css中选择器介绍
liuian 2025-04-26 19:24 7 浏览
选择器:
选择器是用来选择目标元
素的,选择器分基础选择器和复合选择器及伪类选择器。
基础选择器:
标签名{} /* 1 标签选择器:把某类标签全部选中,如下: */
p{font-size:36px;}
.类名{} /* 2 类选择器(class选择器):选中相同类名的元素,.声明,class调用,如下: */
.box{width:100px;height:50px;}
<div class="box"></div>
<div class="box stylebox"></div> /* 多类名选择器:在class属性中添加多个类名,中间用空格隔开,即可调用多类名来实现多个样式*/
#id名{} /* 3 id选择器:选中id被命名为某名的元素,#定义,id调用,id选择器具有唯一性,相同的id名只能出现在一个标签上 */
#box{width:100px;height:200px;}
<div id="box"></div>
*{}/* 4 通配符选择器:选中文档中所有元素,不建议使用,一般使用的情况是非常少的。 */
*{color:blue;font-size:20px;}
复合选择器:
div span{/* 1 后代选择器:又称包含选择器,用于选择标签的后代子孙元素及元素组,语法:外层标签写在前面,内层标签写在后面,中间用空格隔开,需要强调的是只要是后代无论多少代都可以选中,它和子代选择器的区别就在这里:不仅仅可以选择紧挨着的下一级元素。 */
color:blue;
}
<div>
<ul>
<li>
<span>苹果</span><!-- 被选中项-->
</li>
</ul>
</div>
<span>白菜</span>
ul li>a{/* 2子代选择器:选中某标签下紧挨着的某个元素,语法:父级标签 > 子级标签,强调的是:子代选择器选中的是父级紧挨着的子级元素,和后代选择器的区别就在这里。 */
color:pink;
}
<ul>
<li>
<a href="#">test1</a><!-- 被选中项-->
</li>
<li>
<div>
<a href="#">test2</a>
</div>
</li>
</ul>
p.watermelon{/* 3 交集选择器:即又的关系,同时满足条件的会被选中,语法:选择器1选择器2选择器n...,多个选择器连写,中间不用任何字符。 */
color:red;
}
<p>apple</p>
<p>orange</p>
<p class="watermelon">watermelon</p><!-- 被选中项-->
<span>苹果</span>
<span>橙子</span>
<span class="watermelon">西瓜</span>
p,
span,
.pear{/* 4 并集选择器:同时选择多个单独或一组标签,语法:多个选择器中间用逗号连接,可以快速选择需要给相同样式的所有标签 */
color:red;
font-size:40px;
}
<p>苹果</p>
<p>荔枝</p>
<del>大米</del>
<span>香蕉</span>
<ins>地瓜</ins>
<div class="pear">梨</div>
.banana+li {/* 5 相邻元素选择器:选择紧挨着某元素下的一个兄弟元素,语法:选择器1 + 标签,注意兄弟元素选择器*/
color: red;
}
<ul>
<li>苹果</li>
<li class="banana">香蕉</li>
<li>荔枝</li>
</ul>
.banana~li {/* 6 兄弟元素选择器:选择挨着某元素下的所有兄弟元素,语法:选择器1 ~ 标签,注意相邻元素选择器*/
color: red;
}
<ul>
<li>苹果</li>
<li class="banana">香蕉</li>
<li>荔枝</li>
<li>菠萝蜜</li>
<li>桃子</li>
</ul>
伪类选择器:
伪类选择器是以冒号:开始的,如下面链接伪类选择器(需要和伪元素区分):
a:link{color:black;}/* 设置未访问的链接样式 */
a:visited{color:gray;}/* 设置已访问的链接样式 */
a:hover{color:yellow;}/* 设置鼠标经过链接的样式 */
a:active{color:red;}/* 设置鼠标点击时链接的样式 */
/* 需要注意:这四个链接的伪类选择器是按照上面的顺序书写的,必须严格遵循。 */
提示:本文图片等素材来源于网络,若有侵权,请发邮件至邮箱:810665436@qq.com联系笔者 删除。
笔者:苦海123
其它问题可通过以下方式联系本人咨询:
QQ:810665436
微信:ConstancyMan
- 上一篇:Python 一键下载网易云音乐 10W+ 乐库
- 下一篇:Web前端开发技术智慧树
相关推荐
- 深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能
-
引言在现代应用程序中,数据的存储和处理变得愈发复杂多样。MySQL8.0引入了丰富的JSON相关函数,为我们提供了更灵活的数据存储和检索方式。本文将深入探讨MySQL8.0中的JSON...
- MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)
-
前言虽然MySQL很早就添加了Json类型,但是在业务开发过程中还是很少设计带这种类型的表。少不代表没有,当真正要对Json类型进行特定查询,修改,插入和优化等操作时,却感觉一下子想不起那些函数怎么使...
- MySQL的json查询之json_array(mysql json_search)
-
json_array顾名思义就是创建一个数组,实际的用法,我目前没有想到很好的使用场景。使用官方的例子说明一下吧。例一selectjson_array(1,2,3,4);json_array虽然单独...
- 头条创作挑战赛#一、LSTM 原理 长短期记忆网络
-
#头条创作挑战赛#一、LSTM原理长短期记忆网络(LongShort-TermMemory,LSTM)是一种特殊类型的循环神经网络(RNN),旨在解决传统RNN在处理长序列数据时面临的梯度...
