纯样式无脚本无图片自定义单/复选框

单选/复选框是 Web 应用常用控件,随处可见,原生的单/复选框控件的外观一般都不怎么美观,有些时候,原生的控件模样并不能满足设计要求,这时需要更为精致的控件样式,我们更希望其样式可以允许自定义。

CSS3 新增了一个伪类选择器 :checked,用于选择被勾选的单/复选框,利用该选择器可以分别为未选中和选中状态的单/复选框应用不同的样式,怎么给它应用样式呢?直接修改单/复选框的样式比较困难,不过可以使用一些其它方法来实现。

单选/复选框作为一个表单控件,可以使用一个 <label> 元素与之关联,将 <label> 元素的 for 属性指向复选框的 id 属性,这里使用一个复选框来举例说明:

<input id="example-checkbox" type="checkbox">
<label for="example-checkbox">Check</label>

此时,每次点击这个 <label> 元素会发现复选框的选择状态也会变化,测试表明,点击关联某个单/复选框的 <label> 时,产生的效果和点击单/复选框自身相同。然后,因为 <label> 元素紧邻在单/复选框之后,通过组合使用相邻元素选择器(Adjacent sibling selector),我们可以把相应的样式应用到 <label> 元素上去,相比较而言,给 <label> 元素应用样式要比给原生的单/复选框应用样式简单多了。

相邻元素选择器,在两个选择器中间添加一个加号,像这样 selector1 + selector2,表示选择 selector1 元素之后紧邻的 selector2 元素:

input[type="checkbox"] + label {
  /* 未选中状态 */
}

input[type="checkbox"]:checked + label {
  /* 选中状态 */
}

为了不对 <label> 元素自身的样式造成影响,这里使用生成内容伪元素(::before/::after)来应用单/复选框的自定义样式,首先使用 ::before 伪元素来生成复选框的外框样式:

input[type="checkbox"] + label::before {
  background-color: #fff;
  border: 1px solid #50a7f8;
  border-radius: 3px;
  content: "\00a0";
  height: 13px;
  left: 0;
  position: absolute;
  width: 13px;
}

然后使用 ::after 伪元素来生成复选框中间的勾的样式,用一个矩形只应用左边框和下边框,然后逆时针旋转 45 度即可做成一个简单的勾形:

input[type="checkbox"] + label::after {
  background: transparent;
  border: 0 solid #50a7f8;
  border-width: 0 0 3px 3px;
  content: "\00a0";
  height: 3px;
  left: 3px;
  position: absolute;
  top: 3px;
  transform: scale(0) rotate(-45deg);
  transition: transform 0.2s linear;
  width: 6px;
}

为了在没有勾选的时候不显示这个勾,这里用 transform: scale(0) 来隐藏了这个勾,当复选框被勾选的时候才显示出来:

input[type="checkbox"]:checked + label::after {
  transform: scale(1) rotate(-45deg);
}

这里使用了绝对定位,所以给 <label> 元素增加一个相对定位,并在左边预留一定的空间:

input[type="checkbox"] + label {
  min-height: 20px;
  padding-left: 20px;
  position: relative;
}

原生的控件可以把它隐藏掉了:

input[type="checkbox"] {
  display: none;
}

不过这样隐藏后就不能通过 Tab 键来与控件交互了,所以可以用另外的方法来隐藏控件,比如设置不透明度为 0:

input[type="checkbox"] {
  opacity: 0;
  position: absolute;
}

进一步,可以定义控件获取焦点时以及控件禁用时的样式:

input[type="checkbox"]:focus + label::before {
  outline: 1px dotted #aaa;
}

input[type="checkbox"]:disabled + label::before {
  background-color: #eee;
  border-color: #aaa;
}

input[type="checkbox"]:disabled + label::after {
  border-color: #aaa;
}

更进一步,给勾选添加过渡效果:

input[type="checkbox"] + label::after {
  transition: transform 0.2s linear;
}

单选框

和复选框一样,只是把自定义样式中的外框换成圆形外框,内部的勾换成一个实心圆:

<input id="example-radio" type="radio">
<label for="example-radio">Check</label>

HTML 结构是一样,样式也是类似:

input[type="radio"] {
  opacity: 0;
  position: absolute;
}

input[type="radio"] + label {
  min-height: 20px;
  padding-left: 20px;
  position: relative;
}

input[type="radio"] + label::before {
  background-color: #fff;
  border: 1px solid #50a7f8;
  border-radius: 50%;
  content: "\00a0";
  height: 13px;
  left: 0;
  position: absolute;
  top: 0;
  width: 13px;
}

input[type="radio"] + label::after {
  background: #50a7f8;
  border-radius: 50%;
  content: "\00a0";
  height: 9px;
  left: 3px;
  position: absolute;
  top: 3px;
  transform: scale(0);
  transition: transform .2s linear;
  width: 9px;
}

input[type="radio"]:checked + label::after {
  transform: scale(1);
}

input[type="radio"]:focus + label::before {
  outline: 1px dotted #aaa;
}

input[type="radio"]:disabled + label::before {
  background-color: #eee;
  border-color: #aaa;
}

input[type="radio"]:disabled + label::after {
  background-color: #aaa;
}

这篇文章里用到了很多种类的选择器,详情可以参考Selectors Level 3

我将这篇文章里涉及到的内容整合成了一个插件,Radio 欢迎吐槽。

参考资料

转载于:https://www.cnblogs.com/xyzhanjiang/p/5808335.html

深度学习是机器学习的一个领域,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