discuz x2.5 广告位开发学习(第二步:制作)

简介: 第一步: 查看  1 脚本位置:source/class/adv/adv_headerbanner.php    2  语言包位置:source/language/adv/lang_headerbanner.

第一步: 查看 

1 脚本位置:source/class/adv/adv_headerbanner.php

  

2  语言包位置:source/language/adv/lang_headerbanner.php

  

3 模版里的语句:  <!--{ad/headerbanner/wp a_h}-->

第二步:分析

《1》adv_headerbanner.php(脚本文件),lang_headerbanner.php(语言文件) 这2个文件是一对以约定的文件名来关联;

《2》adv_headerbanner.php 文件里的内容为一个类;类名与文件名一致;lang_headerbanner.php 文件里的内容为一个数组,记录对应的脚本文件里的变量对应的中文名;

《3》模版里的语句:  <!--{ad/headerbanner/wp a_h}-->  ,其中 ad表示是广告,headerbanner是广告的名称(和位置对应),wp a_h是插入的div标签的class样式。

 

其实广告位已经到此。

第三步:

《1》根据上面的分析,复制那2个文件,

《2》修改2个文件名,注意文件名要对应,规则如上,和以及脚本文件里的类名,

《3 》模版里调用相关的代码;

 

 

 

相关文章
|
安全 关系型数据库 MySQL
Linux 实用小脚本系列(2)----mysql安全初始化脚本的免交互执行--mysql_secure_installation
Linux 实用小脚本系列(2)----mysql安全初始化脚本的免交互执行--mysql_secure_installation
405 0
|
3月前
|
人工智能 Java 程序员
搭建AI智能体的Java神器:Google ADK深度解析
想用Java构建复杂的AI智能体?Google开源的ADK工具包来了!代码优先、模块化设计,让你像搭积木一样轻松组合智能体。从单体到多智能体系统,从简单工具到复杂编排,这篇文章带你玩转Java AI开发的全新境界。
|
2月前
|
机器学习/深度学习 Ubuntu 物联网
ubuntu和linux 什么关系?
综上所述,Ubuntu与Linux之间存在着紧密的关系。Ubuntu是基于Linux内核的操作系统发行版之一,它继承了Linux的开源精神,并在此基础上进行了定制和优化,以更好地适应桌面和服务器应用。同时,Ubuntu也受益于Linux社区的支持和贡献,为用户提供了丰富的软件和工具选择。对于想要了解和使用开源操作系统的用户来说,Ubuntu无疑是一个值得推荐的选择。
|
测试技术 数据库 uml
【软件工程与UML】第2章 用例图、用例文档、活动图 -- 系统的功能需求建模
【软件工程与UML】第2章 用例图、用例文档、活动图 -- 系统的功能需求建模
1123 0
【软件工程与UML】第2章 用例图、用例文档、活动图 -- 系统的功能需求建模
|
Ubuntu Linux 测试技术
Linux系统之部署轻量级Markdown文本编辑器
【10月更文挑战第6天】Linux系统之部署轻量级Markdown文本编辑器
554 1
Linux系统之部署轻量级Markdown文本编辑器
|
7月前
|
人工智能 自动驾驶 算法
人工智能引发的新文明冲击:未来十年消失的职业!
在21世纪科技浪潮中,人工智能(AI)正以前所未有的速度改变生活方式和工作模式。未来十年内,预计30种传统职业如流水线工人、仓库拣货员、收银员等将逐渐消失,带来前所未有的挑战与机遇。本文探讨这一趋势,分析受影响的职业,并讨论人类如何在AI时代找到新定位。通过GAI认证提升技能,把握AI时代的机遇,共创辉煌未来。
|
运维 测试技术
拆分软件测试流程,一张图秒杀所有面试
本文主要介绍了软件测试流程的核心内容,包括需求分析、测试用例编写、测试执行、缺陷提交及回归测试等关键步骤。以迭代测试为例,详细说明了每个环节的具体操作和注意事项,并提供了一张测试流程图以便理解。测试流程确保了软件质量,是面试中常见的考察点。
775 7
拆分软件测试流程,一张图秒杀所有面试
|
JavaScript
vue 中安装并使用echart
vue 中安装并使用echart
336 2
|
机器学习/深度学习 算法 数据可视化
基于Python flask的豆瓣电影数据分析可视化系统,功能多,LSTM算法+注意力机制实现情感分析,准确率高达85%
本文介绍了一个基于Python Flask框架的豆瓣电影数据分析可视化系统,该系统集成了LSTM算法和注意力机制进行情感分析,准确率高达85%,提供了多样化的数据分析和情感识别功能,旨在帮助用户深入理解电影市场和观众喜好。
482 0