Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Jquery 判断 checked 是否选中

Jquery 判断 checked 是否选中

作者头像
White feathe
发布于 2021-12-08 07:13:45
发布于 2021-12-08 07:13:45
2.8K00
代码可运行
举报
运行总次数:0
代码可运行

如果要判断Js中的 checked 是否选中,首先取决于你 引用Jquery 的版本。

首先,我引用的是 jQuery v1.11.2 的版本出现的效果如下:

(建议:选用 jquery-1.8.3.min.js 会比较稳定点)

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
<!DOCTYPE html>
<html>
    <head>
        <meta charset="UTF-8">
        <title></title>
    </head>
    <body>
        <input type="checkbox" name = "abc" id="aaa" />
    </body>
    <script src="build/jquery.min.js"></script>
    <script>
        $(function(){

            //都是获取元素是否选中

            alert( $("input[name='abc']:checked").val());    //undefined

            alert( $("input[name='abc'][checked]").val());   //undefined

            alert($("#aaa").attr("checked"));       //undefined

            alert($(":checkbox:checked").checked)   //undefined

            alert($("#aaa").prop("checked"));      //true

            alert($(":checkbox").get(0).checked);  //true


        });
    </script>
</html>

1、获取匹配集合中第一个元素的Property的值

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
.prop( propertyName ) 

2、 给匹配元素集合设定一个或多个属性

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
.prop( propertyName, value ) 
.prop( map ) 
.prop( propertyName, function(index, oldPropertyValue) ) 

.prop()和 .attr()区别

prop是Jquery 从1.6开始提供新的方法。

To retrieve and change DOM properties such as the checked, selected, or disabled state of form elements, use the .prop() method.

根据官方的建议:具有 true 和 false 两个属性的属性,如 checked, selected 或者 disabled 使用prop(),其他的使用 attr()

那么,什么时候使用attr(),什么时候使用prop()?

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
1.添加属性名称该属性就会生效应该使用prop();

2.是有true,false两个属性使用prop();

3.其他则使用attr();

项目中jquery升级的时候要注意这点!


