jQuery扩展ajaxName,用于ajax提交方法的页面数据获取,根据页面元素的name生成相应的js对象,然后可以把这个对象传给JSON编码库进行编码向后台提交,支持数组,支持.表达式
/*
* jQuery Ajax By Name Plugin
*
* licensed under the MIT licenses:
* http://www.opensource.org/licenses/mit-license.php
*
* Author achun (achun.shx at gmail.com)
* Create Date: 2008-6-21
* Last Date: 2008-6-21
* Revision:2.8.6.21
*/
(function($) {
/**
* 获取鼠标点击的元素坐标
*/
$.fn.clickPos = function(e){
var pos ={x:0,y:0};
if (e.offsetX != undefined) {
pos.x = e.offsetX;
pos.y = e.offsetY;
} else if (typeof $.fn.offset == 'function') {
var offset = this.offset();
pos.x = e.pageX - offset.left;
pos.y = e.pageY - offset.top;
} else {
pos.x = e.pageX - this[0].offsetLeft;
pos.y = e.pageY - this[0].offsetTop;
}
return pos;
}
/**
* ajaxName() 根据标签name属性来提交数据,替代form提交方式
* options:{//与ajax的options是一样的结构
* data:{}//要附加提交的数据
* }
* successful:如果元素有有效值,defualt:true
*/
$.fn.ajaxName = function(options,successful) {
if(options==undefined) options={};
options.data = options.data || {};
successful = successful == undefined ? true:successful;
var data = {};
var name= options.name || '';
this.each(function() {
var el=this,o=$(this),n = o.attr('name'),hasval = o.attr('value')!=undefined;
if (!n) return;
var t = el.type, tag = el.tagName.toLowerCase();
if (n=='/'){
if (name=='') name = hasval?o.attr('value'):o.text();
return;
}
if (successful && (el.disabled || t == 'reset' || t == 'button' ||
(t == 'checkbox' || t == 'radio') && !el.checked ||
(t == 'submit' || t == 'image') ||
tag == 'select' && el.selectedIndex == -1))
return;
var v= hasval? o.attr('value') :o.hasClass('ValueByText')?o.text():o.html();
if (v == undefined) return;
if (n.indexOf('.')>0){
n=n.split('.');
var len=n.length - 1;
var b=data;
$.each(n,function(i){
if (i!=len){
if(b[this] == undefined) b[this]={};
b=b[this];
}else
b[this]=v;
});
}else if (n.indexOf('[]')>0){
n=n.slice(0,n.length-2);
if(data[n] == undefined) data[n]=[];
data[n].push(v);
}else{
data[n]=v;
}
});
var dat={};
if (name){
dat[name]=data;
data=dat[name];
}else
dat=data;
for (var o in options.data){
data[o]=options.data[o];
};
options.data=dat;
return options.data;
};
})(jQuery);
分享到:
- 2008-12-15 21:07
- 浏览 1787
- 评论(0)
- 论坛回复 / 浏览 (0 / 1792)
- 查看更多
相关推荐
通过上述分析可以看出,该jQuery插件有效地解决了将HTML表单数据转换为JSON格式的问题,并且具备一定的灵活性和可扩展性。在实际项目中,这种类型的工具可以大大简化前端数据处理的复杂度,提高开发效率。 通过学习...
要添加自定义的正则表达式规则,你可以扩展`allRules`对象。例如,如果你想创建一个验证电话号码的规则,可以这样定义: ```javascript "telephone": { "regex":"/^[0-9\-\(\)\ ]+$/", "alertText":"* 无效的号码...
