前端基础知识梳理——html中的长度单位与颜色RGB值

2023-05-16

前言

我们在编写前端业务的时候很定会使用到长度单位,这对于我们构建前端元素,布局,定位是很重要的。就像我们在盖房子的时候,需要使用标尺线精确的测量,也要使用颜色用于装饰页面。在html中使用到的长度单位有px,em与%,用rgb值描述颜色,下面进行逐一介绍。

px,像素,这个不仅在html中,在图像构建,ps等绘图软件中这个都是最常用的长度单位,说到分辨率的时候,我们也会使用px来描述比如1024px*560px。px是像素点的意思,不同显示屏的像素点的大小也不同,分辨率越高的显示屏,像素点的大小越小,页面显示的越精细,可以看成我们屏幕是由一个一个小的像素点构成的,但是这些像素点不能直接被看到。手机上的像素是很小的,一般来说手机上的像素点大小是电脑屏幕上的1/4。这就会遇到一个问题,在电脑上显示正常的字,在手机上显示很小,但是事实不是这样,手机会把默认把像素放大四倍。


em,以字体大小为单位,1em=1fontSize ,比如当前元素字体大小设置为10px,自身width设置为10em,实际上是10*10=100px。

<p style="font-size:10px;width:10em;background-color:#bfa"></p>

%,百分比,浏览器会根据父元素的大小来计算子元素的大小。这个好处就是可以用于自适应布局。

前面说完了html中的长度,然后再说一个比较常用的属性,rgb值用于描述颜色值

一般我们可以使用颜色的英文字母来表示不同的颜色,red表示红色,blue表示蓝色,green表示绿色,但是仅凭英文单词是不能表示自然界中所有的颜色的,而且有时候一些颜色用我们中文都难以描述清楚比如淡蓝,天蓝,海蓝,更何况是英文,而且描述起来也不方便。

所以,计算机使用rgb值来表述不同的值,所谓RGB,就是通过光的三原色:红色:red  绿色:green 蓝色:blue 不同颜色的浓度来表述自然界中所有的颜色,rgb(红色浓度,绿色浓度,蓝色浓度)。颜色的浓度取0~255中的某一个值,255表示最大,0表示没有。

比如红色:rgb(255,0,0),蓝色rgb(0,0,255)

这里有一个很简单的获取rgb值的方式,截图工具


除此之外,我们还可以使用0%-100%来表示各个颜色值的浓度

例如:红色:rgb(100%,0%,0%)  蓝色rgb(0%,0%,100%)

但是以上这些方式表述起来还是有些麻烦,在html中我们还可以通过16进制的方式来表示颜色值,0~255用16进制就是00~ff

语法为:#红色的16进制浓度值绿色的16进制浓度值蓝色的16进制浓度值

比如红色可以表示为#ff0000,蓝色:#0000ff   这是最常用的表示颜色的方式。

期中如果三个浓度值两两相同,还可以简写,比如红色:#f00  蓝色:#00f  注意必须是两两相同,比如#bbacdd不能简写为#bacd

这里分享一个颜色的在线选择器:在线颜色选择器


本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

前端基础知识梳理——html中的长度单位与颜色RGB值 的相关文章

  • 先读懂CapsNet架构然后用TensorFlow实现:全面解析Hinton的提出的Capsule

    上周 Geoffrey Hinton 等人公开了那篇备受关注的 NIPS 论文 xff0c 而后很多研究者与开发者都阅读了该论文并作出了一定的代码实现 机器之心在本文中将详细解释该论文提出的结构与过程 xff0c 并借助 GitHub 上热
  • Kaggle网站流量预测任务第一名解决方案:从模型到代码详解时序预测

    近日 xff0c Artur Suilin 等人发布了 Kaggle 网站流量时序预测竞赛第一名的详细解决方案 他们不仅公开了所有的实现代码 xff0c 同时还详细解释了实现的模型与经验 机器之心简要介绍了他们所实现的模型与经验 xff0c
  • 使用Keras快速构建集成卷积网络模型

    在统计学和机器学习领域 xff0c 集成方法 xff08 ensemble method xff09 使用多种学习算法以获得更好的预测性能 xff08 相比单独使用其中任何一种算法 xff09 和统计力学中的统计集成 xff08 通常是无穷
  • 半监督学习在图像分类上的基本工作方式

