hash随笔

hash属性是一个可读可写的字符串,是url的锚部分(从#开始)。多用于单页面应用中,使其包含多个页面。

定位:通过id来定位

eg:

<div id= "part1"></div>
<div id= "part2"></div>

从上一页跳转入此页面时,若地址后锚部分是#part1则id= "part1"的部分进入当前视图

方法:

1.window.location.hash可获取eg: console.log(window.location.hash)

并设置当前页面的hash eg: window.location.hash= "part2";

2.window.onhashchange= function(){} 监控页面hash的跳转

使用起来很是简单。

值得一提的是先前在项目中使用了$location服务,造成很大的错误,经过分析,发现引入此服务过后锚会由#part1变为#/part1(天...)

而$location.hash()的作用是在锚的后面添加字段而非整体更改,当使用$location.hash进行页面跳转时,window.onhashchange也无法监控到。

时间: 2024-10-29 19:05:31

hash随笔的相关文章

hash冲突随笔

一:hash表 也叫散列表,以key-value的形式存储数据,就是将需要存储的关键码值通过hash函数映射到表中的位置,可加快访问速度. 二:hash冲突 如果两个相同的关键码值通过hash函数映射到了表中的相同位置,则产生了"碰撞"及hash冲突.解决冲突的方式有多种,可根据实际情况选择. 三:解决方法 1.外部链址法 为hash冲突的关键码值建立单链表,将单链表的头指针保存在hash表的存储单元中.以HashMap为例,可以实例化一个初始容量为16和加载因子为0.75f的对象.首

随笔64 hash表

1.哈希函数进行模除取余时,最好取素数进行模除. [解析]哈希表设计目的就是希望尽量的随机散射,不希望这些在同一列上的元素(也就是会冲突的元素)之间具有关系,所以我们都采用素数作为哈希表的大小,从而避免模数相同的数之间具备公共因数. ① 如果用一个合数8作为哈希表大小,0-30在哈希表中的散射情况: ② 用质数7作为哈希表大小,0-30在哈希表中的散射情况: 2.哈希表装填因子(负载因子)定义为:α= 填入表中的元素个数 / 哈希表的长度 α是哈希表装满程度的标志因子.由于表长是定值,α与"填入

Hadoop随笔

Mapreduce 处理的数据必须具备的特点: --待处理的数据可以分解成许多小的数据集,而且每个数据集都可以完全并行的处理 计算模型的核心部分是map和Reduce函数: --这两个函数的功能由用户根据需要自己实现,只要能够按照用户自定义的规则, 将输入的键值对转换成另一批键值对输出即可 在map阶段,MapReduce框架将任务的输入数据分割成固定大小的片段,每个片段进一步分解成一批的键值对 Hadoop会为每个片段分map任务,把键值对作为输入,得到计算的中间结果<key,value>,

小菜杂杂作随笔

接触ORACLE有段日子了,不过基本上就是写写几条SELECT语句,存储过程也是依葫芦画瓢写的,没有什么技术含量.所以有关这方面的技术水平就这样徘徊着. ORACLE资料也有一大堆,包括之前自己雄心壮志买下的那本厚厚的书.书是好书,就是难啃.一开始看的还算积极,就算不懂的地方也会尽量搞懂.看到快一半的时候,又一次回头翻了翻过去的内容--这都什么鬼--很多都不太记得了,当时好像懂了,还做了笔记的地方,现在要连着笔记一起啃--感觉现在用不到这么深吧,而且看了就忘,于是渐渐不怎么翻了. 不过ORACL

高并发下问题随笔

高并发下随笔 随便写写,有什么不对的地方,请多指教. 选NGINX还是APACHE抗并发: 首先常用的架构是LNMP,之前用过LAMP的架构,但发现APACHE在高并发下表现并没有NGINX优异,原因是NGINX是异步非阻塞,APACHE是同步多进程阻塞型,NGINX会占用更少的资源抗并发,可能几千上万个链接依旧使用一个链接,NGINX也很容易组成集群, 给不同配置的服务器分配不同的权重,还包括负载均衡的方式,比如轮询与我们常用的IP_HASH等,所以推荐LNMP的架构. 选择HDD还是SSD硬

Unity3d之Hash&amp;Slash学习笔记(一)--角色属性类的构架

角色属性类的构架 角色属性类有8个类,继承关系如下图: 每个类的具体作用见之后的随笔 Unity3d之Hash&Slash学习笔记(一)--角色属性类的构架

Redis集群服务器-高可用调研随笔[转]

今天改了一天的Bug,本想下午开始专研Redis命令集,结果也泡汤了.只能在下班的路上考虑下Redis集群服务器的高可用方案.随笔而已,尚未成型,仅作记录. 当然,我说的可能比较片面,欢迎拍砖.斧正. 一.Redis与MySQL对比 相同点: Master-Slave架构,集群架构下无法很好的完成数据拷贝,确保数据一致性. 支持数据文件持久化存储,但数据文件过大时,宕机重启可能存在安全隐患. 不同点: Redis时效性能远比MySQL要高得多,支持复杂的数据类型,基本上都是内存操作,效率远胜于M

linux基础学习随笔【根本没有排序哈】

直接整:init 3 5 6 0;init 3代表切换到字符界面,5代表切换到图形界面:6表示重启,等同于reboot:0表示关机=poweroff:改主机名:hostnamectl set-hostname centos7.localdomain;[记不住,TAB键补全]查看操作系统linux版本:cat /etc/centos-release;或者通过安装lsb_release -a ;查看内核版本: uname -rlscpu 查看CPU使用情况:lsblk查看硬盘:free - h查看内

Redis学习系列四Hash(字典)

一.简介 Redis中的Hash字典相当于C#中的Hashtable,是一种无序字典,内存存储了很对的键值对,实现上和Hashtable一样,都是"数组+链表"二维结构,都是对关键字(键值)进行散列操作,讲关键字散列到Hashtable中的某一个槽位中去,这个过程中如果发生了碰撞,散列函数可能将不同的关键字散列到Hashtable中的同一个槽位中去,通过"链表的方式"进行连接. 后续可能会写一个分类的关于C#中常用算法的文章,但这里不想介绍太多. 不同的是.Redi