python 学习 第八篇 jquery

简介:

简介:

jQuery是一个javascript库。极大滴简化了javascript编程。

包含内容:

HTML 元素选取

HTML 元素操作

CSS 操作

HTML 事件函数

JavaScript 特效和动画

HTML DOM 遍历和修改

AJAX


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
1:下载 jQuery
共有两个版本的 jQuery 可供下载:一份是生产版本jQuery.min.js(最小化和压缩过的),另一份是开发版jQuery.js(未压缩的供调试或阅读)。
这两个版本都可http: //jquery .com /download/  下载。
 
2:如何导入jQuery——直接在html中的< head >< /head >标签导入即可(生产环境下,为了提高页面加载速度,通常讲js文件放到页面最下面)
< head >
<script  type = "text/javascript"  src= "../jquery.min.js" >< /script #写上js所在的路径即可
< /head >
 
3:库的替代
Google 和 Microsoft 对 jQuery 的支持都很好。
如果您不愿意在自己的计算机上存放 jQuery 库,那么可以从 Google 或 Microsoft 加载 CDN jQuery 核心文件。
使用 Google 的 CDN
< head >
<script  type = "text/javascript"  src= "http://ajax.googleapis.com/ajax/libs/jquery/1.4.0/jquery.min.js" >< /script >
< /head >
使用 Microsoft 的 CDN
< head >
<script  type = "text/javascript"  src= "http://ajax.microsoft.com/ajax/jquery/jquery-1.4.min.js" >< /script >
< /head >
 
4:jQuery的基本三步走
 
1:选择器——找到需要操作的元素
2:操作——DOM元素进行增删改查
2,1:操作html文档内容——常用元素 table form div等
2.2:操作html元素属性——常用属性
2.3:操作html元素的样式——css (其实也属于属性)
3: 事件——什么情况下触发jQuery的操作, ajax等


例子:

在login.html中引用jquery

wKioL1fFHmTD-G2gAABcOehgmFE298.jpg

效果

wKioL1fFHn6RcJDIAAApyBATb84043.jpg

 jquery异步请求

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
<!DOCTYPE html>
< html >
< head >
< meta  charset = "utf-8" >
< title >登录</ title >
</ head >
< body >
     <!--<form method="post" action="/login"> -->
         < form  id = "loginform" >
         < input  id = "name"  type = "text"  name = "name"  placeholder = "用户名" >
         < input  id = "password"  type = "password"  name = "password"  placeholder = "密码" >
         < input  id = "loginbtn"  type = "submit"  value = "登录" >
     </ form >
     < form  action = "/operation" >
         < td >
                 < a  href = "/adduser"  type = "submit" >注册</ a >
         </ td >
     </ form >
     {% if result %}
     < div  style = "color:red" >
         `result`
     </ div >
     {% endif %}
< script  src = "/static/js/jquery-3.1.0.min.js" ></ script >
</ body >
</ html >


2.在谷歌浏览器中按F12进入调试模式。在console中输入

$('#loginform').serialize()  作用是把表单中的所有值都拿到

$:表示jquery       

loginform:表示选择器        

id:是html元素的唯一标识,同一个页面中不能出现重名的id


jquery基础语法:

$(selector).action()

$(选择器).动作

常用的动作

1:$(选择器).html(value)   #获取或设置html标签值

2:$(选择器).val(value)    #获取或设置表单标签值

3:$(选择器).attr(value)   #获取或设置属性标签值

4:$(选择器).css(value)    #获取或设置标签样式值


例子:通过jquery对html元素进行操作


wKiom1fFH1jDFXQ-AABYI2acY2s751.png

val()操作表单的值

wKiom1fFH2jx5lLSAAAR7_niWMg543.png

获取html

wKioL1fFH2nSjPaSAAAw7xthjBY166.png



本文转自 shouhou2581314 51CTO博客,原文链接:http://blog.51cto.com/thedream/1844275,如需转载请自行联系原作者

