ajax完美实现两个网页 分页功能的实例代码_PHP教程
分页的首页
武侠小说分页
<script><BR>var page='';<BR> function init(page){<BR> document.getElementById("tables").innerHTML='';<BR> var xhr;<BR> if(window.XMLHttpRequest){<BR> xhr = new XMLHttpRequest();<BR>}else if(window.ActiveXObject){<BR> xhr =new ActiveXObject("Microsoft.XMLHTTP")<BR>}<BR>var url="fenye.php";<BR> xhr.open("POST",url,true);<BR> xhr.onreadystatechange=callback;<BR> xhr.setRequestHeader("Content-Type","application/x-www-form-urlencoded");<BR> if(page){<BR> xhr.send("page="+page);<BR> }<BR> else {xhr.send("page=1");}<BR> var content;<BR> function callback(){<BR> if(xhr.readyState==4){<BR> if(xhr.status==200){<BR> var json =eval('('+xhr.responseText+')');<BR> //alert(xhr.responseText);<BR> var fenye=json.str;<BR> // alert(fenye);<BR> document.getElementById('div').innerHTML=fenye;<BR> content="<th>ID<th>名称<th>作者<th>出版社<th>ISBN号<th>类型<th>价格";<BR> for(var i=0;i<json.info.length;i++){<BR> content+="<tr><td>"+json.info[i].id+"<td>"+json.info[i].name+"<td>"+json.info[i].author+"<td>"+json.info[i].publisher+"<td>"+json.info[i].isbn+"<td>"+json.info[i].type+"<td>"+json.info[i].price+"";<BR> document.getElementById("tables").innerHTML=content;<BR> }<BR> // alert(fenye);<BR> }<BR> }<BR> }<BR> }<br><br></script>
jquery实现$.ajax的分页
ID | 名称 | 作者 | 出版社 | ISBN号 | 类型 | 价格 |
---|
|
|
分页的php精华代码
//命令模型层处理数据
$link=mysql_connect('localhost','root','') or die("失败");
mysql_select_db('books',$link) or die("连接数据库出错了!");
//每页显示记录数
$pagesize = 2;
//求出总的记录数
$sql = "select count(*) as total_rows from books";
$result = mysql_query($sql);
$total_rows = mysql_fetch_array($result);
//求总共的页码数
$pages = ceil($total_rows[0]/$pagesize);
//当前第几页
$page = $_POST['page'];
$strtext = "当前第".$page."页"."总共".$pages."页"."共".$total_rows[0]."记录";
//var_dump($str);
//接下来,我要根据当前点击的页码求出对应的数据
$offset = $pagesize*($page-1);
$sql = "select * from books limit $offset,$pagesize";
mysql_query("set names utf8");
$res=mysql_query($sql);
$rows=array();
while($row=mysql_fetch_assoc($res)){
$rows[]=$row;
}
$pageInfo = $rows;
//echo json_encode($pageInfo);
//var_dump($pageInfo);
//将获得数据链接,后返回
$first=1;
$prev=$page-1;
$next=$page+1;
$last=$pages;
//命令视图层显示数据
$first_a = "

if($page>1){
$prev_a = "

}
if($page $next_a = "

}
$last_a = "

@$str = $strtext.$first_a.$prev_a.$next_a.$last_a;
//var_dump($str);
$info = array('str'=>$str,'info'=>$pageInfo);
echo json_encode($info);

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

使用PHP和Ajax建置自動完成建議引擎:伺服器端腳本:處理Ajax請求並傳回建議(autocomplete.php)。客戶端腳本:發送Ajax請求並顯示建議(autocomplete.js)。實戰案例:在HTML頁面中包含腳本並指定search-input元素識別碼。

快準備好你的GPU! Llama3.1終於現身了,不過出處卻不是Meta官方。今日,Reddit上新版Llama大模型洩漏的消息遭到了瘋傳,除了基礎模型,還包括8B、70B和最大參數的405B的基準測試結果。下圖為Llama3.1各版本與OpenAIGPT-4o、Llama38B/70B的比較結果。可以看到,即使是70B的版本,也在多項基準上超過了GPT-4o。圖源:https://x.com/mattshumer_/status/1815444612414087294顯然,3.1版本的8B和70

Meta昨晚發布了Llama38B和70B模型,Llama3指令調整模型針對對話/聊天用例進行了微調和優化,在常見基準測試中優於許多現有的開源聊天模型。例如,Gemma7B和Mistral7B。 Llama+3模型對數據和規模進行了提升,達到了新的高度。它是在Meta最近發布的兩個客製化的24KGPU叢集上,對超過15Ttoken的資料進行訓練的。這個訓練資料集比Llama2大7倍,包含多4倍的程式碼。這使得Llama模型的能力達到了目前的最高水平,它支援8K以上的文字長度,是Llama2的兩倍。下面

剛剛,大家期待已久的Llama3.1官方正式發售了! Meta官方發出了「開源引領新時代」的聲音。在官方部落格中,Meta表示:「直到今天,開源大語言模型在功能和效能方面大多落後於封閉模型。現在,我們正在迎來一個開源引領的新時代。我們公開發布MetaLlama3.1405B,我們認為這是世界上最大、功能最強大的開源基礎模型。長文《OpenSourceAIIsthePathForward》,

Llama3來了!就在剛剛,Meta官網上新,官方宣布了Llama380億和700億參數版本。並且推出即為開源SOTA:Meta官方數據顯示,Llama38B和70B版本在各自參數規模上超越一眾對手。 8B模型在MMLU、GPQA、HumanEval等多項基準上都勝過Gemma7B和Mistral7BInstruct。而70B模型則超越了閉源的當紅炸子雞Claude3Sonnet,和谷歌的GeminiPro1.5打得有來有回。 Huggingface連結一出,開源社群再次沸騰。眼尖的盲生還第一時間發現

Meta Connect 2024 活動定於 9 月 25 日至 26 日舉行,在本次活動中,該公司預計將推出一款價格實惠的新型虛擬實境耳機。據傳這款 VR 耳機是 Meta Quest 3S,它似乎已經出現在 FCC 清單上。這個建議

自 Meta 首次發布 Quest 3(亞馬遜售價 499.99 美元)以來,已經過去一年多了。此後,蘋果推出了價格昂貴得多的 Vision Pro,而位元組跳動現在在中國推出了 Pico 4 Ultra。然而,有

自2023年3月14日開始,ChatGLM-6B以來,GLM系列模型受到了廣泛的關注與認可。特別是在ChatGLM3-6B開源之後,開發者對智譜AI推出的第四代模型充滿了期待。而這項期待,隨著GLM-4-9B的發布,終於得到了充分的滿足。 GLM-4-9B的誕生為了賦予小模型(10B及以下)更加強大的能力,GLM技術團隊經過近半年的探索,推出了這款全新的第四代GLM系列開源模型:GLM-4-9B。這一模型在確保精度的同時,大幅度壓縮了模型大小,具有更快的推理速度和更高的效率。 GLM技術團隊的探索沒
