HTML标签属性与字体效果详解

需积分: 0 3 下载量 106 浏览量 更新于2024-09-27 收藏 66KB DOC 举报
"该文档是关于HTML标签属性的全面总结,包含了各种常见的HTML标签和它们的属性,旨在帮助用户理解和掌握HTML元素的使用方法。文档中特别提到了`<marquee>`标签用于创建滚动文本效果,以及一系列与字体效果相关的HTML标签,如标题标签`<h1>`到`<h6>`,以及各种文字样式标签,如`<b>`、`<i>`、`<strong>`、`<em>`等。" HTML是一种超文本标记语言,它是构建网页的基础,通过使用不同的标签来定义网页内容的结构和样式。在HTML中,标签通常是成对出现的,如`<tagname>`和`</tagname>`,它们之间包含的内容将受到该标签的影响。 文档中的`<marquee>`标签是HTML中一个非标准但仍然被广泛使用的元素,用于创建滚动或滑动的文本效果。`<marquee>`的属性包括: 1. `behavior`: 控制滚动方式,可以设置为`slide`(滑动)、`scroll`(预设卷动)或`alternate`(来回卷动)。 2. `direction`: 定义滚动方向,可设置为`down`(向下)、`up`(向上)、`right`(向右)或`left`(向左)。 3. `loop`: 指定滚动次数,如果设置为正整数,则会滚动指定次数;设置为负数或0则无限循环。 4. `width`和`height`: 分别用于设定滚动区域的宽度和高度。 5. `bgcolor`: 设置滚动区域的背景颜色。 6. `scrollamount`和`scrolldelay`: 分别控制滚动速度和每次滚动之间的延迟时间。 7. `onmouseover`和`onmouseout`: 这些JavaScript事件可以用来暂停或恢复滚动效果,当鼠标悬停在`<marquee>`元素上时触发。 除了`<marquee>`,文档还介绍了多种用于字体效果的HTML标签: - `<h1>`到`<h6>`:定义不同级别的标题,数字越大,标题越小。 - `<b>`和`<strong>`:两者都用于表示强调,通常表现为加粗字体,`<strong>`更强调语义上的重要性。 - `<i>`和`<em>`:用于斜体显示,`<em>`同样强调语义上的重要性。 - `<dfn>`:表示定义,常用于定义术语。 - `<u>`:添加下划线。 - `<ins>`:表示插入的文字,通常带有下划线。 - `<strike>`和`<s>`:用于显示删除线。 - `<del>`:语义上表示已删除的内容。 - `<kbd>`:用于表示键盘输入的文本。 - `<tt>`:呈现类似打字机字体的效果。 - `<xmp>`和`<plaintext>`、`<listing>`:这些标签用于呈现固定宽度的字体,其中`<xmp>`和`<plaintext>`不执行HTML标记,而`<listing>`则保留简单的格式。 了解并熟练运用这些HTML标签和属性,可以帮助开发者创建更具表现力和交互性的网页内容。虽然现代Web开发更倾向于使用CSS来控制样式和布局,但这些基础知识仍然是HTML学习的重要组成部分。

import sys import re import jieba import codecs import gensim import numpy as np import pandas as pd def segment(doc: str): stop_words = pd.read_csv('data/stopwords.txt', index_col=False, quoting=3, names=['stopword'], sep='\n', encoding='utf-8') stop_words = list(stop_words.stopword) reg_html = re.compile(r'<[^>]+>', re.S) # 去掉html标签数字等 doc = reg_html.sub('', doc) doc = re.sub('[0-9]', '', doc) doc = re.sub('\s', '', doc) word_list = list(jieba.cut(doc)) out_str = '' for word in word_list: if word not in stop_words: out_str += word out_str += ' ' segments = out_str.split(sep=' ') return segments def doc2vec(file_name, model): start_alpha = 0.01 infer_epoch = 1000 doc = segment(codecs.open(file_name, 'r', 'utf-8').read()) vector = model.docvecs[doc_id] return model.infer_vector(doc) # 计算两个向量余弦值 def similarity(a_vect, b_vect): dot_val = 0.0 a_norm = 0.0 b_norm = 0.0 cos = None for a, b in zip(a_vect, b_vect): dot_val += a * b a_norm += a ** 2 b_norm += b ** 2 if a_norm == 0.0 or b_norm == 0.0: cos = -1 else: cos = dot_val / ((a_norm * b_norm) ** 0.5) return cos def test_model(file1, file2): print('导入模型') model_path = 'tmp/zhwk_news.doc2vec' model = gensim.models.Doc2Vec.load(model_path) vect1 = doc2vec(file1, model) # 转成句子向量 vect2 = doc2vec(file2, model) print(sys.getsizeof(vect1)) # 查看变量占用空间大小 print(sys.getsizeof(vect2)) cos = similarity(vect1, vect2) print('相似度:%0.2f%%' % (cos * 100)) if __name__ == '__main__': file1 = 'data/corpus_test/t1.txt' file2 = 'data/corpus_test/t2.txt' test_model(file1, file2) 有什么问题 ,怎么解决

2023-06-13 上传