内容概要:本文详细解读了基于SMIC 180nm工艺的10bit 20MHz SAR ADC设计,涵盖设计原理、电路结构和技术细节。文中介绍了常用栅压自举开关Bootstrap、Vcm_Based开关时序、上级板采样差分CDAC阵列、两级动态比较器、比较器高速异步时钟和动态SAR逻辑等关键技术。此外,还涉及10位DFF输出和10位理想DAC还原做DFT的技术。文档提供详细的理论介绍、完整电路图和预设好的仿真参数,方便用户直接在Cadence环境中进行仿真运行。 适合人群:适合初学者和希望提升SAR ADC设计技能的工程师。 使用场景及目标:①帮助初学者快速上手SAR ADC设计;②提供详细的原理和技术细节供深入研究;③通过实际仿真实践,巩固对SAR ADC的理解和应用。 其他说明:该设计的有效位数ENOB为9.8,具有高精度和可靠性,适合在个人电脑上进行仿真练习。
ssm071北京集联软件科技有限公司信息管理系统(文档+源码)_kaic
内容概要:本文详细介绍了利用Comsol进行工件感应加热仿真的方法和技术。首先概述了Comsol作为多物理场仿真工具的优势,特别是在工件感应加热中的应用。接着深入探讨了温度场和电磁场的耦合计算,解释了这两者的相互作用以及如何通过仿真获得工件加热过程中详细的温度分布和电磁场强度。文中还提供了具体的实证案例,展示了如何通过仿真优化加热工艺,从而提升生产效率。最后给出了Matlab代码示例,指导用户如何在Comsol中设置和运行仿真模型,获取并可视化仿真结果。 适合人群:机械工程专业人员、制造行业工程师、仿真技术爱好者。 使用场景及目标:适用于需要深入了解和优化工件感应加热过程的专业人士,旨在提高加热工艺的精度和效率,降低能耗,提升产品质量。 其他说明:文章不仅提供了理论知识,还包括具体的操作指南和实例演示,有助于读者快速上手并在实践中应用所学内容。
实现了一个基本的任务调度器,能够创建、激活和终止任务,支持任务的优先级调度、资源管理以及定时任务的启动和停止。代码结构清晰,便于扩展和维护。然而,实际硬件中断的处理和上下文切换等细节需要根据具体的硬件平台进行实现。
内容概要:本文详细介绍了直齿轮六自由度平移-扭转耦合非线性动力学程序的研究,重点探讨了时变压力角和齿侧间隙对齿轮动力学特性的影响。文章首先解释了齿轮啮合刚度建模的基础,接着展示了如何通过状态空间法构建六自由度微分方程来处理平移和扭转耦合运动。文中还提供了具体的MATLAB和Python代码片段,用于实现时变刚度、非线性齿侧间隙以及惯性矩耦合的处理方法。此外,文章讨论了多种可视化工具(如时域图、相图、FFT图、庞加莱图和分岔图)的应用及其重要性,强调了在仿真过程中需要注意的数值稳定性和参数调整技巧。 适合人群:机械工程专业学生、从事齿轮动力学研究的科研人员和技术工程师。 使用场景及目标:①理解和掌握直齿轮六自由度平移-扭转耦合非线性动力学的基本原理;②学会利用MATLAB和Python进行齿轮动力学仿真的具体实现;③能够通过各种可视化图表分析齿轮系统的动态行为,识别系统中的非线性现象。 阅读建议:由于涉及复杂的数学模型和编程实现,建议读者具备一定的力学基础知识和编程经验。同时,可以结合实际案例进行练习,逐步深入理解各个概念和方法。
OC- (精细2)UTM转WGS84 获取ITIF图片的投影信息把图片投影在高德地图。
OverLoCK是一种全新的卷积神经网络(ConvNet)架构,旨在模仿人类视觉系统中的“纵观全局-聚焦细节”(Overview-first-Look-Closely-next)双阶段认知机制。该架构通过引入自上而下的注意机制,结合动态卷积技术,显著提升了模型在图像分类、目标检测和语义分割等视觉任务中的性能。其核心设计包括深层分解策略(Deep-stage Decomposition Strategy, DDS)和上下文混合动态卷积(Context-Mixing Dynamic Convolution, ContMix),以有效建模长距离依赖关系,同时保留局部归纳偏差。实验表明,OverLoCK在多个基准任务中超越了现有的ConvNet和Transformer架构,同时显著降低了计算成本[3][4][9]。 原文链接:https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/147011934
