Nano Hash - криптовалюты, майнинг, программирование

Jquery не может заставить Facebox работать внутри ajax-вызова

С моей главной страницы я вызываю файл ajax через jquery, в этом файле ajax есть дополнительный код jquery. Оригинальная ссылка выглядит так:

<a href="/page1.php" class="guest-action notify-function"><img src="/icon1.png"></a>

Затем код:

$(document).ready(function(){

   $('a[rel*=facebox]').facebox();

   $('.guest-action').click( function() {
         $.get( $(this).attr('href'), function(responseText) {
             $.jGrowl(responseText);
         });
         return false;
   });

   $('.notify-function').click( function() {
        $(this).find('img').attr('src','/icon2.png');
        $(this).attr('href','/page2.php');
        $(this).removeClass('guest-action').removeClass('notify-function').attr('rel','facebox');
   });
});

Таким образом, в основном после нажатия функции уведомления я меняю значок и URL-адрес ссылки, затем я удаляю классы, чтобы щелчок не запускался снова, и добавляю rel="facebox" к ссылке, чтобы окно Facebox было всплывающее окно, если они попытаются щелкнуть появившийся новый icon2.png. Проблема в том, что после того, как я щелкнул начальный значок, все работает нормально, за исключением того, что когда я пытаюсь щелкнуть новый icon2.png, он все еще выполняет код jgrowl из гостевого действия. Но когда я просматриваю источник, он показывает это:

<a href="/page2.php" rel="facebox" class=""><img src="/icon2.png"></a>

Так казалось, что должно работать правильно? Что я делаю неправильно? Я попытался добавить код лицевой панели на главную страницу, которая также вызывает файл ajax, и все та же проблема.

click jquery ajax facebox
01.01.2011

Ответы:


1

Хорошо, похоже, мне нужно было переместить код лицевой панели в его собственную функцию, а затем вызвать ее после удаления класса и отмены привязки клика. Вот так:

$(document).ready(function(){

function reInit() {
   $('a[rel*=facebox]').facebox();
}

   $('.guest-action').click( function() {
         $.get( $(this).attr('href'), function(responseText) {
             $.jGrowl(responseText);
         });
         return false;
   });

   $('.notify-function').click( function() {
        $(this).find('img').attr('src','/icon2.png');
        $(this).attr('href','/page2.php');
        $(this).unbind('click').removeClass('guest-action').removeClass('notify-function').attr('rel','facebox');
reInit();
   });
});
01.01.2011
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..