1、要求年、月、日三个选择框中的数字使用jQuery代码添加,年份是今年开始向前50年,每月的天数要求与月份对应,页面打开时显示当天日期。(10分) 2、文本框以秒表的形式显示24小时制当前时间,要求时、分、秒始终使用二位数字显示,比如05:09:06,网页打开时显示当前时间,点击“停止”时钟停止计时,点击“开启”时,显示当前时间,(5分) 点击“确定”按钮使用jQuery代码完成操作:在本部分内容的下方插入一个DIV,其中显示当前所选的年、月、日和时间,设置此DIV宽400PX,高300PX,背景为淡蓝色,字体为楷体,字号为18PX。

时间: 2024-03-09 08:48:07 浏览: 11
HTML部分: ```html <!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>jQuery时间选择器</title> <script src="https://cdn.bootcdn.net/ajax/libs/jquery/3.6.0/jquery.min.js"></script> <link rel="stylesheet" href="style.css"> </head> <body> <div class="container"> <h1>jQuery时间选择器</h1> <div> <label>年:</label> <select id="year"></select> <label>月:</label> <select id="month"></select> <label>日:</label> <select id="day"></select> </div> <div> <input type="text" id="clock" readonly> <button id="start">开始</button> <button id="stop">停止</button> </div> <div> <button id="sure">确定</button> </div> </div> <div class="result"></div> <script src="script.js"></script> </body> </html> ``` CSS部分: ```css * { margin: 0; padding: 0; box-sizing: border-box; } .container { max-width: 600px; margin: 50px auto; text-align: center; } h1 { margin-bottom: 50px; } select { width: 100px; font-size: 18px; } #clock { width: 150px; font-size: 24px; text-align: center; margin: 50px; } #start, #stop, #sure { font-size: 18px; padding: 5px 10px; margin: 10px; } .result { width: 400px; height: 300px; margin: 30px auto; background-color: #e0f3ff; font-family: "楷体"; font-size: 18px; text-align: center; line-height: 40px; overflow: auto; } ``` JavaScript部分: ```javascript $(document).ready(function(){ // 初始化年份选择器 var year = new Date().getFullYear(); // 当前年份 for (var i = year; i >= year - 50; i--) { $('#year').append('<option value="' + i + '">' + i + '</option>'); } // 初始化月份选择器 for (var i = 1; i <= 12; i++) { $('#month').append('<option value="' + i + '">' + i + '</option>'); } // 初始化日选择器 function initDays(year, month) { var days = new Date(year, month, 0).getDate(); // 获取当月天数 $('#day').empty(); for (var i = 1; i <= days; i++) { $('#day').append('<option value="' + i + '">' + i + '</option>'); } } initDays(year, 1); // 选择器变化时更新日选择器 $('#year, #month').change(function(){ var year = $('#year').val(); var month = $('#month').val(); initDays(year, month); }); // 显示当前日期 var date = new Date(); $('#year').val(date.getFullYear()); $('#month').val(date.getMonth() + 1); $('#day').val(date.getDate()); // 秒表计时 function updateTime() { var now = new Date(); var hour = now.getHours(); var minute = now.getMinutes(); var second = now.getSeconds(); $('#clock').val(formatNumber(hour) + ':' + formatNumber(minute) + ':' + formatNumber(second)); } var timer = setInterval(updateTime, 1000); // 格式化数字为两位数 function formatNumber(number) { if (number < 10) { return '0' + number; } else { return number; } } // 停止计时 $('#stop').click(function(){ clearInterval(timer); }); // 开始计时 $('#start').click(function(){ clearInterval(timer); timer = setInterval(updateTime, 1000); updateTime(); }); // 确定按钮 $('#sure').click(function(){ var year = $('#year').val(); var month = $('#month').val(); var day = $('#day').val(); var time = $('#clock').val(); var result = '您选择的日期和时间是:' + year + '年' + month + '月' + day + '日 ' + time; $('.result').html(result); }); }); ```

相关推荐

zip
卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Pooling)。 全连接层(Fully Connected Layer): 在CNN的末端,通常会有几层全连接层(也称为密集层或线性层)。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程: CNN的训练过程与其他深度学习模型类似,通过反向传播算法和梯度下降(或其变种)来优化网络参数(如滤波器权重和偏置)。 训练数据通常被分为多个批次(mini-batches),并在每个批次上迭代更新网络参数。 应用: CNN在计算机视觉领域有着广泛的应用,包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据,如文本(通过卷积一维序列)和音频(通过卷积时间序列)。 随着深度学习技术的发展,卷积神经网络的结构和设计也在不断演变,出现了许多新的变体和改进,如残差网络(ResNet)、深度卷积生成对抗网络(DCGAN)等。
zip
卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Pooling)。 全连接层(Fully Connected Layer): 在CNN的末端,通常会有几层全连接层(也称为密集层或线性层)。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程: CNN的训练过程与其他深度学习模型类似,通过反向传播算法和梯度下降(或其变种)来优化网络参数(如滤波器权重和偏置)。 训练数据通常被分为多个批次(mini-batches),并在每个批次上迭代更新网络参数。 应用: CNN在计算机视觉领域有着广泛的应用,包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据,如文本(通过卷积一维序列)和音频(通过卷积时间序列)。 随着深度学习技术的发展,卷积神经网络的结构和设计也在不断演变,出现了许多新的变体和改进,如残差网络(ResNet)、深度卷积生成对抗网络(DCGAN)等。

最新推荐

recommend-type

uniapp 仿微信的右边下拉选择弹出框的实现代码

主要介绍了uniapp 仿微信的右边下拉选择弹出框的实现代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
recommend-type

layer提示框添加多个按钮选择的实例

//询问框 var index = layer.confirm&#40;'下载文件还是在线预览呢?', { btn: ['在线预览','下载',"关闭"], //按钮 shade: false //不显示遮罩 }, function(&#41;{ //关闭提示框 layer.close(index); }, ...
recommend-type

Python自动生成代码 使用tkinter图形化操作并生成代码框架

主要为大家详细介绍了Python自动生成代码,使用tkinter图形化操作并生成代码框架,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

jquery实现input输入框实时输入触发事件代码

代码如下: &lt;input id=”productName” name=”productName” class=”wid10″ type=”text” value=”” /&gt; 代码如下: //绑定商品名称联想 $(‘#productName’).bind(‘input propertychange’, function() {...
recommend-type

springboot整合jquery和bootstrap框架过程图解

主要介绍了springboot整合jquery和bootstrap框架过程图解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

SQL怎么实现 数据透视表

SQL可以通过使用聚合函数和GROUP BY子句来实现数据透视表。 例如,假设有一个销售记录表,其中包含产品名称、销售日期、销售数量和销售额等信息。要创建一个按照产品名称、销售日期和销售额进行汇总的数据透视表,可以使用以下SQL语句: ``` SELECT ProductName, SaleDate, SUM(SaleQuantity) AS TotalQuantity, SUM(SaleAmount) AS TotalAmount FROM Sales GROUP BY ProductName, SaleDate; ``` 该语句将Sales表按照ProductName和SaleDat
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。