相关文章
|
20小时前
|
网络安全 Python
网安之python基础学习练习(2-3)
本篇博文是关于网络安全课程中Python编程的学习实践总结。分享关于两个练习题目及其解决方案。第一个题目要求用户输入姓名并选择一项武技,使用for循环和if判断实现。第二个题目是删除列表中特定值(如&#39;cat&#39;)的所有元素,作者展示了两种方法,包括列表推导式和常规循环删除。接下来,文章还介绍了如何编写一个函数,随机生成一副扑克牌(除大小王),并返回一张随机抽取的牌。
|
20小时前
|
存储 网络安全 索引
网安之python基础学习练习(1)
本篇博文是关于网络安全课程中Python编程学习的总结,主要内容包括:1) 常见数据类型的回顾和应用,如数字(整数、浮点数、复数)、字符串、列表、元组、集合、字典和布尔类型;2) 数据类型的实例操作,展示如何创建和使用这些类型;3) 数值类型之间的加、减、乘、除和模运算;4) 列表和元组的索引访问;5) 字典的修改,如查看键和值,以及更新值。文章强调了基础知识的重要性,并以“自满必定失败,骄傲必定后悔”作为每日一言。
|
2天前
|
机器学习/深度学习 数据挖掘 程序员
Python学习难度的具体标准
Python学习难度因个人编程背景、目标、资源和学习能力而异。对有编程经验者来说,Python的简单语法使其易上手;而对于新手,理解基础概念可能需更多时间。不同应用领域(如Web开发、数据分析)的学习曲线也不同。丰富的学习资源适应各种水平,但选择合适资源很重要。成功学习Python需要逻辑思维、问题解决能力及毅力。总的来说,Python学习难度因人而异,需结合自身条件评估。
12 0
|
2天前
|
存储 索引 Python
python数据结构知识学习
【5月更文挑战第6天】Python提供四种核心数据结构:列表(List)——可变有序集合,支持索引和切片;元组(Tuple)——不可变有序集合;字典(Dictionary)——键值对结构,通过键访问值;集合(Set)——无序不重复元素集合,支持数学运算。此外,Python允许自定义数据结构,如链表、树、图,以适应不同问题需求。
11 0
|
8天前
|
机器学习/深度学习 分布式计算 物联网
【Python机器学习专栏】联邦学习:保护隐私的机器学习新趋势
【4月更文挑战第30天】联邦学习是保障数据隐私的分布式机器学习方法,允许设备在本地训练数据并仅共享模型,保护用户隐私。其优势包括数据隐私、分布式计算和模型泛化。应用于医疗、金融和物联网等领域,未来将发展更高效的数据隐私保护、提升可解释性和可靠性的,并与其他技术融合,为机器学习带来新机遇。
|
8天前
|
机器学习/深度学习 自然语言处理 搜索推荐
【Python机器学习专栏】迁移学习在机器学习中的应用
【4月更文挑战第30天】迁移学习是利用已有知识解决新问题的机器学习方法,尤其在数据稀缺或资源有限时展现优势。本文介绍了迁移学习的基本概念,包括源域和目标域,并探讨了其在图像识别、自然语言处理和推荐系统的应用。在Python中,可使用Keras或TensorFlow实现迁移学习,如示例所示,通过预训练的VGG16模型进行图像识别。迁移学习提高了学习效率和性能,随着技术发展,其应用前景广阔。
|
8天前
|
机器学习/深度学习 算法 前端开发
【Python机器学习专栏】集成学习中的Bagging与Boosting
【4月更文挑战第30天】本文介绍了集成学习中的两种主要策略:Bagging和Boosting。Bagging通过自助采样构建多个基学习器并以投票或平均法集成,降低模型方差,增强稳定性。在Python中可使用`BaggingClassifier`实现。而Boosting是串行学习,不断调整基学习器权重以优化拟合,适合弱学习器。Python中可利用`AdaBoostClassifier`等实现。示例代码展示了如何在实践中运用这两种方法。
|
8天前
|
机器学习/深度学习 算法 数据挖掘
【Python机器学习专栏】关联规则学习:Apriori算法详解
【4月更文挑战第30天】Apriori算法是一种用于关联规则学习的经典算法,尤其适用于购物篮分析,以发现商品间的购买关联。该算法基于支持度和置信度指标,通过迭代生成频繁项集并提取满足阈值的规则。Python中可借助mlxtend库实现Apriori,例如处理购物篮数据,设置支持度和置信度阈值,找出相关规则。
|
8天前
|
机器学习/深度学习 算法 前端开发
【Python机器学习专栏】集成学习算法的原理与应用
【4月更文挑战第30天】集成学习通过组合多个基学习器提升预测准确性,广泛应用于分类、回归等问题。主要步骤包括生成基学习器、训练和结合预测结果。算法类型有Bagging(如随机森林)、Boosting(如AdaBoost)和Stacking。Python中可使用scikit-learn实现,如示例代码展示的随机森林分类。集成学习能降低模型方差,缓解过拟合,提高预测性能。
|
10天前
|
Python
【Python21天学习挑战赛】- 错误和异常
【Python21天学习挑战赛】- 错误和异常