推荐一款uniapp的日历插件魔改版可显示阳历阴历农历公历

server/2025/2/28 16:16:59/

上图:

1.下载

https://download.csdn.net/download/ktucms/90436225

2.调用,解压后,放到根目录就行了。

js

js methds:

 et_rlbox_clear:function () {var that=this;that.pdata.datestr_start="";that.pdata.datestr_end="";},et_chooseDate: function () {var that = this;that.rlbox.show = true;},et_rlbox_hide: function () {var that = this;that.rlbox.show = false;},et_ets_rlbox: function (et) {var that = this;switch (et.action) {case 'confirm':that.pdata.datestr_start = et.range.before;that.pdata.datestr_end = et.range.after;that.$nextTick(function () {that.rlbox.show = false;})that.$forceUpdate();break;case 'close':that.rlbox.show = false;that.$forceUpdate();break;}},

html代码:

 


http://www.ppmy.cn/server/171326.html

相关文章

C#与AI的交互(以DeepSeek为例)

C#与ai的交互 与AI的交互使用的Http请求的方式,通过发送请求,服务器响应ai生成的文本 下面是完整的代码,我这里使用的是Ollama本地部署的deepseek,在联网调用api时,则url会有不同 public class OllamaRequester {[Se…

PyTorch-基础(CUDA、Dataset、transforms、卷积神经网络、VGG16)

PyTorch-基础 环境准备 CUDA Toolkit安装(核显跳过此步骤) CUDA Toolkit是NVIDIA的开发工具,里面提供了各种工具、如编译器、调试器和库 首先通过NVIDIA控制面板查看本机显卡驱动对应的CUDA版本,如何去下载对应版本的Toolkit工…

Vue03

Vue03 注:为Vue实例添加属性,写法如下 methods:{ addSex(){ Vue.set(this.student,"sex",男) } }Vue监视数据原理: vue会监视data中所有层次的数据 如何监测对象中的数据 通过setter实现监视,且要在ne…

Jmeter聚合报告导出log文档,Jmeter聚合报告导出到CSV

Jmeter聚合报告导出log文档 在Filename中输入 EKS_perf_log\\${type}_log\\${__P(UNIQUEID,${__time(YMDHMS)})}\all-graph-results-log.csv 可以得到执行的log,文件夹包含时间戳 Jmeter聚合报告导出到CSV 点击Save Table Data,保存到CSV文件中

机器学习数学基础:37.偏相关分析

偏相关分析教程 一、偏相关分析是什么 在很多复杂的系统中,比如地理系统,会有多个要素相互影响。偏相关分析就是在这样多要素构成的系统里,不考虑其他要素的干扰,专门去研究两个要素之间关系紧密程度的一种方法。用来衡量这种紧…

React 项目创建与文件基础结构关系

点击查看react官方文档 //index.js //整个项目的入口,项目从此开始运行//导入react和react-dom两个必要的核心包 import React from react; import ReactDOM from react-dom/client;//导入App组件(根组件) import App from ./App;//把App根组件渲染到id为root的dom…

Deepseek开源周,第二天:Deep EP

DeepSeek 开源的 DeepEP 项目是一个专为 MoE(混合专家)模型设计的开源通信库,旨在优化训练和推理效率。其对开发者的核心价值体现在以下方面: 1. 显著提升训练与推理性能 全连接通信优化 通过高效优化的 All-to-All 通信机制&…

机器学习:强化学习的epsilon贪心算法

强化学习(Reinforcement Learning, RL)是一种机器学习方法,旨在通过与环境交互,使智能体(Agent)学习如何采取最优行动,以最大化某种累积奖励。它与监督学习和无监督学习不同,强调试错…