-
等级
本版专家分：2581结帖率 100% -
怎麼用函數區分字體是檢體還是繁體.js里有內置得麼..展开阅读全文
-
等级
本版专家分：810 -
IE可以自己区分
-
等级
本版专家分：2581
-
不是阿..我要寫函數自己區別...1.要區別os的檢繁體,2.要區別字體的檢繁體
-
等级
本版专家分：3257
-
object.charset :Sets or retrieves the character set used to encode the object
you can use document.charset;
window.navigator.systemLanguage -- is your systemLanguage
-
等级
本版专家分：226463勋章
-
- 进士 2002年 总版技术专家分年内排行榜第六
-
-
微软MVP
2005年7月 荣获微软MVP称号
2006年7月 荣获微软MVP称号
2003年4月 荣获微软MVP称号
-
-
红花
2006年6月 Web 开发大版内专家分月排行榜第一
2006年5月 Web 开发大版内专家分月排行榜第一
2005年12月 Web 开发大版内专家分月排行榜第一
2005年10月 Web 开发大版内专家分月排行榜第一
2005年2月 Web 开发大版内专家分月排行榜第一
2005年1月 Web 开发大版内专家分月排行榜第一
2002年12月 Web 开发大版内专家分月排行榜第一
2002年8月 Web 开发大版内专家分月排行榜第一
2002年7月 Web 开发大版内专家分月排行榜第一
-
-
黄花
2006年3月 Web 开发大版内专家分月排行榜第二
2005年3月 Web 开发大版内专家分月排行榜第二
2004年12月 Web 开发大版内专家分月排行榜第二
2003年2月 Web 开发大版内专家分月排行榜第二
2003年1月 Web 开发大版内专家分月排行榜第二
2002年11月 Web 开发大版内专家分月排行榜第二
2002年12月 多媒体/设计/Flash/Silverlight 开发大版内专家分月排行榜第二
-
-
<script language=javascript>
var s = window.navigator.systemLanguage;
if (s == "zh-cn")alert("该系统用的是 简体中文");
if (s == "zh-tw")alert("该系统用的是 繁体中文");
</script>
-
等级
本版专家分：722勋章
-
-
蓝花
2005年12月 PowerBuilder大版内专家分月排行榜第三
2002年12月 PowerBuilder大版内专家分月排行榜第三
-
-
window.navigator.systemLanguage
window.navigator.userLanguage
zh-cn zh-tw
-
等级
本版专家分：226463勋章
-
- 进士 2002年 总版技术专家分年内排行榜第六
-
-
微软MVP
2005年7月 荣获微软MVP称号
2006年7月 荣获微软MVP称号
2003年4月 荣获微软MVP称号
-
-
红花
2006年6月 Web 开发大版内专家分月排行榜第一
2006年5月 Web 开发大版内专家分月排行榜第一
2005年12月 Web 开发大版内专家分月排行榜第一
2005年10月 Web 开发大版内专家分月排行榜第一
2005年2月 Web 开发大版内专家分月排行榜第一
2005年1月 Web 开发大版内专家分月排行榜第一
2002年12月 Web 开发大版内专家分月排行榜第一
2002年8月 Web 开发大版内专家分月排行榜第一
2002年7月 Web 开发大版内专家分月排行榜第一
-
-
黄花
2006年3月 Web 开发大版内专家分月排行榜第二
2005年3月 Web 开发大版内专家分月排行榜第二
2004年12月 Web 开发大版内专家分月排行榜第二
2003年2月 Web 开发大版内专家分月排行榜第二
2003年1月 Web 开发大版内专家分月排行榜第二
2002年11月 Web 开发大版内专家分月排行榜第二
2002年12月 多媒体/设计/Flash/Silverlight 开发大版内专家分月排行榜第二
-
-
各种语系的简称：
af Afrikaans sq Albanian
ar-sa Arabic(Saudi Arabia) ar-iq Arabic(Iraq)
ar-eg Arabic(Egypt) ar-ly Arabic(Libya)
ar-dz Arabic(Algeria) ar-ma Arabic(Morocco)
ar-tn Arabic(Tunisia) ar-om Arabic(Oman)
ar-ye Arabic(Yemen) ar-sy Arabic(Syria)
ar-jo Arabic(Jordan) ar-lb Arabic(Lebanon)
ar-kw Arabic(Kuwait) ar-ae Arabic(U.A.E.)
