IE条件注释详解

IE条件注释是微软从IE5开始就提供的一种非标准逻辑语句,作用是可以灵活的为不同IE版本浏览器导入不同html元素,如:样式表,html标签等。很显然这种方法的最大好处就在于属于微软官方给出的兼容解决办法而且还能通过W3C的效验。

让我们举几个例子来看看:

1、只有IE才能识别 

1
2
3
<!--[if IE]>
  <link type="text/css" rel="stylesheet" href="my.css" />
<![endif]-->

因为只有IE5以上的版本才开始支持IE条件注释,所有“只有IE”才能识别的意思是“只有IE5版本以上”才能识别。

2、只有特定版本才能识别

1
2
3
<!--[if IE 8]>
<link type="text/css" rel="stylesheet" href="my.css" />  
<![endif]-->

识别特定的IE版本,高了或者低了都不可以。上例只有IE8才能识别。

3、只有不是特定版本的才能识别

1
2
3
<!--[if !IE 7]>
<link type="text/css" rel="stylesheet" href="my.css" />  
<![endif]-->

上例中特定IE7版本不能识别,其他版本都能识别,当然要在IE5以上。

4、只有高于特定版本才能识别

1
2
3
<!--[if gt IE 7]>
<link type="text/css" rel="stylesheet" href="my.css" />  
<![endif]-->

上例中只有高于IE7的版本才能识别。IE7无法识别。

5、等于或者高于特定版本才能识别

1
2
3
<!--[if gte IE 7]>
<link type="text/css" rel="stylesheet" href="my.css" />  
<![endif]-->

上例中IE7和更高的版本都能识别。

6、只有低于特定版本的才能识别

1
2
3
<!--[if lt IE 7]>
<link type="text/css" rel="stylesheet" href="my.css" />  
<![endif]-->

上例中只有低于IE7的版本才能识别,IE7无法识别。

7、等于或者低于特定版本的才能识别

1
2
3
<!--[if lte IE 7]>
<link type="text/css" rel="stylesheet" href="my.css" />  
<![endif]-->

上例中IE7和更低的版本可以识别。

关键词解释

上面那些代码好像很难记的样子,其实只要稍微解释一下关键字就很容易记住了。

lt :就是Less than的简写,也就是小于的意思。

lte :就是Less than or equal to的简写,也就是小于或等于的意思。

gt :就是Greater than的简写,也就是大于的意思。

gte:就是Greater than or equal to的简写,也就是大于或等于的意思。

!:就是不等于的意思,跟javascript里的不等于判断符相同。

这样解释一下,是不是好记多了。

特别提示:

1、有人会试图使用<!--[if !IE]>来定义非IE浏览器下的状况,但注意:条件注释只有在IE浏览器下才能执行,这个代码在非IE浏览下被当做注释视而不见。

2、我们通常用IE条件注释根据浏览器不同载入不同css,从而解决样式兼容性问题的。其实它可以做的更多。它可以保护任何代码块——HTML代码块、JavaScript代码块、服务器端代码……看看下面的代码。

1
2
3
4
5
<!--[if IE]>
<script type="text/javascript">
  alert("你使用的是IE浏览器!");
</script>
<![endif]-->
  • 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