当前位置:网站首页>你不知道的常规流
你不知道的常规流
2022-08-10 05:30:00 【*陌路,相逢*】
常规流
盒模型:规定单个盒子的规则
视觉格式化模型:页面中多个盒子的排列规则
视觉格式化模型,大体上将页面盒子的排列分为三种方式
- 常规流
- 浮动
- 定位
常规流布局
几种说法: 常规流、文档流、普通文档流、常规文档流
所有元素默认情况下,都属于常规流布局
总体规则:块盒独占一行,行盒水平依次排列
包含块(containing block ) : 每个盒子都有它的包含块,包含块决定了盒子的排列区域(坐标系)
绝大数情况下盒子的包含块是父元素的内容盒
块盒
- 每个块盒的总宽度必须等于包含块的宽度
宽度的默认值为 auto (将剩余的宽度值吸收掉)
margin 的也可以设置为auto , margin的默认值为0
width的吸收能力强于margin,就是width和margin 同时设置为auto width先吸收
若宽度,填充,边框,外边距计算后仍然有剩余空间,则所有的剩余空间都会被margin-right吸收。
在常规流中 块盒在其包含块中居中,可以定宽,左右margin的值设置为auto。
2. 每个块盒子垂直方向的auto值
hight : auto 适应内容的高度
margin : 设置为0
3. 百分比取值
宽度,padding,margin 可以设置成百分比
以上的所有的百分比都是相对于包含块的宽度(和高度没有什么关系)
高度的百分比
1). 包含块的高度是否取决于子元素的高度,高度为auto,设置百分比无效
2). 包含块的高度不取决于子元素的高度,百分比相对于父元素的百分比
4. 上下外边距合并
两个常规流块盒子,上下外边距相邻(包括父、子元素相邻),会进行合并(两个外边距取最大值)
边栏推荐
- 大咖说·对话生态|当Confluent遇见云:实时流动的数据更有价值
- CORS跨域资源共享漏洞的原理与挖掘方法
- 一文带你搞懂OAuth2.0
- 树莓派入门(3)树莓派GPIO学习
- 反转链表中的第m至第n个节点---leetcode
- Read the excerpt notes made by dozens of lightweight target detection papers for literacy
- You can‘t specify target table ‘kms_report_reportinfo‘ for update in FROM clause
- 基本比例尺标准分幅编号流程
- OSPF实验
- Minio分布式存储系统
猜你喜欢

Conda creates a virtual environment method and pqi uses a domestic mirror source to install a third-party library method tutorial

【LeetCode】41. The first missing positive number

Pony语言学习(一):环境配置(续)

基于Qiskit——《量子计算编程实战》读书笔记(四)

ThreadPoolExecutor线程池原理

深度学习中数据到底要不要归一化?实测数据来说明!

pytorch框架学习(4)torchvision模块&训练一个简单的自己的CNN (一)

CORS跨域资源共享漏洞的原理与挖掘方法

接口文档进化图鉴,有些古早接口文档工具,你可能都没用过

【格式转换】将JPEG图片批量处理为jpg格式
随机推荐
YOLOv5 PyQt5(一起制作YOLOv5的GUI界面)
在yolov5的网络结构中添加注意力机制模块
Qiskit 学习笔记1
PCL,VS配置过程中出现:用 _sopen_s 代替 _open, 或用_CRT_SECURE_NO_WARNNINGS错误
应用在智能触摸遥控器中的触摸芯片
一文带你搞懂OAuth2.0
Qiskit官方文档选译之量子傅里叶变换(Quantum Fourier Transform, QFT)
Jenkins 如何玩转接口自动化测试?
aliases node analysis
论文精度 —— 2017 ACM《Globally and Locally Consistent Image Completion》
Pony语言学习(七)——表达式(Expressions)语法(单篇向)
FPGA engineer interview questions collection 21~30
文章复现:超分辨率网络-VDSR
Qiskit学习笔记(三)
一篇文章带你搞懂什么是幂等性问题?如何解决幂等性问题?
AVL树的插入--旋转笔记
WSTP初体验
latex图片排版技巧总结
pytest测试框架
[Thesis Notes] Prototypical Contrast Adaptation for Domain Adaptive Semantic Segmentation