博客
关于我
纯css实现容器高度随宽度等比例变化的两种解决方案
阅读量:321 次
发布时间:2019-03-04

本文共 481 字,大约阅读时间需要 1 分钟。

(padding-bottom实现的正方形)

  • padding-bottom实现
  • 这个方法非常巧妙。由于padding-bottom的属性值百分比是按照父容器的宽度来计算的,所以我们可以设置容器的宽度为父容器的50%,padding-bottom也为50%。这样,无论是宽度还是高度,都会自动占用父容器的50%。这样一来,盒子就会显示成一个完美的正方形。

    1. 使用隐藏图片实现
    2. 这种方法无需担心兼容性问题,在PC和移动端都能完美运行。只是增加了一个DOM结构,但相比于一个页面中百上千的代码,这个成本微乎其微。

      我们知道,div容器如果不设置高度,其高度会随着内部元素的变化而自动扩展。在这种情况下,我们在容器内部添加一张图片,并设置图片的宽度为100%,高度为auto。这样,无论父容器如何变化,图片都会严格按照宽高比例自动缩放,内部容器的高度也会随之调整。

      相比于padding-bottom实现,使用图片可能会存在一定的高度误差,这需要根据实际需求进行调整。

      使用图片实现的优势在于代码简洁,不需要额外处理。对于大多数浏览器和屏幕尺寸,这种方法都能达到理想效果。

    转载地址:http://zqvq.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
    查看>>