html iso标准文档,HTML ISO-8859-1 参考手册

本文详细介绍了HTML4.01中的ISO-8859-1字符集,包括ASCII字符集扩展、西欧字符及特殊符号,还涵盖了HTML和XHTML预留的字符及其用途。了解这些对于编写兼容不同浏览器的网页至关重要。
摘要由CSDN通过智能技术生成

HTML ISO-8859-1 参考手册

ISO(全称 International Standards Organization)为不同的字母/语言定义了标准的字符集。在 HTML 4.01 中,ISO-8859-1 是默认的字符。

现代的浏览器支持的字符集:

ISO-8859-1

ISO-8859-1 是大多数浏览器默认的字符集。

ISO-8859-1 的较低部分(从 1 到 127 之间的代码)是最初的 ASCII 字符集(0-9 的数字,大写和小写英文字母表,以及一些特殊字符)。

ISO-8859-1 的较高部分(从 160 到 255 之间的代码)包含了一些西欧国家使用的字符和一些被广泛使用的特殊字符,它们全都有实体名称。

这些符号中的大多数都可以在不进行实体引用的情况下使用,但是实体名称或实体编号为那些不容易通过键盘键入的符号提供了表达的方法。

HTML 预留字符

HTML and XHTML 预留了一些字符。比如,您不能使用包含这些字符的文本,因为浏览器可能会误以为是 HTML 标签。

HTML and XHTML 中央处理器必须识别以下表格所列举的五种特殊字符:字符实体编号实体名称描述

  非间断空格(non-breaking space)

¡¡¡倒置感叹号(inverted exclamation mark)

¢¢¢美分符号(cent)

£££英镑符号(pound)

¤¤¤货币符号(currency)

¥¥¥日元符号(yen)

¦¦¦间断的竖杠(broken vertical bar)

§§§小节号(section)

¨¨¨分音符号(spacing diaeresis)

©©©版权所有(copyright)

ªªª阴性序数记号(feminine ordinal indicator)

«««左双角引号(angle quotation mark (left))

¬¬¬否定符号(negation)

­­­软连字符(soft hyphen)

®®®注册商标(registered trademark)

¯¯¯长音符号(spacing macron)

°°°度符号(degree)

±±±加减号/正负号(plus-or-minus)

²²²上标 2(superscript 2)

³³³上标 3(superscript 3)

´´´尖音符号(spacing acute)

µµµ微米符号(micro)

¶¶¶段落符号(paragraph)

···中间点(middle dot)

¸¸¸变音符号(spacing cedilla)

¹¹¹上标 1(superscript 1)

ººº阳性序数记号(masculine ordinal indicator)

»»»右双角引号(angle quotation mark (right))

¼¼¼1/4 分数(fraction 1/4)

½½½1/2 分数(fraction 1/2)

¾¾¾3/4 分数(fraction 3/4)

¿¿¿倒置问号(inverted question mark)

ISO 8859-1 字符实体字符实体编号实体名称描述

ÀÀÀ大写字母 A,重音(grave accent)

ÁÁÁ大写字母 A,尖音(acute accent)

ÂÂÂ大写字母 A,抑扬音(circumflex accent)

ÃÃÃ大写字母 A,腭化(tilde)

ÄÄÄ大写字母 A,带有变音符号标记(umlaut mark)

ÅÅÅ大写字母 A,带有上圆圈(ring)

ÆÆÆ大写字母 AE

ÇÇÇ大写字母 C,变音(cedilla)

ÈÈÈ大写字母 E,重音(grave accent)

ÉÉÉ大写字母 E,尖音(acute accent)

ÊÊÊ大写字母 E,抑扬音(circumflex accent)

ËËË大写字母 E,带有变音符号标记(umlaut mark)

ÌÌÌ大写字母 I,重音(grave accent)

ÍÍÍ大写字母 I,尖音(acute accent)

ÎÎÎ大写字母 I,抑扬音(circumflex accent)

ÏÏÏ大写字母 I,带有变音符号标记(umlaut mark)

ÐÐÐ冰岛语大写字母 eth

ÑÑÑ大写字母 N,腭化(tilde)

ÒÒÒ大写字母 O,重音(grave accent)

ÓÓÓ大写字母 O,尖音(acute accent)

ÔÔÔ大写字母 O,抑扬音(circumflex accent)

ÕÕÕ大写字母 O,腭化(tilde)

ÖÖÖ大写字母 O,带有变音符号标记(umlaut mark)

×××乘号(multiplication)

ØØØ大写字母 O,带有斜线(slash)

ÙÙÙ大写字母 U,重音(grave accent)

ÚÚÚ大写字母 U,尖音(acute accent)

ÛÛÛ大写字母 U,抑扬音(circumflex accent)

ÜÜÜ大写字母 U,带有变音符号标记(umlaut mark)

ÝÝÝ大写字母 Y,尖音(acute accent)

ÞÞÞ冰岛语大写字母 THORN

ßßß德语小写字母 sharp s

ààà小写字母 a,重音(grave accent)

ááá小写字母 a,尖音(acute accent)

âââ小写字母 a,抑扬音(circumflex accent)

ããã小写字母 a,腭化(tilde)

äää小写字母 a,带有变音符号标记(umlaut mark)

ååå小写字母 a,带有上圆圈(ring)

æææ小写字母 ae

ççç小写字母 c,变音(cedilla)

èèè小写字母 e,重音(grave accent)

ééé小写字母 e,尖音(acute accent)

êêê小写字母 e,抑扬音(circumflex accent)

ëëë小写字母 e,带有变音符号标记(umlaut mark)

ììì小写字母 i,重音(grave accent)

ííí小写字母 i,尖音(acute accent)

îîî小写字母 i,抑扬音(circumflex accent)

ïïï小写字母 i,带有变音符号标记(umlaut mark)

ððð冰岛语小写字母 eth

ñññ小写字母 n,腭化(tilde)

òòò小写字母 o,重音(grave accent)

óóó小写字母 o,尖音(acute accent)

ôôô小写字母 o,抑扬音(circumflex accent)

õõõ小写字母 o,腭化(tilde)

ööö小写字母 o,带有变音符号标记(umlaut mark)

÷÷÷除号(division)

øøø小写字母 o,带有斜线(slash)

ùùù小写字母 u,重音(grave accent)

úúú小写字母 u,尖音(acute accent)

ûûû小写字母 u,抑扬音(circumflex accent)

üüü小写字母 u,带有变音符号标记(umlaut mark)

ýýý小写字母 y,尖音(acute accent)

þþþ冰岛语小写字母 thorn

ÿÿÿ小写字母 y,带有变音符号标记(umlaut mark)

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