    本文回顾了一些常见的半监督算法 xff0c 随后介绍了作者在 NIPS 2017 展示的 Mean Teacher 项目 Mean Teacher 的论文地址 xff1a https arxiv org abs 1703 01780 xff
  • 经典必读:门控循环单元(GRU)的基本概念与原理

    LSTM 通过门控机制使循环神经网络不仅能记忆过去的信息 xff0c 同时还能选择性地忘记一些不重要的信息而对长期语境等关系进行建模 xff0c 而 GRU 基于这样的想法在保留长期序列信息下减少梯度消失问题 本文介绍了 GRU 门控机制的
  • 斯坦福完全可解释深度神经网络:你需要用决策树搞点事

    近日 xff0c 斯坦福大学计算机科学博士生 Mike Wu 发表博客介绍了他对深度神经网络可解释性的探索 xff0c 主要提到了树正则化 其论文 Beyond Sparsity Tree Regularization of Deep Mo
  • 使用AMD CPU,打造自己的深度学习服务器

    本文作者详细描述了自己组装深度学习服务器的过程 xff0c 从 CPU GPU 主板 电源 机箱等的选取到部件的安装 xff0c 再到服务器的设置 xff0c 可谓面面俱到 作者指出 xff0c 组装者首先要弄清自己的需求 xff0c 然后
  • 神经网络中的偏置项b到底是什么?

    前言 很多人不明白为什么要在神经网络 逻辑回归中要在样本X的最前面加一个1 xff0c 使得 X 61 x1 x2 xn 变成 X 61 1 x1 x2 xn 因此可能会犯各种错误 xff0c 比如漏了这个1 xff0c 或者错误的将这个1
  • java桌面显示出错,显示占半边,显绿色。

    这个错误 xff0c 确实很奇怪 而且只发生在java桌面程序上 xff0c 其他程序都正常 原因 xff1a 是远程桌面连接时 xff0c 显示质量位数太低 xff0c 是16位的 xff0c 所以出错 xff0c 改为最高质量32位就好
  • 给美队设计车的老爷爷设计了一辆自动驾驶赛车,还完成了全球首次爬坡赛

    在刚刚结束的英格兰赛车爬坡比赛Goodwood Festival of Speed上 xff0c Roborace生产的自动驾驶车Robocar成为了史上首辆完成爬坡赛的自动驾驶车 爬坡赛是一项传统赛车运动 xff0c 而在每年六月底七月初
  • 哈佛大学提出变分注意力:用VAE重建注意力机制

    注意力 attention 模型在神经网络中被广泛应用 xff0c 不过注意力机制一般是决定性的而非随机变量 来自哈佛大学的研究人员提出了将注意力建模成隐变量 xff0c 应用变分自编码器 xff08 Variational Auto En
  • 助力自动驾驶商业化 高德公布高精地图技术路线图

    在以 驶向未来 为主题的汽车专场论坛上 xff0c 高德地图首次对外界展示了基于高精地图和高精定位的一体化解决方案的实际定位效果 xff0c 并宣布了未来高德在高精地图技术上的发展路线图 助力自动驾驶商业化 高德公布高精地图技术路线图 7
  • 消息队列技术点梳理(思维导图版)

    消息队列作为服务 应用之间的通信中间件 xff0c 可以起到业务耦合 广播消息 保证最终一致性以及错峰流控 xff08 克服短板瓶颈 xff09 等作用 本文不打算详细深入讲解消息队列 xff0c 而是体系化的梳理消息队列可能涉及的技术点
  • (1)XTDrone环境配置笔记——从安装VMware开始

    本笔记主要参考文章 xff1a https www yuque com xtdrone manual cn basic config 2qN28 自己整理 xff0c 从个人笔记中移植过来 xff0c 如有问题 xff0c 欢迎讨论 目录
  • 编译android7.1源码环境的配置以及中途可能出现问题的总结

    在项目要求将apk文件打包到安卓系统7 1出了一大堆问题 xff0c 由于我是windows10系统 xff0c 所以在电脑上装了个virtualbox虚拟机 xff0c 并且装上了ubuntu 18 04 2 接下来就是在这个虚拟机系统上
  • Ubuntu 创建开机自启动脚本

