简介这份资源是面向高校计算机相关专业学生与Java初学者的一套电影推荐系统完整项目基于SSM框架开发可直接作为毕业设计使用。项目采用SpringSpringMVCMyBatis后端架构搭配MySQL数据库涵盖推荐算法、用户管理、影片信息维护等核心模块技术栈稳定且易于扩展。压缩包共846个文件约22.45MB包含128个Java源文件、47个HTML页面、49个Vue组件、55个CSS样式及167个JS脚本另有SQL数据库脚本、部署说明文档与配套论文结构完整、层次清晰。所有源码均经过测试校正可百分百成功运行读者可据此快速理解SSM分层设计、前后端交互流程与推荐逻辑实现并借助论文梳理系统设计与实现思路。目前已有49人学习下载适合需要完整毕设方案或想通过实战掌握SSM框架的开发者参考。1. 电影推荐系统为什么还在用 SSM一次讲清这套老架构的真实价值打开招聘网站搜 Java 后端十有八九能看到 SSM 这三个字母。很多同学第一反应是这玩意儿不是过时了吗但你去翻一翻高校毕设、中小型企业内部系统、外包交付项目SSM 依然是主力。原因不复杂Spring 管对象生命周期和事务SpringMVC 管请求路由和参数绑定MyBatis 管 SQL 映射和结果集转换三者拼在一起职责清晰、上手门槛低、调试链路短。电影推荐系统恰好是一个业务不复杂但数据流转环节多的典型场景——用户表、电影表、评分表、推荐结果表每张表都要 CRUD还要跑协同过滤算相似度用 SSM 来搭骨架比上微服务省事得多。这篇笔记就围绕基于 JAVA 语言、SSM 框架开发的电影推荐系统这个方向把架构选型、推荐算法落地、数据库设计、环境搭建和常见翻车点一次讲透适合正在做毕设、接私活或者想补一套完整 Java Web 项目经验的人。2. SSM 三层架构怎么拆从推荐请求到页面渲染的完整链路2.1 为什么选 SSM 而不是 Spring Boot 一把梭先把这个疑问解决掉。Spring Boot 确实省配置但对于电影推荐系统这类项目SSM 的显式配置反而是一种优势——你能清楚看到每个 Bean 是怎么注册的、每个 Mapper 是怎么被扫描到的、事务切面挂在哪一层。做毕设或者教学项目时答辩老师或者代码评审人往往要追问这个对象谁创建的事务为什么在这里生效SSM 的 XML 配置能直接指给他看。具体到技术分工层框架职责典型类表现层SpringMVC接收 HTTP 请求、参数校验、返回 JSON 或视图MovieController业务层Spring事务管理、业务逻辑编排、推荐算法调用RecommendService持久层MyBatisSQL 映射、动态查询、结果集映射MovieMapper.xml容器Spring IOCBean 生命周期、依赖注入applicationContext.xml推荐系统的核心链路是这样的用户登录后进入首页前端发一个/recommend/list?userId1001的请求Controller 接住之后调 ServiceService 先从 Redis 或者本地缓存查有没有该用户的推荐结果没有的话触发推荐算法——基于用户的协同过滤或者基于物品的协同过滤——算出 TopN 电影 ID 列表再用 MyBatis 批量查电影详情组装成 VO 返回给前端渲染。2.2 推荐算法模块在 SSM 里怎么落地推荐算法是整个系统里唯一有技术含量的部分也是答辩时最容易被追问的地方。常见的做法是两种基于用户的协同过滤UserCF和基于物品的协同过滤ItemCF。电影推荐场景下ItemCF 更稳定因为电影的数量和特征相对固定用户口味却容易漂移。核心思路不复杂计算电影之间的相似度用户看过 A 电影就把和 A 最相似的 B、C、D 推给他。相似度用余弦相似度或者皮尔逊相关系数都行。下面是一个可以直接跑的 Java 实现/** * 基于物品的协同过滤计算两部电影之间的余弦相似度 * param movieUserScoreMap key电影ID, value该电影所有用户评分的Map用户ID, 分数 * param movieA 电影A的ID * param movieB 电影B的ID * return 相似度范围[0,1] */ public double cosineSimilarity(MapInteger, MapInteger, Double movieUserScoreMap, int movieA, int movieB) { MapInteger, Double scoreA movieUserScoreMap.get(movieA); MapInteger, Double scoreB movieUserScoreMap.get(movieB); if (scoreA null || scoreB null) { return 0.0; } // 找两部电影的共同评分用户 SetInteger commonUsers new HashSet(scoreA.keySet()); commonUsers.retainAll(scoreB.keySet()); if (commonUsers.isEmpty()) { return 0.0; } double dotProduct 0.0; // 分子共同用户评分乘积之和 double normA 