• 用js实现透明度渐变效果


    如图,一开始元素的透明度是30,鼠标移上的时候,透明度慢慢增加,到透明度100停止。鼠标移出,透明度慢慢减少,减少到30.

    要点一:因为无法直接获取和改变透明度的值,可以把透明度值赋给一个变量,让变量变化,最后把变量的值再赋给元素的透明值。

    var alpha=30;

    要点二:判断目标值和目前透明值,来判定是正向速度还是负向速度。

    if(target > alpha){
    speed = 2;
    }else{
    speed = -2;
    }
    要点三:如果透明值达到目标值,关掉定时器,否则透明值继续变化。最后把值赋给元素,因为透明度有兼容问题,所以要写上两个写法。
    if(alpha == target){
    clearInterval(timer);
    }
    else{
    alpha = alpha + speed;
    run.style.filter = 'alpha(opacity='+alpha+')';
    run.style.opacity = alpha/100;
    document.title = alpha;
    }

    最后,上代码

    <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
    <html xmlns="http://www.w3.org/1999/xhtml">
    <head>
    <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
    <title>无标题文档</title>
    <style>
    body
    {margin:0; padding:0;}
    #run
    {width:100px; height:100px; background:#06c; position:absolute; border:1px solid #000; opacity:0.3; filter:alpha(opacity=30);}
    </style>
    <script>
    window.onload
    = function(){
    var run = document.getElementById("run");
    var btn = document.getElementById("btn");
    var speed = 1;
    var timer = null;
    var alpha=30;
    run.onmouseover
    = function(){
    startrun(
    100);
    }
    run.onmouseout
    = function(){
    startrun(
    30);
    }
    function startrun(target){
    clearInterval(timer);
    timer
    = setInterval(function(){
    if(target > alpha){
    speed
    = 2;
    }
    else{
    speed
    = -2;
    }

    if(alpha == target){
    clearInterval(timer);
    }
    else{
    alpha
    = alpha + speed;
    run.style.filter
    = 'alpha(opacity='+alpha+')';
    run.style.opacity
    = alpha/100;
    document.title = alpha;
    }
    },
    30)
    }
    }

    </script>
    </head>

    <body>
    <div id="run"></div>
    </body>
    </html>



  • 相关阅读:
    统计学六:逻辑回归
    数据分析五:因子分析
    统计学四:聚类分析
    统计学三:线性回归
    统计学二:假设检验与参数估计
    统计学一:描述统计
    数据分析十:高价值用户识别
    数据分析九:互联网征信中的信用评分模型(用户APP使用行为分析)
    数据分析八:互联网征信中的信用评分模型(刷卡行为分析)
    数据分析七:数据治理
  • 原文地址:https://www.cnblogs.com/jingangel/p/2390691.html
Copyright © 2020-2023  润新知