博客
关于我
JS - 常用函数
阅读量:485 次
发布时间:2019-03-06

本文共 1480 字,大约阅读时间需要 4 分钟。

1. 生成随机颜色
function getRandomColor() {    return '#' + Math.floor(Math.random() * 16777215).toString(16);}
2.生成相近颜色
function sameColor(color: string, n: number) {        const hexDigits = color.length === 6 ? color.match(/(\d|[a-f])/g) : color.match(/(\d|[a-f])/g);        let newColor = '';        for (let i = 0; i < hexDigits.length; i++) {            const value = hexDigits[i];            const improvedValue = parseInt(value, 16);            const randomOffset = Math.random() * n;            const half = 0.5;            const variation = randomOffset > half ? -1 : 1;            const finalValue = Math.floor(improvedValue + variation * Math.random() * n);            newColor += finalValue.toString(16);        }        return newColor;    }
3. 获取url参数
function getParam(name: string) {        const reg = new RegExp('(^|&StartTime=' + name + '=(\\S+)&?', 'i');        const result = window.location.search.match(reg);        return result ? decodeURIComponent(result[2]) : null;    }
4. 将数字转成每隔3位加一个逗号
function addCommas(value: string) {        const num = value.replace('.', '');        const integPart = num.replace(/[^0-9]/g, '');        let result = '';        while (integPart.length > 3) {            result = ',' + integPart.slice(-3) + result;            integPart = integPart.slice(0, -3);        }        return integPart + (num.match(/\./) ? '.' + num.split('.').slice(1) : '');    }

转载地址:http://yhodz.baihongyu.com/

你可能感兴趣的文章
pandas 中的时间序列箱线图
查看>>
Pandas 使用指南
查看>>
pandas 分组并使用最小值更新
查看>>
pandas 叶上的热图
查看>>
pandas 均值(mean), 均值填充NA(fill_na)
查看>>
Pandas 对数据框的布尔比较
查看>>
Pandas 将多个数据帧与时间戳索引对齐
查看>>
pandas 将通话数据分割为15分钟的间隔
查看>>
pandas 找到局部最大值和最小值
查看>>
Pandas 按年份分组,按销售列排名,在具有重复数据的数据框中
查看>>
pandas 按日期和年份分组,并汇总金额
查看>>
pandas 数据帧到PostgreSQL表中使用的是没有SQLAlChemy的心理复制2吗?
查看>>
pandas 数据帧多行查询
查看>>
Pandas 数据框:使用线性插值重新采样
查看>>
pandas 数据框将 INT64 列转换为布尔值
查看>>
pandas 数据框将列类型转换为字符串或分类
查看>>
pandas 数据框条件 .mean() 取决于特定列中的值
查看>>
pandas 数据框至海运分组条形图
查看>>
Pandas 数据透视表:列顺序和小计
查看>>
pandas 时序统计的高级用法!
查看>>