0.0; // 电影A的评分向量模长 double normB 0.0; // 电影B的评分向量模长 for (Integer userId : commonUsers) { double ra scoreA.get(userId); double rb scoreB.get(userId); dotProduct ra * rb; } for (Double score : scoreA.values()) { normA score * score; } for (Double score : scoreB.values()) { normB score * score; } if (normA 0 || normB 0) { return 0.0; } return dotProduct / (Math.sqrt(normA) * Math.sqrt(normB)); }这段代码的逻辑说明先取两部电影的评分向量找共同评分用户集合如果交集为空直接返回 0没有共同评价就没有相似性可言。然后分别算点积和两个向量的模长最后套余弦公式。参数方面movieUserScoreMap建议在 Service 启动时从数据库一次性加载并缓存在内存里数据量在十万条评分以内完全扛得住如果评分数据超过百万级就要考虑离线算好相似度矩阵存到数据库或者 Redis 里在线只做查表。拿到相似度矩阵之后推荐逻辑就是对用户看过的每部电影取相似度最高的 K 部K 一般取 10 到 20加权求和排序去掉用户已经看过的返回前 N 部。/** * 给指定用户生成推荐列表 * param userId 目标用户 * param userMovieScoreMap 用户看过的电影及评分 * param similarityMatrix 电影相似度矩阵 * param topN 返回的推荐数量 */ public ListInteger recommendForUser(int userId, MapInteger, Double userMovieScoreMap, MapInteger, MapInteger, Double similarityMatrix, int topN) { MapInteger, Double candidateScores new HashMap(); for (Map.EntryInteger, Double entry : userMovieScoreMap.entrySet()) { int watchedMovie entry.getKey(); double userRating entry.getValue(); MapInteger, Double similarMovies similarityMatrix.get(watchedMovie); if (similarMovies null) continue; for (Map.EntryInteger, Double sim : similarMovies.entrySet()) { int candidateMovie sim.getKey(); if (userMovieScoreMap.containsKey(candidateMovie)) continue; // 跳过已看 double score sim.getValue() * userRating; candidateScores.merge(candidateMovie, score, Double::sum); } } return candidateScores.entrySet().stream() .sorted(Map.Entry.Integer, DoublecomparingByValue().reversed()) .limit(topN) .map(Map.Entry::getKey) .collect(Collectors.toList()); }参数说明userMovieScoreMap从评分表按 userId 查出来similarityMatrix是离线预计算好的key 是电影 IDvalue 是相似电影 ID → 相似度的映射topN控制返回条数首页一般展示 12 到 20 条。注意merge那行是累加得分同一部候选电影可能被多个已看电影关联到得分要叠加。2.3 数据库表设计与 MyBatis 映射要点电影推荐系统的表不多但字段设计直接影响后面查询和推荐的效率。核心四张表CREATE TABLE user ( user_id INT PRIMARY KEY AUTO_INCREMENT, username VARCHAR(50) NOT NULL UNIQUE, password VARCHAR(128) NOT NULL COMMENT 存MD5加盐后的值, email VARCHAR(100), create_time DATETIME DEFAULT CURRENT_TIMESTAMP ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; CREATE TABLE movie ( movie_id INT PRIMARY KEY AUTO_INCREMENT, title