ar-bh Arabic(Bahrain) ar-qa Arabic(Qatar)
eu Basque bg Bulgarian
be Belarusian ca Catalan
zh-tw Chinese(Taiwan Region) zh-cn Chinese(PRC)
zh-hk Chinese(Hong Kong SAR, PRC) zh-sg Chinese(Singapore)
hr Croatian cs Czech
da Danish nl Dutch(Standard)
nl-be Dutch(Belgian) en English
en-us English(United States) en-gb English(British)
en-au English(Australian) en-ca English(Canadian)
en-nz English(New Zealand) en-ie English(Ireland)
en-za English(South Africa) en-jm English(Jamaica)
en English(Caribbean) en-bz English(Belize)
en-tt English(Trinidad) et Estonian
fo Faeroese fa Farsi
fi Finnish fr French(Standard)
fr-be French(Belgian) fr-ca French(Canadian)
fr-ch French(Swiss) fr-lu French(Luxembourg)
gd Gaelic(Scots) gd-ie Gaelic(Irish)
de German(Standard) de-ch German(Swiss)
de-at German(Austrian) de-lu German(Luxembourg)
de-li German(Liechtenstein) el Greek
he Hebrew hi Hindi
hu Hungarian is Icelandic
in Indonesian it Italian(Standard)
it-ch Italian(Swiss) ja Japanese
ko Korean ko Korean(Johab)
lv Latvian lt Lithuanian
mk Macedonian ms Malaysian
mt Maltese no Norwegian(Bokmal)
no Norwegian(Nynorsk) pl Polish
pt-br Portuguese(Brazilian) pt Portuguese(Standard)
rm Rhaeto-Romanic ro Romanian
ro-mo Romanian(Moldavia) ru Russian
ru-mo Russian(Moldavia) sz Sami(Lappish)
sr Serbian(Cyrillic) sr Serbian(Latin)
sk Slovak sl Slovenian
sb Sorbian es Spanish(Spain - Traditional Sort)
es-mx Spanish(Mexican) es Spanish(Spain - Modern Sort)
es-gt Spanish(Guatemala) es-cr Spanish(Costa Rica)
es-pa Spanish(Panama) es-do Spanish(Dominican Republic)
es-ve Spanish(Venezuela) es-co Spanish(Colombia)
es-pe Spanish(Peru) es-ar Spanish(Argentina)
es-ec Spanish(Ecuador) es-cl Spanish(Chile)
es-uy Spanish(Uruguay) es-py Spanish(Paraguay)
es-bo Spanish(Bolivia) es-sv Spanish(El Salvador)
es-hn Spanish(Honduras) es-ni Spanish(Nicaragua)
es-pr Spanish(Puerto Rico) sx Sutu
sv Swedish sv-fi Swedish(Finland)
th Thai ts Tsonga
tn Tswana tr Turkish
uk Ukrainian ur Urdu
ve Venda vi Vietnamese
xh Xhosa ji Yiddish
zu Zulu
-
等级
本版专家分：2581
-
可以區分繁體os下的檢體和繁體子和檢體os下的檢體和繁體字麼
-
等级
本版专家分：2581
-
還要求是js寫的函數..大家幫幫忙
-
等级
本版专家分：3257
-
还可以判断用户当前是否在线呢.
window.navigator.onLine
-
等级
本版专家分：2581
-
我用vbs寫了.但是不能判斷出來./有沒有寫過的
- 进入AI领域做产品 —— 我的自学之路
做产品经理这份工作将涉及大量选择，本质上，是需要“输入→内视→输出”的环节更多，所以为了更好的去进行“输出”，学习“输入”（AI基础认知、产品认知、技术通识）以及“内视”（认知框架）的重要性就不言而喻了...
- Java基础部分
基础部分的一些总结，基本都是在学习的时候遇到的一些问题，有些是来自于其他人的博客，有些是自己总结的，如果有侵权请联系我，并表示歉意。 ---------------------------------------------... java中代码的注释和快
- python中文语料分词处理，按字或者词cut_sentence
cut_sentence.py import string import jieba import jieba.posseg as psg import logging #关闭jieba日制 jieba.setLogLevel(logging.INFO) jieba.load_userdict("./corpus/keywords.txt") ...stopwords_path = "......
