jquery判断一个元素是否存在

对于jquery的选择器来说,那简直就是万能的了,没有你不能选择到的元素,的确非常强大,可就是有一个问题,只要你的选择器是错的,应该不是说你选择器是错了,应该说你的选择器指定一个不存在的元素,jquery就给你返回document对象,导致一个问题就是不知道怎么判断一个元素是否存在,经过Google chrome的控制台可以看到一点就是其他的元素长度都是大于0的,而document元素的长度都是0,因为文档只有一个(这是废话了),根据这一点就可以知道怎么判断元素是否存在了,下面是示例

alert($('.freax').length);        //选择一个不存在的元素 弹出 0
//再看看以下会是什么
alert($('.freax'));                //弹出来的是对象,是不是很惊讶,其实那个对象就是document,想知道为什么,就去研究Google chrome 的高级用法吧
alert($('#myfreax').length);    //选择一个存在元素 弹出 1



判断元素是否存在:

if($('.freax').length > 0){
    alert('该元素存在');
}
//-----------------------------------------------
if($('.freax').length == 0){
    alert('该元素不存在');
}




转载于:https://my.oschina.net/freax/blog/371407

  • 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