VARCHAR(200) NOT NULL, director VARCHAR(100), genre VARCHAR(100) COMMENT 类型多个用逗号分隔, release_year INT, avg_rating DECIMAL(3,1) DEFAULT 0.0 COMMENT 冗余字段定时任务更新, poster_url VARCHAR(500) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; CREATE TABLE rating ( id BIGINT PRIMARY KEY AUTO_INCREMENT, user_id INT NOT NULL, movie_id INT NOT NULL, score TINYINT NOT NULL COMMENT 1-5分, rate_time DATETIME DEFAULT CURRENT_TIMESTAMP, UNIQUE KEY uk_user_movie (user_id, movie_id), INDEX idx_movie (movie_id) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; CREATE TABLE recommend_result ( id BIGINT PRIMARY KEY AUTO_INCREMENT, user_id INT NOT NULL, movie_id INT NOT NULL, score DOUBLE, generate_time DATETIME DEFAULT CURRENT_TIMESTAMP, INDEX idx_user (user_id) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;几个设计要点rating表上(user_id, movie_id)建唯一索引防止重复评分movie表冗余一个avg_rating字段避免每次列表页都去聚合评分表recommend_result表存离线算好的推荐结果在线请求直接查这张表响应时间能压到毫秒级。MyBatis 的 Mapper XML 里批量插入评分用foreach动态条件查询用if和where这些是基本功。特别提醒一点resultMap里字段名和属性名不一致时一定要显式配result columnavg_rating propertyavgRating/别指望驼峰映射自动生效——mapUnderscoreToCamelCase这个配置在 MyBatis 配置文件里默认是关的。3. 从零搭环境IDEA Maven Tomcat 跑通第一个接口3.1 环境版本选择与依赖配置SSM 项目对版本比较敏感踩过坑的都知道Spring 5.x 配 MyBatis 3.5.x 配 JDK 8 是最稳的组合。JDK 别上 17Spring 5 对高版本 JDK 的模块化支持有兼容问题启动时报InaccessibleObjectException是常事。Tomcat 用 8.5 或者 9.0别用 10Tomcat 10 把javax.servlet换成了jakarta.servletSSM 的 SpringMVC 依赖会直接编译不过。Maven 的pom.xml核心依赖properties spring.version5.3.30/spring.version mybatis.version3.5.13/mybatis.version /properties dependencies !-- Spring 核心 -- dependency groupIdorg.springframework/groupId artifactIdspring-context/artifactId version${spring.version}/version /dependency dependency groupIdorg.springframework/groupId artifactIdspring-webmvc/artifactId version${spring.version}/version /dependency dependency groupIdorg.springframework/groupId artifactIdspring-jdbc/artifactId version${spring.version}/version /dependency !-- MyBatis 与整合包 -- dependency groupIdorg.mybatis/groupId artifactIdmybatis/artifactId version${mybatis.version}/version /dependency dependency groupIdorg.mybatis/groupId artifactIdmybatis-spring/artifactId version2.1.2/version /dependency !-- 数据库驱动 -- dependency groupIdmysql/groupId artifactIdmysql-connector-java/artifactId version8.0.33/version /dependency !