博客
关于我
固定布局
阅读量:117 次
发布时间:2019-02-26

本文共 746 字,大约阅读时间需要 2 分钟。

固定布局与栅格系统概述

一、概念理解

固定布局是一种基于固定宽度的页面布局设计。在页面缩放至宽度小于页面宽度时,内容部分将不可见,需要通过滚动条查看全部内容。这类布局适用于需要严格控制容器宽度的场景。

二、栅格系统基础

固定列宽的栅格系统通常由列(Column)、槽(Gutter)和外边距(Margin)三个部分构成。列宽决定了容器内部的宽度,槽宽决定了列与列之间的固定间距,而外边距则是指容器边界与内容之间的间隔。

要构建栅格系统,首先需要明确容器的宽度和所需的列数。

三、CSS栅格系统实现

固定列宽的栅格系统主要包含以下内容:
  • 容器设置:960像素宽度的容器通常采用居中布局,需设置 width: 960px,同时左右外边距可设置为 auto,或简单地使用 margin: auto

  • 栅格命名:栅格命名一般采用“grid”或“column”作为前缀,数字作为后缀表示栅格列数。例如,grid_1grid_2 等命名方式。

  • 栅格属性设置:栅格需要设置 float: left 属性,并配置栅格之间的间距。例如,960gs设置左右外边距为10像素,类似于 Bootstrap 2 的实现方式,只需设置一侧边距即可完成。

  • 列宽计算:基于12列栅格系统,grid_1 栅格的宽度为60像素,加上左右外边距80像素。对于第 n 列,宽度计算公式为 (80*n - 20) 像素。

  • 注意事项

    1. 某些栅格系统(如 Bootstrap 2)需要在容器内增加一层,通过设置 `margin-left: -10px` 等方式弥补列宽和外边距的差异。 2. 完善的栅格系统通常会提供辅助功能,如偏移量、清除浮动等,提升开发效率。

    通过以上方法,可以轻松构建固定列宽的栅格系统,满足多种页面布局需求。

    转载地址:http://oqoy.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>
    OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
    查看>>
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>