前端CSS第二阶段-001
社区首页 (3653)
请编写您的帖子内容
社区频道(11)
显示侧栏
卡片版式
技术分享
福利篇
开发语言
刷题
测试
网络安全
面试
心得体会
其他
博文收录
Ada助手
最新发布
最新回复
标题
阅读量
内容评分
精选

240
评分
回复
前端CSS第二阶段-001
在css中,可以根据选择器的类型把选择器分为基础选择器和复合选择器,复合选择器是建立在基础选择器之上,对基本选择器进行组合形成的。复合选择器可以更准确、更高效的选择目标元素(标签)复合选择器是由两个或者多个基础选择器,通过不同的方式组合而成的常用的复合选择器包括有:后代选择器、子选择器、并集选择器、伪类选择器等等。
复制链接 扫一扫
分享

215
评分
回复
前端CSS学习之路-css002
属性表示注意点font-size字号我们通常用的单位是px像素,一定要跟上单位。字体实际工作中按照团队约定来写字体字体粗细记住加粗是700或者bold,不加粗是normal或者400,记住数字不要跟单位font-style字体样式记住倾斜是italic,不倾斜是normal,工作中我们最常用的是normalfont字体连写1.字体连写是有顺序的,不能随意换位置。2.其中字号和字体必须同时出现。
复制链接 扫一扫
分享

240
评分
回复
2023起点上,一段迷茫的自我倾诉
回顾记忆中渐渐远去的2022。
复制链接 扫一扫
分享

233
评分
回复
开启前端CSS学习之路-css001
基础选择器作用特点使用情况用法标签选择器可以选出所有相同的标签,比如p不能差异化选择较多类选择器可以选出1个或者多个标签可以根据需求实际情况选择非常多id选择器一次只能选择1个标签ID属性只能在每个HTML文档中出现一次一般和js搭配通配符选择器选择所有标签选择的太多,有部分不需要特殊情况使用。
复制链接 扫一扫
分享

224
评分
回复
使用Windbg分析多线程临界区死锁问题分享
使用Windbg分析多线程临界区死锁问题分享。
复制链接 扫一扫
分享

230
评分
回复
引发C++程序内存错误的常见原因分析与总结
系统全面地总结引发C++程序内存错误的各种原因,以供参考。
复制链接 扫一扫
分享

227
评分
回复
模型在maixpy
一个小白将垃圾分类模型部署到k210的maixpy开发板,的各种尝试与踩坑记录。
复制链接 扫一扫
分享

229
评分
回复
如何搭建邮箱服务器
搭建邮局服务器的想法之前一直都有,不过一直没有尝试,国庆的时候从阿里云换到了腾讯云的时候尝试直接使用postfix和dovecot搭建,尝试了大概3天被劝退了,重新使用现成的解决方案也算终于搭建好了,可以愉快的使用自建邮箱了 ()更新了 mailu 的搭建,虽然 mailu 相比 mailcow 可以使用宿主机的数据库,不过 mailu 配置 SMTPS / IMAPS / POP3S 不如 mailcow 简单方便,也没怎么研究,目前没有切换到 mailu 的打算。
复制链接 扫一扫
分享

239
评分
回复
【函数】一篇文章带你看懂控制流、递归、高阶函数
递归 (Recursion) 在数学与计算机科学中,是指在函数的定义中使用函数自身的方法。递归一词还较常用于描述以自相似方法重复事物的过程。例如,当两面镜子相互之间近似平行时,镜中嵌套的图像是以无限递归的形式出现的。也可以理解为自我复制的过程。以下是一个可能更有利于理解递归过程的解释:我们已经完成了吗?如果完成了,返回结果。如果没有这样的终止条件,递归将会永远地继续下去。如果没有,则简化问题,解决较容易的问题,并将结果组装成原始问题的解决办法。然后返回该解决办法。
复制链接 扫一扫
分享

234
评分
回复
【科普小知识】KMS 是什么?
KMS (全称:Key Management Service)是一款Windows密钥管理服务,他是由微软开放的,功能在 Windows Vista之后的产品中的一种新型产品激活机制,目的是Microsoft更好的遏制非法软件授权行为也就是盗版。
复制链接 扫一扫
分享