    由于在ubuntu上面跑了很多服务 xff0c 每次开机都需要自己手动去启动服务太麻烦 下面记录一下开机自启动脚本的编写 xff0c 以便往后查阅 1 适用系统Ubuntu18 ubuntu20 2 切换到etc目录 cd etc 3 创建
  • 关于合法的出栈顺序

    可以按照下面的方法来判断的 xff1a 假如入栈顺序为1234 xff0c 给定一个出栈序列 xff0c 如2431 xff0c 它是合法的 因为对于出栈序列中的每一个数字 xff0c 在它后面的 比它小的所有数字 xff0c 一定是按递减
  • 增量测试:自顶向下测试&自底向上测试

    本博客主要内容 xff1a 自顶向下测试和自底向上测试的优缺点 xff1b 软件开发周期流程 xff1b 不同的测试方法针对不同的测试阶段 一 自顶向下测试 xff1a 优点 xff1a 1 如果主要的缺陷发生在程序的顶层将非常有利 2 一
  • 局域网 Ubuntu 16.04.4 安装 Docker 18.06.0-ce 笔记

    局域网内搭建Ubuntu环境下的Docker Engine 17 06 0 43 Docker Compose 1 14 0 43 的环境运行项目 网上查找到很多方法 xff0c 但是安装总有报错 解决报错办法 xff1a 一 下载了doc
  • oracle监听器日志过大-处理办法

    原则是lsnrctl status xff0c 找到日志文件位置 xff0c 就是给你看的那些信息中的log file xff0c 删除即可 但是监听器在运行状态下 xff0c 无法删除 办法1 xff1a 将监听器stop xff0c 然

随机推荐

  • 网络——IPV4地址(二)

    划分子网的IPv4地址 在IP地址中增加一个 子网号字段 xff0c 使得两级IP地址变成三级IP地址 这种做法称为子网划分 三级IP地址结构如下 xff1a IP地址 61 lt 网络号 gt lt 子网号 gt lt 主机号 gt 子网
  • 创建一个基于WebPacket的TypeScript项目【一】

    创建一个基于WebPacket的TypeScript项目 安装node js环境建立目录结构在 96 templates 96 目录新建 96 template index html 96 并写入 安装VSCode创建一个NPM项目确认 安
  • 记一次grpc arm-hisiv400-linux交叉编译

    时间紧 xff0c 先大概说明一下 xff0c 有时间了再补充详细的说明 grpc 交叉编译 需要先编译出pc版的protobuff 和 grpc xff0c 安装到指定的路径 xff0c 在做交叉编译时需要protoc 和grpc cpp
  • SDN协议与SD-WAN中使用的协议相比有何差别?

    通过建立在物理网络上方抽象的虚拟网络 xff0c 软件定义的网络可实现更灵活的网络管理和操作 代替在硬件级别编程的物理网络设备来驱动网络控制 xff0c 软件定义网络 SDN 引入了一个软件驱动的控制器来处理这些任务并使变更能够实时进行 x
  • SDN和SD-WAN的概念别再搞混了—Vecloud微云

    最近 xff0c SD WAN在融资领域是一个比较热的话题 国外几家SD WAN的头部企业不断地获得融资 xff0c 也包括被思科 VMware等巨头收购和兼并 xff0c 国内创业公司推出了各种SD WAN产品和解决方案 不得不说 xff
  • SDN和SD-WAN有本质区别—Vecloud微云

    作为软件定义网络 xff08 SDN xff09 技术中的一个细分 xff0c 软件定义广域网 xff08 SD WAN xff09 无疑是从2015年到现在企业级广域网布局中最热门的技术之一 SDN SDN旨在支持局域网 xff08 LA
  • 企业MPLS专线的价格及计费方式——微云专线

    企业MPLS专线的费用 MPLS最大技术特色为可以指定资料包传送的先后顺序 xff0c 提供优质增值服务 xff0c 如 xff1a 差别服务 Diff serv 服务级别 CoS 和服务质量 QoS 等 因为MPLS整合了第三层路由和第二
  • 网络专线MPLS配置原理