参考文献: http://hxq0506.iteye.com/blog/1046334

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2016/04/27 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
TensorFlow HOWTO 1.2 LASSO、岭和 Elastic Net
L1=λ1∥w∥1L2=λ2∥w∥2L=LMSE+L1+L2\begin{matrix} L_1 = \lambda_1 \|w\|_1 \\ L_2 = \lambda_2 \|w\|^2 \\ L = L_{MSE} + L_1 + L_2 \end{matrix}L1​=λ1​∥w∥1​L2​=λ2​∥w∥2L=LMSE​+L1​+L2​​
ApacheCN_飞龙
2019/02/15
5320
TensorFlow HOWTO 1.2 LASSO、岭和 Elastic Net
TensorFlow HOWTO 4.2 多层感知机回归(时间序列)
导入数据,并进行预处理。我们使用国际航班乘客数据集,由于它不存在于任何现有库中,我们需要先下载它。
ApacheCN_飞龙
2019/02/15
4860
TensorFlow HOWTO 4.2 多层感知机回归(时间序列)
TensorFlow HOWTO 2.1 支持向量分类(软间隔)
在传统机器学习方法,支持向量机算是比较厉害的方法,但是计算过程非常复杂。软间隔支持向量机通过减弱了其约束,使计算变得简单。
ApacheCN_飞龙
2019/02/15
4570
TensorFlow HOWTO 2.1 支持向量分类(软间隔)
TensorFlow HOWTO 1.4 Softmax 回归
导入数据,并进行预处理。我们使用鸢尾花数据集所有样本,根据萼片长度和花瓣长度预测样本属于三个品种中的哪一种。
ApacheCN_飞龙
2019/02/15
5380
TensorFlow HOWTO 1.4 Softmax 回归
TensorFlow HOWTO 2.3 支持向量分类(高斯核)
遇到非线性可分的数据集时,我们需要使用核方法,但为了使用核方法,我们需要返回到拉格朗日对偶的推导过程,不能简单地使用 Hinge 损失。
ApacheCN_飞龙
2019/02/15
6490
TensorFlow HOWTO 2.3 支持向量分类(高斯核)
TensorFlow HOWTO 1.3 逻辑回归
将线性回归的模型改一改,就可以用于二分类。逻辑回归拟合样本属于某个分类,也就是样本为正样本的概率。
ApacheCN_飞龙
2019/02/15
3270
TensorFlow HOWTO 1.3 逻辑回归
TensorFlow HOWTO 1.1 线性回归
导入数据,并进行预处理。我们使用鸢尾花数据集中的后两个品种,根据萼片长度预测花瓣长度。
ApacheCN_飞龙
2019/02/15
4750
TensorFlow HOWTO 1.1 线性回归
TensorFlow HOWTO 2.2 支持向量回归(软间隔)
导入数据,并进行预处理。我们使用鸢尾花数据集中的后两个品种,根据萼片长度预测花瓣长度。
ApacheCN_飞龙
2019/02/15
4440
TensorFlow HOWTO 2.2 支持向量回归(软间隔)
TensorFlow实现Attention机制原理介绍论文阅读代码实现
原理介绍 图片1 图片2 图片3 更多资料: https://distill.pub/2016/augmented-rnns/#attentional-interfaces https://
致Great
2018/06/13
8.8K0
【译】TensorFlow实现Batch Normalization
原文:Implementing Batch Normalization in Tensorflow 来源:R2RT 译者注:本文基于一个最基础的全连接网络,演示如何构建Batch Norm层、
袁承兴
2018/04/11
1.9K1
【译】TensorFlow实现Batch Normalization
pytorch和tensorflow的爱恨情仇之定义可训练的参数
之前我们就已经了解了pytorch和tensorflow中的变量,本节我们深入了解可训练的参数-变量
西西嘛呦
2020/10/10
8380
pytorch和tensorflow的爱恨情仇之定义可训练的参数
干货 | Tensorflow设计简单分类网络实现猫狗图像分类训练与测试
第一层:32个feature map 5x5卷积、步长为2、最大值池化 局部相应归一化处理(LRN) 第二层:64个feature map 3x3卷积、步长为1、没有池化 第三层:128个feature map 3x3卷积、步长为1、最大值池化 局部相应归一化处理(LRN) 扁平层操作12x12x128个神经元 输出层操作2个神经元输出、sigmoid激活函数 卷积层采用relu作为激活函数。
OpenCV学堂
2018/12/12
2.3K0
干货 | Tensorflow设计简单分类网络实现猫狗图像分类训练与测试
TensorFlow 深度学习实战指南:1~5 全
TensorFlow 是 Google 最近发布的新的机器学习和图计算库。 其 Python 接口可确保通用模型的优雅设计,而其编译后的后端可确保速度。
ApacheCN_飞龙
2023/04/23
1.9K0
TensorFlow 深度学习实战指南:1~5 全
简单的TensorFlow分类教程
本篇文章有2个topic,简单的分类器和TensorFlow。首先,我们会编写函数生成三种类别的模拟数据。第一组数据是线性可分的,第二种是数据是月牙形数据咬合在一起,第三种是土星环形数据。每组数据有两个类型,我们将分别建立模型,对每组数据分类。
用户1332428
2018/07/30
5400
简单的TensorFlow分类教程
02 The TensorFlow Way(3)
该文对神经网络在计算机视觉领域的应用进行了分析,并介绍了如何使用Keras框架进行训练和部署。文章还讨论了神经网络在计算机视觉任务中的常见应用,包括图像分类、目标检测和图像分割等。
MachineLP
2018/01/09
8140
深度学习(3)——用tensorflow实现机器学习算法1实现线性回归实现逻辑回归
前言:主要用TensorFlow实现线性回归和逻辑回归这两个机器学习算法,就当对TensorFlow的一个应用了吧 1实现线性回归 直接上代码吧,注释和步骤直接在代码里面了 # 1. 构造一个数据 np.random.seed(28) N = 100 x = np.linspace(0, 6, N) + np.random.normal(loc=0.0, scale=2, size=N) y = 14 * x - 7 + np.random.normal(loc=0.0, scale=5.0, size=N
DC童生
2018/07/04
6040
【TensorFlow】TensorFlow 的多层感知器(MLP)
本文介绍了如何使用TensorFlow实现MLP,并在CIFAR-10数据集上进行了测试。首先,简要介绍了MLP模型的原理和TensorFlow的代码实现。然后,详细描述了如何使用TensorFlow实现MLP,并使用CIFAR-10数据集进行了测试。最后,给出了实验结果,并进行了分析。
Alan Lee
2018/01/08
2.2K0
【TensorFlow】TensorFlow 的多层感知器(MLP)
人工神经网络ANN
该文介绍了如何使用深度学习实现图像分类。首先介绍了传统神经网络和深度学习的基本概念,然后介绍了如何使用深度学习模型进行图像分类。文章还讨论了训练过程中的超参数设置,包括隐层数量、每层神经元数量以及激活函数选择等,并给出了一个具体的例子,使用MNIST数据集进行训练和测试。
企鹅号小编
2017/12/26
8640
人工神经网络ANN
教程 | 利用TensorFlow和神经网络来处理文本分类问题
机器之心(海外)原创 作者:shixin 参与:Joni、Smith 在这篇文章中,机器之心海外分析师对Medium(链接见文后)上的一篇热门博客进行了介绍,讨论了六个关于创建机器学习模型来进行文本分类的主要话题。 在这篇文章中,作者讨论了六个关于创建机器学习模型来进行文本分类的主要话题。 TensorFlow 如何工作 机器学习模型是什么 神经网络是什么 神经网络怎样进行学习 如何处理数据并且把它们传输给神经网络的输入 怎样运行模型并且得到预测结果 作者也提供了可在Jupyter notebook上运行
机器之心
2018/05/09
5830
TF-CNN
低头不是认输,是要看清自己的路;仰头不是骄傲,是要看见自己的天空。——科比·布莱恩特
AngelNH
2020/04/16
4310
推荐阅读
相关推荐
TensorFlow HOWTO 1.2 LASSO、岭和 Elastic Net
更多 >
领券
💥开发者 MCP广场重磅上线!
精选全网热门MCP server,让你的AI更好用 🚀
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验