js根据对象删除本身元素

js根据对象删除本身元素functiondel e varmy document getElementBy a varmy e parent 0 nbsp nbsp if my null nbsp nbsp nbsp nbsp my parentNode removeChild my 1 第一种可以根据 id 获取当前元素 然后进行删除 2 第二种可以根据子元素 进行寻找到

function del(e){

//var my = document.getElementById(“a”);
var my = $(e).parent()[0];
   if (my != null)
       my.parentNode.removeChild(my);





}

1.第一种可以根据id获取当前元素,然后进行删除



2.第二种可以根据子元素,进行寻找到父元素,再进行删除,此时注意jquery对象和DOM对象之间的转换;

 注:jquery对象和DOM对象之间的转换详情可查看博客:http://blog.csdn.net/top__one/article/details/

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/233040.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • android加载dex方法,android Dex文件的加载

    android加载dex方法,android Dex文件的加载上篇文章讲到了apk的分包,通过multidex构建出包含多个dex文件的apk,从而解决65536的方法数限制问题《AndroidDex分包》。在dalvik虚拟机上,应用启动时只会加载主dex文件,而从dex需要我们手动去加载,那么问题来了,如何手动加载一个dex文件?前面也提到了,使用DexClassLoader和PathClassLoader。DexClassLoader和PathCla…

    2022年6月27日
    75
  • navicat怎么连接sql_内镜连接时的注意事项

    navicat怎么连接sql_内镜连接时的注意事项使用Navicat连接SqlServer注意事项1.需要到Navicat安装目录下安装驱动2.端口连接时ip与端口号用“,”隔开

    2022年9月1日
    6
  • mysql批量写入数据_mysql查询效率

    mysql批量写入数据_mysql查询效率文章目录一、前言二、批量插入前准备1、插入到数据表的字段2、计算一行字段占用的空间3、在数据里做插入操作的时候,整体时间的分配三、批量插入数据测试1、SQL语句的大小限制2、查看服务器上的参数:3、计算一次能插入的最大行记录4、测试插入数据比对(1)插入11W条数据,按照每次10,600,1000,20000,80000来测试:(2)加大数据量到24w(3)加大测试量到42W5、如果插入的值就是s…

    2022年9月28日
    2
  • SD/MMC卡初始化及读写流程[通俗易懂]

    SD/MMC卡初始化及读写流程[通俗易懂]二、MMC/SD卡的模型和工作原理PIN脚、SD卡总线、SD卡结构、SD卡寄存器、上电过程SD卡寄存器: OCR:操作电压寄存器:只读,32位第31位: 表示卡上电的状态位  CID:卡身份识别寄存器只读128位生产厂商、产品ID,生产日期和串号等  CSD:部分可写128位卡的容量、擦出扇区大小、读写最大数据块的大小、读操作的电流、电压等等 

    2022年5月20日
    41
  • 软件测试相关知识_软件测试期末考试知识点

    软件测试相关知识_软件测试期末考试知识点软件测试是软件生存周期中必不可少的环节,软件的典型生存周期可以用下图来形容:软件测试的目的是尽可能早的发现软件缺陷并确保其得以修复,因此软件测试是提高软件质量的重要手段,大量的经验实践证明,软件测试越早参与到软件开发过程中,开发出来的软件质量相对越高,时间和物力也越经济。根据软件工程的基本理论,多模块程序的测试共包括以下4个层次:…

    2022年9月1日
    6
  • 机器学习算法(一):逻辑回归模型(Logistic Regression, LR)[通俗易懂]

    机器学习算法(一):逻辑回归模型(Logistic Regression, LR)[通俗易懂]线性分类器:模型是参数的线性函数,分类平面是(超)平面;非线性分类器:模型分界面可以是曲面或者超平面的组合。典型的线性分类器有感知机,LDA,逻辑斯特回归,SVM(线性核);典型的非线性分类器有朴素贝叶斯(有文章说这个本质是线性的,http://dataunion.org/12344.html),kNN,决策树,SVM(非线性核)https://www.cnblogs.com/sparkw…

    2022年7月14日
    18

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号