-- 连接池 -- dependency groupIdcom.alibaba/groupId artifactIddruid/artifactId version1.2.20/version /dependency !-- Servlet APIscope 必须是 provided -- dependency groupIdjavax.servlet/groupId artifactIdjavax.servlet-api/artifactId version4.0.1/version scopeprovided/scope /dependency /dependencies参数说明spring-jdbc是事务管理必须的别漏mybatis-spring版本要和 MyBatis 主版本匹配2.x 对应 MyBatis 3.5Servlet API 的provided不能少否则打包时和 Tomcat 自带的冲突。3.2 web.xml 与 Spring 配置文件的三个关键点web.xml里要注册ContextLoaderListener和DispatcherServlet前者加载 Service 和 Dao 层的配置后者加载 Controller 层的配置。两个配置文件分开是为了避免事务不生效——如果 SpringMVC 的配置文件把 Service 也扫进去了事务切面会失效这是最经典的翻车点之一。!-- web.xml 核心片段 -- context-param param-namecontextConfigLocation/param-name param-valueclasspath:applicationContext.xml/param-value /context-param listener listener-classorg.springframework.web.context.ContextLoaderListener/listener-class /listener servlet servlet-namedispatcher/servlet-name servlet-classorg.springframework.web.servlet.DispatcherServlet/servlet-class init-param param-namecontextConfigLocation/param-name param-valueclasspath:spring-mvc.xml/param-value /init-param load-on-startup1/load-on-startup /servlet servlet-mapping servlet-namedispatcher/servlet-name url-pattern//url-pattern /servlet-mappingapplicationContext.xml里配数据源、SqlSessionFactory、Mapper 扫描和事务管理器。spring-mvc.xml里只扫Controller配视图解析器和静态资源放行。两个文件的context:component-scan的base-package要精确到包别图省事写个大范围否则事务注解会被 MVC 容器重复扫描导致失效。3.3 跑通第一个推荐接口的验证步骤环境搭好之后别急着写推荐算法先跑通一个最简单的接口验证链路。写一个MovieController提供一个/movie/list接口返回所有电影用 Postman 或者浏览器直接访问。如果返回 404检查web.xml的url-pattern和 Controller 的RequestMapping是否匹配如果返回 500 且报NoSuchBeanDefinitionException说明 Mapper 没扫描到检查MapperScannerConfigurer的basePackage配置如果报数据库连接失败检查jdbc.properties里的 URL 有没有加useSSLfalseserverTimezoneAsia/ShanghaiMySQL 8 的驱动必须带时区参数否则启动就报错。链路通了之后再逐步加推荐逻辑先写评分接口再写相似度计算最后写推荐结果生成。每加一个环节就用单元测试验证一次别全写完再调出了问题定位成本翻倍。4. 推荐系统上线前必查的五个坑从相似度为零到事务失效4.1 相似度矩阵全为零现象推荐接口返回空列表日志里相似度计算全是 0。原因通常是评分数据太稀疏两个用户之间没有共同评分的电影或者评分表里数据量太少比如只有几十条测试数据。解决开发阶段用脚本灌入至少 500 条以上评分数据覆盖 50 个用户和 100 部电影线上如果冷启动阶段数据不足降级为热门电影推荐按avg_rating排序返回。4.2 事务注解 Transactional 不生效现象Service 方法里先插评分再更新电影平均分插评分成功了但更新失败数据不一致。原因有三个可能一是 Service 类没有被 Spring 管理没加Service或者没被扫描到二是方法不是public的Spring AOP 默认只代理 public 方法三是spring-mvc.xml里也扫了 Service 包导致事务切面挂在了 MVC 容器而不是 Root 容器上。