    MPLS最早的意思是让中间设备只是查找一个表 xff0c 这样就可以相对更快地工作 xff0c 随着CPU运算能力的不断提高 xff0c 包的交换方式从原始到传统 一次路由多次交换 xff0c 最后再到快速的CEF数据交换方式 xff0c
  • 什么是BGP,BGP的优点有哪些?-Vecloud

    什么是BGP 边界网关协议 BGP 是运行于 TCP 上的一种自治系统 AS 的路由协议 xff0c 是唯一能够妥善处理不相关路由域间的多路连接的协议 通俗点讲 中国电信 中国联通 中国移动和一些拥有AS自治域的大型民营IDC运营商就可以通
  • 从linux接入到windows远程桌面

    Windows 提供了一种远程桌面系统 xff0c 可使用户远程登录进行系统管理或作为终端服务器运行各种应用软件 要连接Windows远程桌面 xff0c 需在Windows客户端安装 相应的软件 xff08 tsclient xff09
  • ssh命令使用总结

    前言 为了安全起见 xff0c 公司服务器只给开放了一个ssh端口其他服务器通过跳板机登录 xff0c 这样难免会造成一些不便 xff0c 但是ssh总体还比较强大 xff0c 可以通过配置 xff0c 方便容易的进行登录 也可以通过端口转
  • **matlab subs函数**

    matlab subs函数 matlab中subs 是符号计算函数 xff0c 表示将符号表达式中的某些符号变量替换为指定的新的变量 xff0c 常用调用方式为 xff1a subs S OLD NEW 表示将符号表达式S中的符号变量OLD
  • Python爬虫库推荐,建议收藏留用

    很多人学Python xff0c 都是从爬虫开始的 xff0c 毕竟网上类似的资源很丰富 xff0c 开源项目也非常多 Python学习网络爬虫主要分3个大的版块 xff1a 抓取 xff0c 分析 xff0c 存储 当我们在浏览器中输入一
  • 【深度学习】:Faster RCNN论文详解

    Faster RCNN详解 Faster RCNN 是在Fast RCNN的基础上 xff0c 进一步改进 xff0c 解决select search 算法选择候选框速度太慢的问题 Faster R CNN Towards Real Tim
  • 优化命令之taskset——查询或设置进程绑定CPU

    目录 一 xff1a taskset概述 二 xff1a 安装taskset工具 2 1taskset语法 2 2taskset用法 2 2 1指定PID为8528的进程在CPU1上运行 2 2 2更改具体某一进程 xff08 或 线程 x
  • Kubernetes:(十八)flannel网络

    目录 一 xff1a 什么是Flannel 1 1 Flannel实现原理 1 2 数据转发流程 二 xff1a Flannel网络概述 2 1 Vxlan 模式 2 1 1 通信流程 2 1 2 部署 2 1 3 相关配置 2 1 4 卸
  • 串口调试工具 O-ComTool V1.1.3

    新版本 O ComTool V2 0 0点击访问 写在之前 由于本人从事嵌入式工作 xff08 物联网方向 xff09 xff0c 经常需要和串口打交道 xff0c 面对各种规约 协议 xff0c 调试实在麻烦 xff0c 于是本人根据同事
  • 关于VSCODE的插件 一

    官方API文档 1 要学好TypeScript 官方教程 1 1TypeScript是一门弱类型语言 强类型和弱类型主要是站在变量类型处理的角度进行分类的 这些概念未经过严格定义 xff0c 它们并不是属于语言本身固有的属性 xff0c 而
  • Keil_debug

    提示 xff1a 文章写完后 xff0c 目录可以自动生成 xff0c 如何生成可参考右边的帮助文档 目录 前言 一 使用步骤 1 引入库 2 读入数据 总结 前言 程序员的工作中调试 debug xff0c 修bug xff0c 改bug
  • 前端基础知识梳理——html中的长度单位与颜色RGB值

    前言 我们在编写前端业务的时候很定会使用到长度单位 xff0c 这对于我们构建前端元素 xff0c 布局 xff0c 定位是很重要的 就像我们在盖房子的时候 xff0c 需要使用标尺线精确的测量 xff0c 也要使用颜色用于装饰页面 在ht