array(data2) data3 = [[[1, 2, 3], [4, 5, 6]]] array3 = np.array(data3) ``` 可以使用`ndim`属性查看数组的维度,使用`shape`属性查看数组的维度大小。例如,可以通过以下代码查看二维数组的维度和维度大小: ```python array2.ndim array2.shape ``` 在pandas中,可以使用`cut()`函数对数据进行分组处理并打上标签。被切分的数组必须是一维的。例如,可以使用以下代码将年龄数据平分成5个区间,并打上婴儿、青年、中年、壮年、老年的标签: ```python import numpy as np import pandas as pd ages = np.array([0, 5, 10, 40, 36, 12, 58, 62, 77, 89, 100, 18, 20, 25, 30, 32]) tages = pd.cut(ages, [0, 5, 20, 30, 50, 100], labels=["婴儿", "青年", "中年", "壮年", "老年"]) df1 = pd.DataFrame({'age': ages, 'tage': tages}) ``` 在数据处理中,经常需要进行数据抽样。可以使用numpy的`random.randint()`函数生成随机数。例如,可以使用以下代码生成3个0到10之间的随机整数: ```python import numpy as np np.random.randint(0, 10, 3) ```
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