解决确认 Service 在applicationContext.xml的扫描范围内方法用 publicMVC 配置文件只扫 Controller。4.3 MyBatis 返回结果字段为 null现象查询出来的 Movie 对象除了主键其他字段全是 null。原因数据库字段是下划线命名avg_ratingJava 属性是驼峰avgRatingMyBatis 默认不自动映射。解决在 MyBatis 全局配置里加setting namemapUnderscoreToCamelCase valuetrue/或者在resultMap里逐个字段配result映射。推荐后者显式配置不容易出玄学问题。4.4 Tomcat 启动报 ClassNotFoundException现象IDEA 里编译通过Tomcat 一启动就报找不到org.springframework.web.context.ContextLoaderListener。原因Maven 依赖没有部署到 Tomcat 的WEB-INF/lib下。解决在 IDEA 的 Project Structure → Artifacts 里确认Available Elements中的 Maven 依赖全部双击添加到WEB-INF/lib目录下。这个坑在换电脑或者重新导入项目时经常遇到。4.5 推荐结果重复且不更新现象用户每次刷新首页推荐列表一模一样而且已经看过的电影还在推荐。原因recommend_result表的数据是离线生成的没有定时更新机制也没有在用户产生新评分时触发重新计算。解决加一个 Spring 定时任务Scheduled每天凌晨重新计算所有活跃用户的推荐结果同时在用户提交评分后异步触发该用户的推荐结果更新。注意定时任务的线程池配置别用默认单线程否则多个任务会互相阻塞。5. 让推荐结果真正可用离线预计算 在线兜底的组合技巧推荐系统最容易被忽略的不是算法本身而是工程上的响应速度和结果新鲜度。我自己的习惯是离线用定时任务算好每个用户的 TopN 推荐结果写入recommend_result表在线接口优先查这张表查不到再走实时计算兜底。这样首页响应时间稳定在 50ms 以内用户完全无感知。具体做法是在 Service 里加一层缓存判断public ListMovieVO getRecommendMovies(int userId, int topN) { // 第一优先级查离线推荐结果表 ListRecommendResult cached recommendResultMapper.selectByUserId(userId, topN); if (cached ! null !cached.isEmpty()) { return convertToVO(cached); } // 第二优先级实时计算冷启动用户或离线结果过期 ListInteger movieIds recommendService.recommendForUser(userId, topN); if (movieIds.isEmpty()) { // 第三优先级热门兜底 return movieMapper.selectHotMovies(topN); } return movieMapper.selectByIds(movieIds); }这段代码的价值在于三级降级离线结果最快实时计算次之热门兜底保证任何情况下首页都不会开天窗。参数topN建议首页传 12详情页传 6别一次返回太多前端渲染压力大。离线任务的触发频率看数据量用户评分行为频繁的话每 6 小时跑一次数据量小的话每天凌晨跑一次就够。跑的时候注意加日志记录耗时相似度矩阵的计算复杂度是 O(电影数² × 平均评分数)电影超过 5000 部就要考虑分片计算或者用更高效的向量化方案。还有一个细节推荐结果表要加过期时间字段查询时过滤掉超过 48 小时的结果避免用户看到太陈旧的内容。这个字段在表设计阶段就加上后期补字段要改表结构麻烦。最后说一个我踩过的坑相似度矩阵在内存里算完之后别每次请求都重新算一遍。我一开始图省事每次推荐请求都从数据库拉全量评分重新构建矩阵结果并发一上来 CPU 直接打满。后来改成应用启动时加载一次用PostConstruct初始化配合定时任务每 6 小时刷新问题才解决。内存占用大概在几百 MB 级别对于毕设或者中小型项目完全够用。希望帮到你。本文还有配套的精品资源点击获取
企业数字化 ERP 产品动态
相关推荐
5G低功耗通感融合半实物验证系统设计与实现 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/21 7:58:40
ESP32隐藏无线电通路揭秘:不靠Wi-Fi路由器的ESP-NOW与802.11帧级直传方案 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/21 7:59:26
嵌入式软件与硬件工程师方向选择:技能栈、薪资与职业发展对比 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/20 17:21:35
