超出内容用省略号替代

最近学习了一下怎么用省略号代替超出的文本。

虽然网上的资料很多,但俗话说得好,好记性不如烂笔头,还是记一下吧!

有两种方法,第一是用CSS实现;第二是用js

HTML

<p id="text">9月10日,孙俪在微博晒出一张等等为小花小妹妹吹头发的照片,她还配文写道“瞧,咱这哥哥当的。”照片中,等等拿着吹风机认真的为妹妹小花吹着头发,十分可爱。等等还用手摸着妹妹的头,十分的细心。从侧面看,等等的表情很是认真。</p>

CSS

    #text{width: 600px;overflow: hidden;text-overflow: ellipsis;white-space: nowrap;}

显示的效果是这样的

也就是不管你内容多少,它只会显示一行,最后用省略号代替

但是往往我们需要的是这样的效果

这个需要js实现

        window.onload = function(){//获取对象var text = document.getElementById('text');//设置一个文字的最大长度var maxlen = 100;//获取对象文本内容var content = text.innerHTML;if(content.length > maxlen){//截取字符串var tmp = content.substring(0,maxlen);//显示在id为after中document.getElementById('after').innerHTML = tmp+"...";}};

这里附上原来一个大神的文章

http://www.zhangxinxu.com/wordpress/2009/09/%E5%85%B3%E4%BA%8E%E6%96%87%E5%AD%97%E5%86%85%E5%AE%B9%E6%BA%A2%E5%87%BA%E7%94%A8%E7%82%B9%E7%82%B9%E7%82%B9-%E7%9C%81%E7%95%A5%E5%8F%B7%E8%A1%A8%E7%A4%BA/

转载于:https://www.cnblogs.com/tsngke/p/4802251.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491804.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

数字图像处理-7频域滤波

傅里叶变化特性及其应用

福布斯发布2019全球品牌价值100强:华为上榜苹果夺冠

来源&#xff1a;世界科技创新论坛百强品牌中&#xff0c;有56个来自美国公司&#xff0c;前10名中有80%是美国公司的品牌。德国、法国和日本排在美国之后&#xff0c;分别有11个、7个、6个品牌上榜。上榜品牌共来自16个国家。5月23日&#xff0c;福布斯发布了一年一度的全球品…

一文读懂你该了解的5G知识:现在别买5G手机

来源&#xff1a; 腾讯科技2019年是中国全力布局5G的一年&#xff1a;三大运营商纷纷搭建基站&#xff0c;手机厂商发布5G手机&#xff0c;部分城市已经开启了5G测试……在电信日这天&#xff0c;腾讯科技联合知乎推出重磅策划&#xff0c;聚焦和5G相关的小知识&#xff0c;精选…

未来可能发生的十大颠覆性创新

转自&#xff1a;工信头条本文发表于《中国工业和信息化》杂志2019年5月刊总第12期科技作家凯文凯利认为&#xff1a;“未来在其初期将发展得非常缓慢&#xff0c;随之便可一蹴而就。”随着时间缓慢出现的规模化变革很容易被忽视&#xff0c;但实际上在一个快速创新的世界中&am…

Python计算信息熵

计算信息熵的公式&#xff1a;n是类别数&#xff0c;p(xi)是第i类的概率 假设数据集有m行&#xff0c;即m个样本&#xff0c;每一行最后一列为该样本的标签&#xff0c;计算数据集信息熵的代码如下&#xff1a; from math import logdef calcShannonEnt(dataSet):numEntries …

Python绘制决策树的节点

import matplotlib.pyplot as pltdecisionNode dict(boxstyle"sawtooth", fc"0.8") # 决策节点的属性。boxstyle为文本框的类型&#xff0c;sawtooth是锯齿形&#xff0c;fc是边框线粗细 # 可以写为decisionNode{boxstyle:sawtooth,fc:0.8} leafNode dic…

IBM对话智能+未来:十年提升AI性能效率千倍?

来源&#xff1a;云科技时代140多前的1879年&#xff0c;爱迪生经过几千次试验发明了电灯&#xff1b;之后过了90年的1969年美国把人类送到了月球&#xff0c;1970年空中客车公司诞生。在1870年代&#xff0c;人类初次进入电力时代的时候&#xff0c;没有人能够想到有一天人类可…

【转】chrome浏览器的跨域设置——包括版本49前后两种设置

做前后分离的webapp开发的时候&#xff0c;出于一些原因往往需要将浏览器设置成支持跨域的模式&#xff0c;好在chrome浏览器就是支持可跨域的设置&#xff0c;网上也有很多chrome跨域设置教程。但是新版本的chrome浏览器提高了跨域设置的门槛&#xff0c;原来的方法不再适用了…

中国信通院:2019年Q1全球人工智能产业数据报告

来源&#xff1a;网络大数据近日&#xff0c;中国信息通信研究院数据研究中心发布了《全球人工智能产业数据报告(2019Q1)》。报告以中国信息通信研究院数研中心人工智能产业数据库为基础&#xff0c;从企业研究、投融资研究、论文等角度出发&#xff0c;结合产业发展热点&#…

数据库一对一,一对多,多对多关系

关联映射&#xff1a;一对多/多对一 存在最普遍的映射关系&#xff0c;简单来讲就如球员与球队的关系&#xff1b; 一对多&#xff1a;从球队角度来说一个球队拥有多个球员 即为一对多 多对一&#xff1a;从球员角度来说多个球员属于一个球队 即为多对一 数据表间一对多关系如下…

一文读懂产业互联网的前世今生!

