效率最高的php模板类,一个容易的模板类(PHP)

一个简单的模板类(PHP)

接上话,有了一个数据操作类,这样项目只能简单地操作数据,但是要达到能够和美工一起显示美好的页面,则需要一个比较好的模板引擎。与SMARTY这样比较庞大的模板引擎相比,我想下面这个则真算得小得多了。

这个模板类是我以前在网上看到的,写得比较好,所以我就引用了,还不知道作者是谁,这里就先讲一下这个类的原理。

首先,这个类只有一个简单的正则解析器。但是基本上可以用到了。如果再能够在此基础上扩展,我相相信这个小东西很有发展,请有相同爱好的同志们,来加入到强化他的目地。我这就抛下砖。

template.class.php

';

//编译文件

private $template_c_file = '';

//缓存文件

private $cache_file = '';

//缓存时间

public $cache_time = 0;

//内置解析器

private $preg_temp = array(

'~~i'

=> '', //

'~~i'

=> '', //

'~~i'

=> '', //

'~~i'

=> '_include($2); ?>', // <?php include('inc/top.php'); ?>

'~~' => '', //

'~~' => '', //

'~ 'template_c_dir = TMP_PATH . 'template_c/';

$this->cache_dir = TMP_PATH . 'cache/';

}

}

/**

*变量赋值

*@param $key mixed 键名

*@param $value mixed 值

*/

public function assign($key , $value = ''){

if(is_array($key)){

$this->vars=array_merge($key,$this->vars);

}

else{

$this->vars[$key]=$value;

}

}

/**

*显示页面

*@param $file string 模板文件名

*/

public function display($file){

echo $this->fetch($file);

}

/**

*返回缓存区内容

*@param $file string 模板文件名

*@return $content string 缓存内容

*/

public function fetch($file){

$this->template_file = $file;

$desc_template_file = $this->template_dir .$file;

$desc_content = $this->readfile($desc_template_file);

$template_c_file_time= filemtime($desc_template_file);

//若在超过缓存时间,则编译

if($this->cache_time < time()-$template_c_file_time){

$this->complie($this->token($desc_content));

}

//以下获取缓存区的内容

ob_start();

@extract($this->vars , EXTR_OVERWRITE);

include ($this->template_c_dir . $this->template_c_file);

$content = ob_get_contents();

ob_end_clean();

//$this->store_buff($content);

return $content;

}

/*

*替换分隔符,以及替换解析器的内容

*@param $content string 读取的内容

*@return $token_content string 替换后的内容

*/

public function token($content){

$token_content = $content;

if($left_delimiter != '' , $token_content);

}

$token_content = preg_replace(array_keys($this->preg_temp), $this->preg_temp , $token_content);

return $token_content;

}

/*

*生成储存

*@param $content string 读取的内容

*

public function store_buff($content){

$this->cache_file = md5($this->template_file) . $this->template_file . '.html';

$tempfile = $this->cache_dir . $this->cache_file;

$fp = fopen($tempfile , 'w');

fputs($fp,$content);

fclose($fp);

unset($fp);

}

*/

/*

*编译储存

*@param $content string 读取的内容

*

*/

public function complie($content){

$this->template_c_file = md5($this->template_file) . $this->template_file . '.php';

$tempfile = $this->template_c_dir . $this->template_c_file;

$fp = fopen($tempfile , 'w');

fputs($fp,$content);

fclose($fp);

unset($fp);

}

/*

*读取文件的内容

*@param $file string 文件名

*@return $content string 文件内容

*/

public function readfile($file){

if(file_exists($file)){

$fp = fopen($file , 'r');

$content ='';

while(!feof($fp)){

$content .= fgets($fp,4096);

}

fclose($fp);

unset($fp);

return $content;

}

else{

exit($file . ' not exist!');

}

}

/*

*模板嵌套

*@param $file string 文件名

*@return string 文件的绝对地址

*/

public function _include($file){

if(file_exists($this->template_dir . $file)){

return ($this->template_dir . $file);

}

else{

echo "模板文件不存在";

exit;

}

}

}

?>

有了这个模板,你可以忘记那些大型的模板,毕竟你的美工不会在他的切片文件里写那么多SMARTY的标记,而只要他切好,你可以直接用,不用去修改images , css ,js 地址了。

相关文章

相关视频

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