HTML标签属性详解:掌握常用卷动与排版技巧

需积分: 19 4 下载量 36 浏览量 更新于2024-07-16 收藏 89KB DOC 举报
本文档主要介绍了HTML属性标签大全,这些标签在网页设计中起着关键作用,帮助开发者构建丰富的网页布局和交互体验。文档的核心内容围绕常用的HTML标签及其属性展开,特别是针对那些可以增强网页动态效果和文本呈现的特性。 1. **跑马灯(Marquee)**: `<marquee>`标签用于创建滚动的文字或图片,其行为属性包括`behavior`,可设置为`slide`(滑动)、`scroll`(预设卷动)、`alternate`(来回卷动)。通过`direction`属性控制滚动方向,如`down`(向下)、`up`(向上)、`right`(向右)、`left`(向左)。`loop`属性设置了滚动次数,而`width`和`height`分别用于设定滚动区域的宽度和高度。`bgcolor`用于指定背景颜色,`scrollamount`调整滚动速度,`scrolldelay`则是滚动间隔时间。 2. **字体效果**: - `<h1>`至`<h6>`标签:六级标题,`<h1>`最大,`<h6>`最小,分别代表不同级别的标题。 - `<b>`和`<strong>`:粗体字,两者效果类似,常用于强调文本。 - `<i>`和`<em>`:斜体字,`<i>`为常规斜体,`<em>`强调文本。 - `<dfn>`:斜体字,表示定义。 - `<u>`和`<ins>`:下划线,`<ins>`通常用于表示插入的文字。 - `<strike>`和`<s>`:删除线,两者都表示删除文本。 - `<kbd>`:键盘输入样式的文本。 - `<tt>`:打字机样式文本,用于显示等宽字体。 - `<xmp>`:固定宽度字体,保留原始格式,如换行和空格。 - `<plaintext>`:类似`<xmp>`,但不执行任何标记。 - `<listing>`:固定宽度的小字体,常用于代码展示。 通过了解这些HTML属性和标签,开发人员可以灵活地控制网页元素的样式、布局和交互,提升网页的可读性和吸引力。熟练掌握这些基础标签有助于快速构建出美观且功能丰富的网页。在实际应用中,应根据设计需求选择合适的标签,并确保遵循语义化和可访问性原则,以便于搜索引擎优化和用户体验。

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