pic | 易学教程

JS无缝滚动

阅读更多关于 JS无缝滚动

思路： 1、获取元素。 2、要使图片动起来就是用setInterval来改变，如往左边滚动就改变offsetLeft，把图片的左边距改为负数。 3、当图片往左滚的时候，右边就会出现空白，这时候需要用innerHTML复制原来的4个li 形成8个li 4、就算有8个li，但总会有滚到尽头的时候，这时就做一个判断当offsetLeft大于ul宽度的一半时，把ul拉回来0的位置（往左滚）。 5、当offsetLeft大于0时，就把Left设置为负ul 宽度的一半。（往右滚） 6、鼠标指向图片，图片停止。 7、鼠标离开图片，图片继续滚动。 8、往左滚往右滚就是控制offsetLeft，负数就是向左滚，正数就是向右滚。 JS代码： 1 <script> 2 window.onload=function() 3 { 4 var pic=document.getElementById('pic'); 5 var ul=pic.getElementsByTagName('ul')[0]; 6 var li=pic.getElementsByTagName('li'); 7 var left=document.getElementById('left'); 8 var right=document.getElementById('right'); 9 var speed=2; 10 11 ul

爬取淘宝“手机信息”

阅读更多关于爬取淘宝“手机信息”

打开淘宝，我们搜索手机，返回以下界面接下来我们来爬取这些数据第一步我们先获取网页html html = requests.get(url,headers=headers) print(html.text) 将结果打印后发现所需要的信息在网页代码中没有，所以它应该是动态加载的，这里再network中一个一个找，找到它返回的json文件，就是这样的。最后可以发现内容都在一个json文件中，到这里接下来的就很简单了，我们只需要解析json找我我们需要的数据就可以了，将这一部分封装起来。 def get_data(url): html = requests.get(url,headers=headers,) html_text = html.text starts = html_text.find('{"pageName":"mainsrp"') end = html_text.find('"shopcardOff":true}}')+len('"shopcardOff":true}}') json_data = json.loads(html_text[starts:end]) get_json_data = json_data['mods']['itemlist']['data']['auctions'] for data in get_json_data: title =

ES6实现图片切换特效（图片墙效果）

阅读更多关于 ES6实现图片切换特效（图片墙效果）

按照国际惯例先放效果图贴代码： index.html <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>index</title> <link rel="stylesheet" href="index.css"> </head> <body> <div id="wrap">  </div>  <!-- <div class="img_overlay"> <div class="img_overlay_prevbtn"></div> <div

python图像、视频转字符画

阅读更多关于 python图像、视频转字符画

　　python图像转字符画需要用到matplotlib.pyplot库，视频转字符画需要用到opencv库，这里的代码基于python 3.5 　　图像转字符画需要先将图像转为灰度图，转灰度图的公式是 gray = 0.2126 * r + 0.7152 * g + 0.0722 * b ，因为matplotlib图像的色彩排序是RGB的(opencv是BGR)，所以如果不用库函数，可以使用以下代码实现灰度转换： gray = 0.2126 * pic[:,:,0] + 0.7152 * pic[:,:,1] + 0.0722 * pic[:,:,2] 　　转成灰度图以后，对于每一个像素值，都要对应一个字符值。然后从图像中均匀取一些像素出来作映射即可实现图像到字符画的转换，代码如下： import matplotlib.pyplot as plt show_heigth = 30 show_width = 40 #这两个数字是调出来的 ascii_char = list("$@B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\|()1{}[]?-_+~<>i!lI;:,\"^`'. ") #生成一个ascii字符列表 char_len = len(ascii_char) pic = plt.imread("wm.jpg") #使用plt

Python妹子图爬虫实战项目【新手必学】

阅读更多关于 Python妹子图爬虫实战项目【新手必学】

作为Python的初学者，爬虫肯定是入门的不二选择，既能熟悉语法，又能通过爬虫了解一定的网络编程知识。要想完美的食用本篇教程，首先你需要熟悉Python的基础语法以及基础的数据结构，之后最好了解Python面向对象编程，还有xpath的基本语法。新手司机上路，请注意！：很多人学Python过程中会遇到各种烦恼问题，没有人解答容易放弃。为此小编建了个Python全栈免费答疑.裙：七衣衣九七七巴而五（数字的谐音）转换下可以找到了，不懂的问题有老司机解决里面还有最新Python实战教程免非下,，一起相互监督共同进步！爬虫的原理其实很简单，模仿人浏览网页并记录数据。我们的目标网站—— www.mmjpg.com 如果你现在已经打开了这个网站，求求你们，把持住自己！！！现在，让我们踩下油门，开始飙车！！！我们的目的是保存每个妹子的图片，并以文件夹的形式保存在我们的电脑上。首先我们分析这个网站的url，这是很重要的一步打开首页 www.mmjpg.com 点击下一页，它的第二页是 http://www.mmjpg.com/home/2 ，这时我们把2改成1，是不是就可以跳转到第一页呢？哇！！居然是404！！！所以我们现在了解到，这个网站第一页为 www.mmjpg.com ，后面的页面为 http://www.mmjpg.com/home/n ，n是页码。目前