邓县电工证复审延期怎么办?多少钱能搞定?别再踩坑了 邓县电工证复审延期怎么办?多少钱能搞定?别再踩坑了 证书过期了不知道怎么复审延期?你不是一个人。最近很多人私信我问,邓县电工证到期了,怎么才能顺利复审?费用又是多少?今天我就从 邓县电工证… · 2026/11/21 19:35:20
高压电工证骗局揭秘多久拿证怎么避坑 高压电工证骗局揭秘多久拿证怎么避坑 证书过期了不知道怎么复审延期,你是不是也遇到过这种情况?在特种作业行业里,高压电工证是最常见的证件之一,但同时也是最容易被“骗”的证书之一。很多人在考取过程中被各种“快速拿证”“包过包办”“代办复审”等话… · 2026/11/21 19:35:20
山东青岛电工证补贴怎么拿 内部消息告诉你学历不高也能报 山东青岛电工证补贴怎么拿 内部消息告诉你学历不高也能报 你是不是也在担心, 学历不高怕报不上名 ?别急, 山东青岛电工证补贴 其实对学历要求并不高,关键是你怎么选对机构、怎么准备、怎么顺利拿到补贴。今天就来聊一聊这个 内部消息… · 2026/11/21 19:35:20
武邑电工证在哪报名内部消息:别再交冤枉钱了,考不过你亏大了 武邑电工证在哪报名内部消息:别再交冤枉钱了,考不过你亏大了 你是不是也这样?花了几千块培训费,结果考试一塌糊涂,证书也没拿到,钱打水漂,还浪费时间?这年头,电工证不是你想拿就能拿的, 内部消息 告诉我们, 武邑电工证在哪报名… · 2026/11/21 19:35:20
温州电工证在哪考,郑州报考避坑指南教你少走弯路 温州电工证在哪考,郑州报考避坑指南教你少走弯路 工地太忙根本没时间复习考试,这几乎是每个一线电工的真实写照。你是不是也在为温州电工证在哪考发愁?面对五花八门的培训机构和复杂的报考流程,一不小心就可能踩坑,浪费时间和金钱不说,还耽误了工作进度… · 2026/11/21 19:35:20
山东青岛电工证补贴多少钱 高中学历也能报上名 山东青岛电工证补贴多少钱 高中学历也能报上名 你是不是也担心学历不高报不了名?山东青岛电工证补贴多少钱?别急,下面这些内容都是过来人总结的真实经验,照着做,你也能轻松拿下电工证,别再被“门槛高”吓退了。… · 2026/11/21 19:34:20
长春初级电工证怎么考?通过率揭秘全在这里 长春初级电工证怎么考?通过率揭秘全在这里 之前考的证在外省能不能转过来?这几乎是每个想从事电工工作的人都会问的问题。特别是那些在外地打拼多年、手里握着一张“外地电工证”的人,到了长春想继续干这一行,第一反应就是“我的证能用吗?”。今天我们就… · 2026/11/21 18:32:10
国内电工证报考条件与考试时间 低压电工证怎么考?学历不高也能报名,官方报名入口全在这 你是不是经常听说“电工证是入行门槛”,但又担心自己学历不够、经验不足,根本报不了名?别急,今天就带你从零了解【国内电工证】的报考流程、考试内容,还有怎么在 官方报名入口… · 2026/11/21 19:16:17
电工作业时如何断电?电子证书到底能不能全国通用? 电工作业时如何断电?电子证书到底能不能全国通用? 实操考试心里没底怕挂科,特别是电工作业时如何断电这一操作,不仅关系到你能不能拿到证书,更关系到以后能不能顺利上岗。很多人觉得这不过就是“断个电”,但其实这里面的门道可不少,稍有不慎就可能出错… · 2026/11/21 18:32:13
电工证征求意见2026河南最新政策怎么应对?学历不高也能考! 电工证征求意见2026河南最新政策怎么应对?学历不高也能考! 你是不是也担心自己学历不高, 怕报不上名 ?尤其是像焦作水利工程这样的从业者,常年在一线作业,但证书却成了晋升、转岗、接项目的关键门槛。 2026河南最新政策… · 2026/11/21 0:00:17
电工证征求意见怎么填?含金量高不高?济源电工朋友看过来 电工证征求意见怎么填?含金量高不高?济源电工朋友看过来 不知道去哪报名怕被中介坑,电工证征求意见填错了不仅白费钱,还可能影响后续考试和工作。最近很多济源的电工朋友都在问: 电工证征求意见怎么填… · 2026/11/21 0:00:17
房建企业特种工考前押题怎么找?别让培训费打了水漂 房建企业特种工考前押题怎么找?别让培训费打了水漂 怕考不过白交培训费?房建企业特种工考试难度高、题型多,很多人报名后才发现没有合适的复习资料,最终考试落榜,白白浪费了时间和金钱。别担心,掌握【考前押题】的技巧,能让你事半功倍,顺利通过考试。… · 2026/11/21 0:00:17
双极步进电机控制实战:DRV8818PWPR与PIC18F86K22驱动调试 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/21 15:19:37
STM32F207ZG + DRV8818PWPR 步进电机驱动实战解析 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/21 15:19:30
DRV8818PWPR+dsPIC30F4013工业级双极步进电机控制方案 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/21 15:19:32