- TensorBoard最全使用教程:看这篇就够了
-
机器学习通常涉及在训练期间可视化和度量模型的性能。有许多工具可用于此任务。在本文中,我们将重点介绍TensorFlow的开源工具套件,称为TensorBoard,虽然他是TensorFlow...
- 图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比
-
本文约4600字,建议阅读10分钟本文介绍了图神经网络版本的对比。KolmogorovArnoldNetworks(KAN)最近作为MLP的替代而流行起来,KANs使用Kolmogorov-Ar...
- kornia,一个实用的 Python 库!(python kkb_tools)
-
大家好,今天为大家分享一个实用的Python库-kornia。Github地址:https://github.com/kornia/kornia/Kornia是一个基于PyTorch的开源计算...
- 图像分割掩码标注转YOLO多边形标注
-
Ultralytics团队付出了巨大的努力,使创建自定义YOLO模型变得非常容易。但是,处理大型数据集仍然很痛苦。训练yolo分割模型需要数据集具有其特定格式,这可能与你从大型数据集中获得的...
- [python] 向量检索库Faiss使用指北
-
Faiss是一个由facebook开发以用于高效相似性搜索和密集向量聚类的库。它能够在任意大小的向量集中进行搜索。它还包含用于评估和参数调整的支持代码。Faiss是用C++编写的,带有Python的完...
- 如何把未量化的 70B 大模型加载到笔记本电脑上运行?
-
并行运行70B大模型我们已经看到,量化已经成为在低端GPU(比如Colab、Kaggle等)上加载大型语言模型(LLMs)的最常见方法了,但这会降低准确性并增加幻觉现象。那如果你和你的朋友们...
- ncnn+PPYOLOv2首次结合!全网最详细代码解读来了
-
编辑:好困LRS【新智元导读】今天给大家安利一个宝藏仓库miemiedetection,该仓库集合了PPYOLO、PPYOLOv2、PPYOLOE三个算法pytorch实现三合一,其中的PPYOL...
- 人工智能——图像识别(人工智能图像识别流程)
-
概述图像识别(ImageRecognition)是计算机视觉的核心任务之一,旨在通过算法让计算机理解图像内容,包括分类(识别物体类别)、检测(定位并识别多个物体)、分割(像素级识别)等,常见的应用场...
- PyTorch 深度学习实战(15):Twin Delayed DDPG (TD3) 算法
-
在上一篇文章中,我们介绍了DeepDeterministicPolicyGradient(DDPG)算法,并使用它解决了Pendulum问题。本文将深入探讨TwinDelayed...
- 大模型中常用的注意力机制GQA详解以及Pytorch代码实现
-
分组查询注意力(GroupedQueryAttention)是一种在大型语言模型中的多查询注意力(MQA)和多头注意力(MHA)之间进行插值的方法,它的目标是在保持MQA速度的同时...
- pytorch如何快速创建具有特殊意思的tensor张量?
-
专栏推荐正文我们通过值可以看到torch.empty并没有进行初始化创建tensor并进行随机初始化操作,常用rand/rand_like,randint正态分布(0,1)指定正态分布的均值还有方差i...
- 一周热门
-
-
Python实现人事自动打卡,再也不会被批评
-
Psutil + Flask + Pyecharts + Bootstrap 开发动态可视化系统监控
-
一个解决支持HTML/CSS/JS网页转PDF(高质量)的终极解决方案
-
再见Swagger UI 国人开源了一款超好用的 API 文档生成框架,真香
-
【验证码逆向专栏】vaptcha 手势验证码逆向分析
-
网页转成pdf文件的经验分享 网页转成pdf文件的经验分享怎么弄
-
C++ std::vector 简介
-
python使用fitz模块提取pdf中的图片
-
《人人译客》如何规划你的移动电商网站(2)
-
Jupyterhub安装教程 jupyter怎么安装包
-
- 最近发表
-
- 深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能
- MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)
- MySQL的json查询之json_array(mysql json_search)
- 头条创作挑战赛#一、LSTM 原理 长短期记忆网络
- TensorBoard最全使用教程:看这篇就够了
- 图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比
- kornia,一个实用的 Python 库!(python kkb_tools)
- 图像分割掩码标注转YOLO多边形标注
- [python] 向量检索库Faiss使用指北
- 如何把未量化的 70B 大模型加载到笔记本电脑上运行?
- 标签列表
-
- python判断字典是否为空 (50)
- crontab每周一执行 (48)
- aes和des区别 (43)
- bash脚本和shell脚本的区别 (35)
- canvas库 (33)
- dataframe筛选满足条件的行 (35)
- gitlab日志 (33)
- lua xpcall (36)
- blob转json (33)
- python判断是否在列表中 (34)
- python html转pdf (36)
- 安装指定版本npm (37)
- idea搜索jar包内容 (33)
- css鼠标悬停出现隐藏的文字 (34)
- linux nacos启动命令 (33)
- gitlab 日志 (36)
- adb pull (37)
- table.render (33)
- uniapp textarea (33)
- python判断元素在不在列表里 (34)
- python 字典删除元素 (34)
- react-admin (33)
- vscode切换git分支 (35)
- vscode美化代码 (33)
- python bytes转16进制 (35)