推荐
专栏
教程
课程
飞鹅
本次共找到3158条
android js交互
相关的信息
helloworld_34035044
•
2年前
单元格自动计算
在我们填报报表时,有的单元格的数据是需要通过自动计算直接获得,但是不是所有的函数都支持填报自动计算,这是为什么呢?报表是纯java的,其函数是后台程序,是在服务器中完成计算的。而填报中的自动计算是在客户端完成的,这个怎么实现呢?实际上是做了一个函数转换,把后台java函数转换成了适合前端计算的js函数。也就是说能够进行填报自动计算的函数有两套代码,java代
Python进阶者
•
4年前
Vue的学习笔记(中篇)
一、什么是Vue.js?Vue是一套用于构建用户界面的渐进式框架。与其它大型框架不同的是,Vue被设计为可以自底向上逐层应用。Vue的核心库只关注视图层,不仅易于上手,还便于与第三方库或既有项目整合。另一方面,当与现代化的工具链以及各种支持类库结合使用时,Vue也完全能够为复杂的单页应用提供驱动。上篇文章我们讲述了基础,可以戳这里:。这篇文章我
Stella981
•
3年前
IOS开发笔记(Swift):UITableView表格视图的静态使用
最近一段时间都在准备IOS的开发,学习swift语言,之前做过很多类型的开发:前端、JavaWeb、.net、Android等,IOS是第一次接触,很不适应,学习的进度也比较慢,不过在看过一些视频、几本pdf之后,总算有了一点心得。从今天起,开始做一些整理,一方面加深自己的认知,另一方面也可以方便他人,共同讨论和进步,本文通过一个实例,整理一下UI
Stella981
•
3年前
034 Android NavigationView和DrawerLayout实现抽屉式导航设计(侧边栏效果)
1.创建带侧滑效果的activity!(https://oscimg.oschina.net/oscnet/333199cfe89b2025778b04b97a9ec41f2d7.png)右击,newactivity选择NavgationDrawerActivity2.xml文件布局(1)activi
可莉
•
3年前
2019年前端面试题总结以及一些面试心得(附答案)
前沿小编在这几年的前端开发过程中,经历了由js,jquery到vue,由操作dom到数据驱动页面,由只写pc网站,到写移动端网页,再到移动端app,再到微信公众号,小程序,可谓是风云变幻,不得不感叹H5的能力越来越强,正所谓学到老,活到老大概说的就是程序员吧。在悲催的经历了互联网公司一家又一家倒闭,带来的是我也经历了无数次的面试,也算是系统的过了
Stella981
•
3年前
OSC线下活动客户端自动签到流程说明以及二维码扫描Demo
刚在公司吃完烧烤回来,吃得好饱,这个感觉真是太棒了,@丫头潘潘这手艺都可以在公司楼下开个烧烤摊自己当老板了,给潘潘点个赞。要不下次咱们源创会的茶歇时间让潘潘现场给oscer来一份烧烤得了。好了,有点扯远了,今天的主题是讲讲线下活动签到的大体流程以及跟大家分享一下android端的二维码扫描demo;这次深圳站的源创会也是第一次采用了这种方式进行的签到,实
Stella981
•
3年前
JavaScript实现字符串逆置的几种方法
1\.一般来说js实现字符串逆置输出的一般思路是:1、将字符串转为数组,一个字符为数组的一个元素; 2、将数组倒置; 3、再将数组元素拼接为字符串。2\.一般用到的方法有:join():该方法用于把数组中的所有元素放入一个字符串。元素是通过指定的分隔符进行分隔的。 split():将一个字符串分割为子字符串数
Stella981
•
3年前
2019年前端面试题总结以及一些面试心得(附答案)
前沿小编在这几年的前端开发过程中,经历了由js,jquery到vue,由操作dom到数据驱动页面,由只写pc网站,到写移动端网页,再到移动端app,再到微信公众号,小程序,可谓是风云变幻,不得不感叹H5的能力越来越强,正所谓学到老,活到老大概说的就是程序员吧。在悲催的经历了互联网公司一家又一家倒闭,带来的是我也经历了无数次的面试,也算是系统的过了
Wesley13
•
3年前
JS操控CSS样式完成小球自由落体运动,和大家分享一下制作心得。
这篇心得本应该在一个月之前和大家一起分享的,由于本人比较懒,也几乎没有写博客的习惯,所以迟了一些。有一些内容只是一些个人的废话,可看可不看,毕竟在国内的应试教育下,大家基础物理知识都是很扎实的: (废话)(背景:下面讨论的物体运动默认为宏观角度)一般情况下,物体在三维空间所发生的位移都可以解析为若干连续的在二维空间所发生的位移的和,同理,物
AGIC.TWang
•
7个月前
关于RAG
检索增强生成(RAG)为大型语言模型赋予访问外部知识库的能力,提升其精准性和实用性。它包含三个步骤:检索、增强和生成。RAG通过向量数据库进行语义搜索,克服了传统关键词匹配的局限性。文章以云计算促进人工智能发展为例,在大模型分发助手平台上演示了RAG的实际流程,包括知识准备、知识切割、向量化、提问、相似度计算、提示词构建和答案生成。RAG的未来在于提升精准性、个性化、可扩展性、可解释性和成本效益,最终实现更深入的知识理解和推理,更自然的人机交互以及更广泛的领域应用。
1
•••
302
303
304
•••
316