博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
HTML中的长度单位px、em、rem
阅读量:3948 次
发布时间:2019-05-24

本文共 1188 字,大约阅读时间需要 3 分钟。

搭建前端页面时,较为常用的长度单位就是px、em、rem。

1. px

px(pixel):相对长度单位,像素px是相对于显示器屏幕分辨率而言的。

特点

  • IE无法调整哪些使用px作为单位的字体大小;
  • 国外大部分网站嫩够调整的原因在于其使用了em或rem作为字体单位;
  • Firefox能够调整px和em、rem,但是有大部分的国产浏览器使用IE内核。

2.em

em:相对长度单位,相对于当前对象内文本的字体大小。如果当前行内文本的字体尺寸未被人为设置,则相对于浏览器的默认字体尺寸。

任意浏览器的默认字体高都是16px,所有未经调整的浏览器都符合:1em=16px。则12px=0.75em,10px=0.625em。未来简化font-size的换算,需要在css中的body选择器中声明font-size=62.5%,这就使em的值变为16px*62.5%=10px,这样12px=1.2em,10px=1em,也就是将原来的px值除以10,换上em做单位就行了。

特点

  • em的值并不是固定的;
  • em会继承父级的字体大小;

在写css时,需要注意三点:

  • body选择器中声明font-size=62.5%;
  • 将原来的px数值除以10,换上em作为单位;
  • 重新计算那些被放大的字体的em数值,避免字体大小的重复声明。

3.rem

rem:rem是CSS3中新增的一个相对单位(root em)。其相对于根元素,只需要在根元素确定一个参考值。

特点

  • rem相对单位,相对于根元素;
  • 相对大小和绝对大小的优点于一身;
  • 修改根元素就成比例的调整所有字体大小;
  • 避免字体大小逐层复合的连锁反应
    对于支持rem的浏览器,需要多写一个绝对单位声明,浏览器就会忽略用rem设定的字体大小。
P{font-size:14px;font-size:.5rem;}

**ps:**选择使用什么字体单位主要由你的项目来决定,如果你的用户群都使用最新版的浏览器,那就推荐使用rem,如果考虑兼容,那就使用px,或者两者都使用。

px、em、rem单位转换地址:

需要注意的一些问题:

1. 使用px设置字体大小时存在的问题:

当用户浏览web页面时,如果改变了浏览器的缩放,web页面的布局就会被打破。这样对于关心自己网站可用性的用户来说,就是一个大问题了,这时就可以使用“em”来定义web页面的字体。

2.

  • 媒体查询中使用 rem 单位。
  • 不要在多列布局中使用 em 或 rem ,改用%。
  • 不要使用 em 或 rem,如果缩放会不可避免地导致要打破布局元素。

3.浏览器的兼容性

除了IE6-IE8,其它的浏览器都支持em和rem属性,px是所有浏览器都支持。
因此为了浏览器的兼容性,可“px”和“rem”一起使用,用"px"来实现IE6-8下的效果,然后使用“rem”来实现代浏览器的效果。

转载地址:http://kuhwi.baihongyu.com/

你可能感兴趣的文章
mysql中GROUP_CONCAT的应用
查看>>
研发人员的绩效考核
查看>>
Python 3 之多线程研究
查看>>
Python 3中的多线程文件下载类
查看>>
Python库之MySQLdb介绍
查看>>
Python3中利用Urllib进行表单数据提交(Get,Post)
查看>>
Python开发之扩展库的安装指南及Suds(Webservice)的使用简介
查看>>
软件项目管理一点分享
查看>>
iphone程序打包ipa格式
查看>>
Ios开发之Apns功能介绍(应用程序通知)及PHP/Python代码
查看>>
iphone开发的几个Apple官方中文教程地址
查看>>
Algorithms: Kruskal's algorithm and Prim's algorithm for Minimum-spanning-tree
查看>>
Algorithm : Dijkstra's algorithm and Bellmon-Ford Paths algorithm
查看>>
Algorithm: k-nearest neighbors and decison boundary(Cross Validation)
查看>>
Algorithm: Principle Component Analysis for High Dimension Reduction Data
查看>>
Naive Bayesian for Text Classification (MLE, Gaussian Naive Bayesian)
查看>>
Algorithm: Decision Tree, Entropy, Information Gain and Continues features
查看>>
FastDFS 架构分析
查看>>
Windows 应用生成MiniDump文件的方法笔记
查看>>
安装FastDFS单机版环境
查看>>