Linux中/proc目录下文件详解

阅读更多关于 Linux中/proc目录下文件详解

转载于：http://blog.chinaunix.net/uid-10449864-id-2956854.html Linux中/proc目录下文件详解（一） /proc 文件系统下的多种文件提供的系统信息不是针对某个特定进程的，而是能够在整个系统范围的上下文中使用。可以使用的文件随系统配置的变化而变化。命令procinfo能够显示基于其中某些文件的多种系统信息。以下详细描述/proc下的文件。 /proc文件系统是一个伪文件系统，它只存在内存当中，而不占用外存空间。它以文件系统的方式为访问系统内核数据的操作提供接口。用户和应用程序可以通过 proc得到系统的信息，并可以改变内核的某些参数。由于系统的信息，如进程，是动态改变的，所以用户或应用程序读取proc文件时，proc文件系统是动态从系统内核读出所需信息并提交的。 -------------------------------------------------------------------------------- /proc/cmdline文件这个文件给出了内核启动的命令行。它和用于进程的cmdline项非常相似。示例： [root@localhost proc]# cat cmdline ro root=LABEL=/ rhgb quiet ---------------------------------

淘宝拍立淘以图搜图接口：使用方法和指南

阅读更多关于淘宝拍立淘以图搜图接口：使用方法和指南

图片搜索淘宝商品接口：把商品图片上传到商城的搜索就能搜索出该商品对应的所有淘宝商品。如图：返回商品截图：请求方式：例如，输入一个商品的图片地址，返回数据如下 Result Object: { “items”: { “page”: null, “error”: “”, “real_total_results”: 40, “item”: [ { “title”: “专业NBA精英篮球袜加厚毛巾底缓震高筒运动袜子男士中筒精英袜”, “list_type”: “外观相似宝贝”, “pic_url”: “//g-search3.alicdn.com/img/bao/uploaded/i4/TB2OmX0bYsTMeJjSszhXXcGCFXa_!!819836837.jpg”, “promotion_price”: “19.00”, “price”: “35.00”, “sales”: 1, “num_iid”: “558055440807”, “sample_id”: “”, “seller_nick”: “331855829qiu”, “post_fee”: “0.00”, “area”: “福建泉州”, “detail_url”: “http://item.taobao.com/item.htm?id=558055440807” }, { “title”: “包邮

js实现图片轮播

阅读更多关于 js实现图片轮播

鼠标点击左右键可切换图片，且鼠标移入右下角数字也可切换图片。 <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>Document</title> <style type="text/css"> /*重置样式*/ *{margin: 0;padding: 0; list-style: none;} /*wrap的轮播图和切换按钮样式*/ .wrap{height: 445px;width: 100%; overflow: hidden;position: relative;} .wrap ul{position: absolute;} .wrap ul li{height: 445px;} .wrap ul li img {height: 445px;width: 100%;} .wrap ol{position: absolute;right: 10px;bottom: 10px;} .wrap ol li{height: 20px;width: 20px; background-color:#fff;border: 1px solid #eee; margin-left: 10px;float:left; line-height: 20px; text-align: center

Milvus实战 | 轻松搭建以图搜图系统

阅读更多关于 Milvus实战 | 轻松搭建以图搜图系统

当您听到“以图搜图”时，是否首先想到了百度、Google 等搜索引擎的以图搜图功能呢？事实上，您完全可以搭建一个属于自己的以图搜图系统：自己建立图片库；自己选择一张图片到库中进行搜索，并得到与其相似的若干图片。 Milvus 作为一款针对海量特征向量的相似性检索引擎，旨在助力分析日益庞大的非结构化数据，挖掘其背后蕴含的巨大价值。为了让 Milvus 能够应用于相似图片检索的场景，我们基于 Milvus 和图片特征提取模型 VGG 设计了一个以图搜图系统。正文分为数据准备、系统概览、 VGG 模型、API 介绍、镜像构建、系统部署、界面展示七个部分。数据准备章节介绍以图搜图系统的数据支持情况。系统概览章节展示系统的整体架构。VGG 模型章节介绍了 VGG 的结构、特点、块结构以及权重参数。API 介绍章节介绍系统的五个基础功能 API 的工作原理。镜像构建章节介绍如何通过源代码构建客户端和服务器端的 docker 镜像。系统部署章节展示如何三步搭建系统。界面展示章节会展示系统的搜索界面。 1. 数据准备本文以 PASCAL VOC 图片集为例搭建了一个以图搜图的端到端解决方案，该图片集包含 17,125 张图片，涵盖 20 个目录：人类；动物（鸟、猫、牛、狗、马、羊）；交通工具（飞机、自行车、船、公共汽车、小轿车、摩托车、火车）；室内（瓶子、椅子、餐桌、盆栽植物、沙发、电视）。

给智能指针指向的对象赋值

阅读更多关于给智能指针指向的对象赋值

使用.get()方法： std::tr1::shared_ptr<cv::Mat> pic_resize(new cv::Mat); *(pic_resize.get()) = (*dep_vs_pkt->image_)(cv::Rect(0, 0, dep_vs_pkt->image_->cols / 2 * 2, dep_vs_pkt->image_->rows / 2 * 2)).clone(); 来源： https://www.cnblogs.com/lialin/p/12450532.html

订阅 pic