- web学习笔记
常用属性............................................................................................ 1 Html基础..................................................................................... 3 ...
- 我在CSDN参与的3000个帖子
今日偶然翻到，感慨万千 1：申述：版主，是否扣了我的专家分... 5：呵呵，来推荐一下我的网站，本站提供大量当今流行的免费的音乐和免费电影，常用软件、游戏、精美图库下载,希望对网友有帮助!顺便散分! 6：VBA请教怎
- 特征选择+++分裂大法好
1，xgboost分布式预测 2，xgboost特征选取代码 ======================================================================================================================================================...
- shell
讲解一 1.概念 位置参数(position parameter) 运行脚本前(调用函数前)，shell 传递给脚本的参数。 2. 原理 bash 脚本的位置参数的传递可以做如下理解: 1. shell将用户输入的命令行 分别赋值给... 2....
- 电脑小技巧
.重装WindowsXP不需再激活如果你需要重装WindowsXP，通常必须重新激活。事实上只要在第一次激活时，备份好Windows\System32目录中的Wpa.dbl文件，就不用再进行激 活的工作了。在重装WindowsXP后，只需要复制该文件到...
- 150个电脑技巧
150个电脑技巧 如果你需要重装Windows XP，通常必须重新激活。事实上只要在第一次激活时，备份好Windows/System32目录中的Wpa.dbl文件，就不用再进行激活的工作了。在重装Windows XP后，只需要复制该文件到上面的...
- 嵌入式面试题
一、ANSI C/C++方面的知识 一.1、简答题。下面的题目必须全部答对才给分(20分)： 1、 如何在C中初始化一个字符数组。2、 如何在C中为一个数组分配空间。 3、 如何初始化一个指针数组。 4、 如何定义一个有10个元素的...
- 个人电脑详细的安全设置方法
由于现在家用电脑所使用的操作系统多数为Win XP 和Win2000 pro（建议还在使用98的朋友换换系统，连微软都放弃了的系统你还用它干嘛 ？）所以后面我将主要讲一下基于这两个操作系统的安全防范。 个人电脑常见的...
- windows的140个巧
1. 重装Windows XP不需再激活 如果你需要重装Windows XP，通常必须重新激活。事实上只要在第一次激活时，备份好Windows\System32目录中的Wpa.dbl文件，就不用再进行激活的工作了。在重装Windows XP后，只需要复制该...
- 嵌入式或LINUX相关研发面试题目
一、ANSI C/C++方面的知识 一.1、简答题。下面的题目必须全部答对才给分(20分)： 1、 如何在C中初始化一个字符数组。 2、 如何在C中为一个数组分配空间。 3、 如何初始化一个指针数组。 4、 如何定义一个有10个元素...
- 彻底了解DVD:从入门到精通
彻底了解DVD:从入门到精通-转自山楂树论坛白衣原创第一章 缘起 那片直径120mm的小小的塑料片，闪耀着一种迷幻般的光泽。一束绚丽的激光照射在这小小的塑料圆片上，成千上万比特的数据流沿着一根细细的光纤从DVD影...
- 嵌入式或linux测试
一、ANSI C/C++方面的知识 一.1、简答题。下面的题目必须全部答对才给分(20分)： 1、 如何在C中初始化一个字符数组。 2、 如何在C中为一个数组分配空间。 ...3、 如何初始化一个指针数组。...
- linux常见命令
-->2004年10月04日用wget下载整个网站的方法wget -r -p -np -k http://202.38.75.11/~jbhuang/blog/kingpaul @ 06:40 PM 发表于 linux | 编辑 | 留言 (0) | TrackBack (0) -->2004年09月23日Linux下配置DHCP服务
- linux
Welcome to my blog — ZwelL Do my best… ...由于书中后面章节都有一些简单的源程序实例来对各章的基本概念进行解释，因此必须具备必要的网络编程知识。...在平时工作中，为了查找安全漏洞，也需要编写一些...
- 编程术语英汉对照
abstract 抽象的 抽象的 abstraction 抽象体、抽象物、抽象性 抽象体、抽象物、抽象性 access 存取、取用 存取、访问 access level 存取级别 访问级别 access function 存取函式 访问函数 activate 活化 激活 active...
- 电脑技巧全书(超详细.)