来源&#xff1a;全球物联网观察摘要&#xff1a;随着云计算等企业级技术应用的发展普及&#xff0c; 产业互联网实际已经在各行各业展开实践。广度上不仅覆盖服务业、工业和农业&#xff0c;还从商业扩展到公益和政府&#xff0c;整个社会走向全面互联&#xff1b;深度上从营销…

反对量子计算的理由

来源&#xff1a; 悦智网量子计算如今十分流行。几乎每天都有新闻媒体发布相关新闻。其实人类研究量子计算已经长达几十年&#xff0c;却未得出任何实用的结果&#xff0c;大多数评论员都忘记或者掩饰了这一事实。 IBM指出量子计算机能够“使很多学科领域取得突破性进展&#x…

吴恩达《机器学习》学习笔记一——初识机器学习

吴恩达《机器学习》学习笔记一一、 什么是机器学习&#xff1f;二、监督学习三、无监督学习初识机器学习这是个人学习吴恩达《机器学习》课程的一些笔记&#xff0c;供自己和大家学习提升。第一篇内容较少&#xff0c;日后继续加油。课程链接&#xff1a;https://www.bilibili.…

院士张钹:AI奇迹短期难再现 深度学习技术潜力已近天花板

来源&#xff1a;软件定义世界&#xff08;SDX&#xff09;在Alphago与韩国围棋选手李世石对战获胜三年过后&#xff0c;一些迹象逐渐显现&#xff0c;张钹院士认为到了一个合适的时点&#xff0c;并接受了此次的专访。张钹&#xff0c;计算机科学与技术专家&#xff0c;俄罗斯…

吴恩达《机器学习》学习笔记二——单变量线性回归

吴恩达《机器学习》学习笔记二——单变量线性回归一、 模型描述二、 代价函数1.代价函数和目标函数的引出2.代价函数的理解&#xff08;单变量&#xff09;3.代价函数的理解&#xff08;两个参数&#xff09;三、 梯度下降——求解最优参数1.梯度下降的步骤2.梯度下降的数学表达…

吴恩达《机器学习》学习笔记三——多变量线性回归

吴恩达《机器学习》学习笔记三——多变量线性回归一、 多元线性回归问题介绍1.一些定义2.假设函数二、 多元梯度下降法1. 梯度下降法实用技巧&#xff1a;特征缩放2. 梯度下降法的学习率三、 特征选择与多项式回归四、 正规方程法1. 一些定义2. 正规方程解的公式3. 梯度下降法和…

五大核心构成的AIoT,正在遭遇三大挑战,两条突破口外还有什么?

来源&#xff1a;物联网智库随着IoT与AI逐步走向融合&#xff0c;AIoT正将以全新的方式改变人们的生活。一、新业务需求近年来&#xff0c;物联网呈现突飞猛进的发展态势。根据中商情报网的数据&#xff0c;2018年全球物联网设备已经达到70亿台&#xff1b;到2020年&#xff0c…

机器学习中防止过拟合的方法总结

来自机器学习成长之路公众号 在对模型进行训练时&#xff0c;有可能遇到训练数据不够&#xff0c;即训练数据无法对整个数据的分布进行估计的时候&#xff0c;或者在对模型进行过度训练&#xff08;overtraining&#xff09;时&#xff0c;常常会导致模型的过拟合&#xff08;…

吴恩达《机器学习》学习笔记四——单变量线性回归(梯度下降法)代码

吴恩达《机器学习》学习笔记四——单变量线性回归&#xff08;梯度下降法&#xff09;代码一、问题介绍二、解决过程及代码讲解三、函数解释1. pandas.read_csv()函数2. DataFrame.head()函数3. Dataframe.insert()函数课程链接&#xff1a; https://www.bilibili.com/video/BV…

从IoT World 2019看全球IoT九大发展趋势

来源&#xff1a;全球物联网观察美国时间5月14日&#xff0c;IoT World2019在美国硅谷圣克拉拉会议中心举行&#xff0c;今年的主题是“工业与IOT的交互”&#xff0c;从大会主题演讲内容和现场产品展示来看&#xff0c;随着5G的商用和人工智能技术的大面积落地&#xff0c;IoT…