250
评分
回复
【内存对齐】一篇文章带你看懂内存对齐(万字详细介绍+代码样例)
众所周知,运行的程序是需要内存占用的,在编码时假定栈上的空间是连续的,且定义的所有变量都连续分布在栈上。实际上,虽然变量是连续分布在栈上的,但编译器会根据不同类型与对齐方式,将变量重新排列,达到最优情况。所以就衍生出了今天要讲的内存对齐。
复制链接 扫一扫
分享

281
评分
回复
【力扣】423.从英文中重建数字
给你一个字符串 s ,其中包含字母顺序打乱的用英文单词表示的若干数字(0-9)。按 升序 返回原始的数字。我发现重建单词可以分为三个批次,分别是{two, four, six, eight, zero},{one, three, five, seven}, {nine},如果按照这样的批次顺序去重建单词,上述两个问题就消失了,而同批次的单词之间重建顺序可以是任意的。第一批次中的单词都至少有一个字母是它在这10个单词中独有的,如果这独有的字母还没用完,那必然是还要继续重建那独自占有它的单词。
复制链接 扫一扫
分享

267
评分
回复
Node.js | 详解 JWT 登录验证 的工作原理
之前我们对Cookie&Session的工作原理存储问题和CSRF问题。为了解决/避免这些问题,开发者们开始使用更加成熟的JWT来代替作为登录验证的首选技术方案,这一节我们就将详细讲解JWT登录验证的工作原理,快来围观吧!
复制链接 扫一扫
分享

245
评分
回复
dump文件类型与dump文件生成方法详解
dump文件类型与dump文件生成方法详解。
复制链接 扫一扫
分享

263
评分
回复
【蓝桥杯Web】第十四届蓝桥杯(Web 应用开发)模拟赛 2 期 | 精品题解
第十四届蓝桥杯Web应用开发模拟赛第二期昨天正式开始了(本来写的是今天正式开始了,结果没想到这篇文章写到了凌晨1点😵💫),博主也是第一时间为大家带来了题解!这篇题解包含了大学组和职业院校组的所有内容。因为自己在做题时忘记保存代码了,所以写这篇题解时我不得不又重新做了一遍,看在博主这么肝的份上,大佬们给个一键三连加关注吧!🤗 话不多说,开撕!
复制链接 扫一扫
分享

275
评分
回复
Windbg可以看到Visual Studio中看不到的有效函数调用堆栈
Visual Studio中看不到有效的函数调用堆栈,用Windbg调试可以看到
复制链接 扫一扫
分享

234
评分
回复
【卷积】快来试试轮廓提取
最近学到了深度学习的卷积操作,在卷积神经网络出现之前,就已经有使用卷积核 (也叫滤波器),但那时的卷积核依靠人工的经验和知识来进行设计,而不能像卷积神经网络中那样让机器自己学习出合适的卷积核参数。下面就介绍通过卷积来获取图像轮廓图的操作。首先,图片是由像素点构成的。卷积的一个基本操作就是对应元素相乘然后再求和的操作,然后卷积核窗口在图片上不断滑动,就会得到一张新的“特征图”。
复制链接 扫一扫
分享

229
评分
回复
【算法 | 实验18】在字符矩阵中查找给定字符串的所有匹配项
在字符矩阵中查找给定字符串的所有匹配项给定一个M×N字符矩阵,以及一个字符串S,找到在矩阵中所有可能的连续字符组成的S的次数。所谓的连续字符,是指一个字符可以和位于其上下左右,左上左下,右上右下8个方向的字符组成字符串。用回溯法求解。bug记录:“error: ‘>>’ should be ‘> >’ within a nested template argument list”“错误:”>>“在嵌套模板参数列表中应为”> >”
复制链接 扫一扫
分享

250
评分
回复
Node.js | Express+MongoDB 实现简易用户管理系统(三)(登录验证之Cookie&Session)
在前面的几节中我们已经创建并优化好了简易用户管理系统的项目结构,也对Cookie-Session登录验证的工作原理做了讲解,接下来我们将继续补充这个系统的功能,这一节我们将实战运用来实现这个系统的登录验证功能。
复制链接 扫一扫
分享
为您搜索到以下结果:
97
社区成员
376
社区内容
发帖
与我相关
我的任务
跳楼梯企鹅(个人社区)
技术交友,和谐发展,混子勿扰
复制链接 扫一扫
分享确定
社区描述
技术交友,和谐发展,混子勿扰 网络安全开发语言前端 个人社区
加入社区
获取链接或二维码
- 近7日
- 近30日
- 至今
加载中
社区公告
暂无公告