目录检索（相关文章在对应的目录下找~~）~~1、最全的windows操作系统快捷键-------------------------------------1楼 2、Windows 开始→运行→命令 集锦! ---------------------------------2楼3、如何释放C盘空间 ...
- SQLSERVER完全优化教程
1、没有索引或者没有用到索引(这是查询慢最常见的问题，是程序设计的缺陷) 我们把这种 正文内容 本身就是一种按照一定规则排列的 目录 称为“聚集索引”。 需要两个过程，先找到目录中的结果，然后再翻到您所...
- NSIS (NullSoft Scriptable Install System)使用指北(超详细)
可通过样例修改或根据自己要求编写 NSI 脚本文件来定制自己的安装系统，可实现许可协议的显示、安装类型的选择、写入注册表、写入INI文件、连接程序外壳、语句跳转、提示信息显示、创建卸载程序、定制安装和卸载程序...
- 参考文献
[ IIS 6 = php 5 + MySQL 5 ]body { font-family:verdana; cursor:default;}td {font-size:14px;color:darkslategray;line-height:150%}a:link {color:whitesmoke}a:hover {color:silver}a:visited
- 面试题1
一、ANSI C/C++方面的知识 一.1、简答题。下面的题目必须全部答对才给分(20分)： 1、 如何在C中初始化一个字符数组。 2、 如何在C中为一个数组分配空间。 3、 如何初始化一个指针数组。 4、 如何定义一个有10个元素...
- 大家一起学电脑之硬件版
大家一起学电脑之硬件版首先文章还是先从硬件的认识开始，再到安装操作系统的注意事项，再到进入与退出系统可能发生的情况与问题，然后再说单个硬件的详解，最后再说故障和技巧吧。晕，因为有些文章因为发现的晚，...
- Unix编程/应用问答中文版(转）
Unix编程/应用问答中文版 名称 -- Unix编程/应用问答中文版版本 -- 0.04 ( 2003-10-09 外发版 )维护 -- 小四 scz@nsfocus.com>主页 -- http://www.nsfocus.com创建 -- 2001-02-05 13:49更新 -- 2004-02-05 09:23感谢...
- 计算机设计大赛作品开发文档
参加的是2020年的计算机设计大赛，软件应用与开发赛道。我们的开发文档仅供参考。（20页）
- 2021华中杯A第一问配套思路.rar
2021华中杯第一问配套思路，内涵第一问处理后的可读数据，输出结果，可视化图片，RGB转换函数。（R语言代码） 声明：只可自己使用，不可商用。违者必究。 具体思路见：https://tjxwz.blog.csdn.net/article/details/116310441
- matlab神经网络30个案例分析
【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别，建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征，分别是前面提及过的：最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8)，使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据，选定反馈神经网络的输入、输出节点，来反映电力系统负荷运行的内在规律，从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础，建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值（MIV，Mean Impact Value）方法来说明如何使用神经网络来筛选变量，找到对结果有较大影响的输入项，继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理，建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度），这些特征与肿瘤的性质有密切的关系。因此，需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系，从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像，图像来自不同的10个人，每人5幅图像，人脸的朝向分别为：左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络，对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理，在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘，但是由于网络入侵特征数据维数较多，不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理，在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中，建立模型时选用的每个样本（即病例）数据包括10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度）的平均值、10个量化特征的标准差和10个量化特征的最坏值（各特征的3个最大数据的平均值）共30个数据。明显，这30个输入自变量相互之间存在一定的关系，并非相互独立的，因此，为了缩短建模时间、提高建模精度，有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理，在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理，在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户，快速地利用神经网络解决实际问题，MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用，MATLAB R2009a提供了三种神经网络拟合工具箱（拟合工具箱/模式识别工具箱/聚类工具箱）。
- Centos7安装JDK1.8、Nginx-附件资源
Centos7安装JDK1.8、Nginx-附件资源
- 数学建模30种算法大全
数学建模最常用的30种算法！ 全国大学生数学建模竞赛创办于1992年，每年一届，已成为全国高校规模最大的基础性学科竞赛，也是世界上规模最大的数学建模竞赛。2018年，来自全国34个省/市/区(包括香港、澳门和台湾)及美国和新加坡的1449所院校/校区、42128个队（本科38573队、专科3555队）、超过12万名大学生报名参加本项竞赛。