zoukankan      html  css  js  c++  java
  • 原生JS和jQuery的offset,client,scroll对比

    原生

    offsetTop    //获取元素距离带有定位父元素的位置(没有则以body)
    offsetLeft
    offsetWidth   //获取元素自身的大小(宽度和高度) 包括了border 和padding
    offsetHeight
    offsetParent    //返回带有定位的父盒子 没有则是body
                    //返回的值不带单位
    
    
    clientTop  //返回元素上边框大小
    clientLeft //返回元素左边框大小
    clientWidth //包括padding不包括border 返回值不带单位
    clientHeight //高度
    
    
    document.documentElement.scrollTop   //返回被卷去的高度,不带单位 //可读可写
    document.documentElement.scrollLeft
    document.documentElement.scrollWidth  //返回自身实际的宽度(滚动宽度),不含边框,不带单位
    document.documentElement.scrollHeight  
    
    window.pageYOffset  //页面被卷去 //可读不可写
    window.pageXOffset
    
    window.scroll(x, y) //滚动窗口至文档中的特定位置
    window.scroll(0, 100) //不加单位 //已废弃被scrollTo替代
    window.scrollTo() //
    
    
    offset系列和style的区别
    style只可以获取行内样式,不可以获取css样式里面的,所以如果行内没写,则获取不到
    style是可读可写的。offset是只读属性。
    offset获取的是不带单位的。style获取的是带单位的
    offset获取的带padding和border,而style获取的不带

    jQuery

    width()    //只算width  可读可写 写的时候可以不要带单位
    height()
    
    innerWidth()   //包括padding
    innerHeight()
    
    outerWidth()    //包括border
    outerHeight()
    
    outerWidth(true)   //包括margin
    outerHeight(true)
    
    
    offset()  //设置或获取元素相对于视口的偏移量 //可以不写单位 //可读可写 返回的是一个对象,里面有left和top
    position() //相对于带有定位的父级偏移。父级没有则文档 //可读不可写
    scrollTop() // 被卷去读高度 //可读可写  
    //下面这3种方法都可以
    //$(document).scrollTop(100) $(window).scrollTop(100) $(document.documentElement).scrollTop(100)
    
    // 注意     只有在document.documentElement对象中 有一个scrollTop属性。就是被卷去读高度
                //所以在使用$().animate({})时, $('html').animate({ scrollTop: 1000 }, 3000)
    scrollLeft()

    事件event

    e.clientX //相对于窗口的X
    e.clientY //
    e.pageX  //相对于文档页面
    e.pageY //
    e.screenX // 相对于电脑屏幕
    e.screenY
    e.offsetX //相对于点击的当前元素
    e.offsetY

     

  • 相关阅读:
    ORACLE 使用笔记
    Python资源大全,让你相见恨晚的Python库
    基于python的k-s值计算
    sklearn聚类模型:基于密度的DBSCAN;基于混合高斯模型的GMM
    skearn学习路径
    透彻形象理解核函数
    LDA降维与PCA降维对比
    sklearn 岭回归
    GBDT、XGBOOST、LightGBM对比学习及调参
    sklearn,交叉验证中的分层抽样
  • 原文地址:https://www.cnblogs.com/flyerya/p/11696063.html
Copyright © 2011-2022 走看看