内容概要:本文档《gee scripts.txt》记录了利用Google Earth Engine(GEE)进行遥感影像处理与分类的脚本流程。首先,对指定区域内的Landsat 5卫星图像进行了数据筛选,排除云量超过7%的影像,并应用缩放因子调整光学波段和热波段的数值。接着,基于样本数据集训练随机森林分类器,用于区分植被、水体、建筑、土壤、拜耳作物、岩石和草地等地物类型。最后,将训练好的模型应用于处理后的Landsat 5影像,生成分类结果图层,并计算混淆矩阵以评估模型准确性,同时将分类结果导出至Google Drive。 适合人群:从事地理信息系统(GIS)、遥感科学或环境监测领域的研究人员和技术人员,特别是那些希望深入了解GEE平台及其在地物分类中的应用的人士。 使用场景及目标:①从Landsat卫星获取特定时间段内的高质量影像数据;②通过预处理步骤提高影像质量,确保后续分析的有效性;③构建并训练机器学习模型以实现地物自动分类;④评估分类模型性能,保证结果可靠性;⑤将最终成果高效存储于云端平台以便进一步研究或共享。 阅读建议:由于涉及较多专业术语和技术细节,在阅读时建议先熟悉GEE平台的基本操作以及相关遥感知识,重点关注数据处理流程和分类算法的选择依据。此外,对于代码部分,可以尝试在自己的GEE环境中运行,以便更好地理解每个步骤的具体作用。
基于李雅普诺夫的编队控制算法仿真
2025免费毕设附带论文 SpringBoot+Vue.js 启动教程: https://www.bilibili.com/video/BV11ktveuE2d/?share_source=copy_web 二开教程:https://www.bilibili.com/video/BV18i421i7Dx/?share_source=copy_web 讲解视频:https://www.bilibili.com/video/BV1Tb421n72S/?share_source=copy_web
企业三级推广报单分销系统源码-会员注册管理系统,企业3级推广报单分销源码下载会员注册管理系统。 支持多级,带商城。手机自动适配。 可自定义添加会员级别、奖励、权限;后台可手动添加报单;商品购买。
舌下络脉诊断中舌背区域自动撷取算法的研究.zip
rtmidi钢琴程序代码.zip
412张含缺陷的铝片(针孔、擦伤、脏污、褶皱),coco格式的标注数据集(train.json、valid.json)。
内容概要:本文详细介绍了MATLAB模糊控制算法在驾驶员制动意图识别中的应用。首先解释了为什么传统的精确数学模型难以应对人类驾驶行为的不确定性,接着展示了如何利用MATLAB Fuzzy工具箱来解决这一问题。文中具体描述了一个基于速度差和减速度变化率两个输入参数的模糊控制系统的设计过程,包括定义隶属度函数、建立规则库以及进行模糊推理的具体步骤。此外,还提供了实际驾驶数据的测试结果,证明了该方法的有效性和优越性。最后给出了调试经验和完整的Simulink工程包。 适合人群:从事汽车安全系统开发的研究人员和技术人员,尤其是对智能驾驶辅助系统感兴趣的开发者。 使用场景及目标:适用于希望提高车辆主动安全性、优化制动系统的团队。主要目标是在复杂路况下快速准确地识别驾驶员的真实制动意图,从而提升行车安全。 其他说明:附带的实际案例和源代码有助于读者更好地理解和实践模糊控制理论。建议读者亲自尝试构建并调试自己的模糊控制器,以便深入掌握相关技能。
Kaggle竞赛题猫狗大战 ,用于PyTorch入门 代码运行步骤 先将代码中各个文件夹路径进行修改 训练时,运行train.py 测试时,运行test.py
注塑机机械手中达优控触摸屏加三菱FX3UPLC自动控制程序
内容概要:本文详细介绍了卡尔曼滤波的基本原理及其在优化估计中的应用。首先解释了卡尔曼滤波作为一种递归的最佳估计方法,通过线性修正来获得现时刻的最佳估计。接着阐述了其作为线性最小方差统计估算方法,在处理带噪声的测量数据时的作用。文中还提供了简化的Python代码实现,展示如何通过预测和更新两个关键步骤来逐步逼近真实值。最后总结了卡尔曼滤波的重要性和广泛应用领域,如导航、控制和信号处理等。 适合人群:对卡尔曼滤波感兴趣的研究人员和技术爱好者,尤其是从事相关领域的工程师。 使用场景及目标:适用于需要从含噪数据中提取有用信息的应用场景,如自动驾驶汽车定位、无人机飞行控制、金融数据分析等。目标是帮助读者理解卡尔曼滤波的工作机制,并掌握其实现方法。 其他说明:尽管文中提供的Python代码仅为简化版本,但它足以让读者初步了解卡尔曼滤波的核心思想。进一步的学习可以通过查阅更多专业文献或参与实际项目来完成。