. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296 VI.IX.I 软件仓库分类 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297 VI.X 添加新语言设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 491 XI.III.VIIGedit 打开一些文本文件时会乱码，其他文本编辑器 却正常，这是怎么回事？ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 491 XI.IV 常用工具软件 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 II.25 语言和文本对话框 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

通过编写爬虫代码、访问数据库、读取文件、调用API等方式，采 集社交媒体数据、数据库内容、文本数据、接口数据等。 通过数据清洗、数据集成、数据变换、特征工程等方式，实 现数据纠错、数据整合、格式转换、特征提取等。 对数据进行诊断、预测、关联、聚类分析，常用于问题 定位、需求预测、推荐系统、异常检测等。 对数据进行分类、社交网络分析或时序模式挖掘，常用 于客户细分、信用评分、社交媒体营销、股价预测等。 性能之间取得平衡，适合 中等规模任务。  多模态支持：支持文本和 图像处理，扩展应用场景。  可解释性：注重模型输出 的可解释性和透明性。 DeepSeek R1  高效推理：专注于低延迟和 高吞吐量，适合实时应用。  轻量化设计：模型结构优化， 资源占用少，适合边缘设备 和移动端。  多任务支持：支持多种任务， 如文本生成、分类和问答。 Kimi k1.5  垂直领域优化：针对特定领域 （如医疗、法律）进行优化， 提供高精度结果。  长文本处理：擅长处理长文本 和复杂文档，适合专业场景。  定制化能力：支持用户自定义 训练和微调，适应特定需求。 Open AI o3 mini  小型化设计：轻量级模型， 适合资源有限的环境。  快速响应：优化推理速度， 适合实时交互场景。  通用性强：适用于多种自 然语言处理任务，如对话 生成和文本理解。 爬虫数据采集 1、阅读网页源代码，提取特定网页内容；

直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景， 支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。 文本生成 表格、列表生成（如日程安排、菜谱） 代码注释、文档撰写 结构化生成 文章/故事/诗歌写作 营销文案、广告语生成 社交媒体内容（如推文、帖子） 剧本或对话设计 文本创作 长文本摘要（论文、报告） 文本简化（降低复杂度） 多语言翻译与本地化 摘要与改写 02 01 03 文本生成 自然语言理解与分析 知识推理 知识推理 逻辑问题解答（数学、常识推 理） 因果分析（事件关联性） 语义分析 语义解析 情感分析（评论、反馈） 意图识别（客服对话、用户查询） 实体提取（人名、地点、事件） 文本分类 文本分类 主题标签生成（如新闻分类） 垃圾内容检测 编程与代码相关 代码调试 • 错 适用于大多数任务，非推理大模型一般侧重于语言生成、上下文理解和自然语言处理，而不强 调深度推理能力。此类模型通常通过对大量文本数据的训练，掌握语言规律并能够生成合适的内容，但缺乏像 推理模型那样复杂的推理和决策能力。 维度 推理模型 通用模型 优势领域 数学推导、逻辑分析、代码生成、复杂问题拆解 文本生成、创意写作、多轮对话、开放性问答 劣势领域 发散性任务（如诗歌创作） 需要严格逻辑链的任务（如数学证明）

index: 0, input: "2017-06-12"] NOTE match 返回的一个数组，第一个元素是整体匹配结果，然后是各个分组（括号里）匹配的 内容，然后是匹配下标，最后是输入的文本。另外，正则表达式是否有修饰符 g，match 返回的数组格式是不一样的。 另外也可以使用正则实例对象的 exec 方法： var regex = /(\d{4})-(\d{2})-(\d{2})/; 是字符串，也可以是函数。 当第二个参数是字符串时，如下的字符有特殊的含义： 属性 描述 $1,$2,…,$99 匹配第 1-99 个 分组里捕获的文本 $& 匹配到的子串文本 $` 匹配到的子串的左边文本 $' 匹配到的子串的右边文本 $$ 美元符号 例如，把 "2,3,5"，变成 "5=2+3"： var result = "2,3,5".replace(/(\d+),(\d+) RegExp.lastMatch 最近一次匹配的文本 RegExp["$&"] RegExp.lastParen 最近一次捕获的文本 RegExp["$+"] RegExp.leftContext 目标字符串中lastMatch之前的文本 RegExp["$`"] RegExp.rightContext 目标字符串中lastMatch之后的文本 RegExp["$'"] 测试代码如下： JavaScript

index: 0, input: "2017-06-12"] NOTE match 返回的一个数组，第一个元素是整体匹配结果，然后是各个分组（括号里）匹配的 内容，然后是匹配下标，最后是输入的文本。另外，正则表达式是否有修饰符 g，match 返回的数组格式是不一样的。 另外也可以使用正则实例对象的 exec 方法： var regex = /(\d{4})-(\d{2})-(\d{2})/; 可以是字符串，也可以是函数。 当第二个参数是字符串时，如下的字符有特殊的含义： 属性 描述 $1,$2,…,$99 匹配第 1-99个 分组里捕获的文本 $& 匹配到的子串文本 $ 匹配到的子串的左边文本 $' 匹配到的子串的右边文本 $$ 美元符号 例如，把 "2,3,5"，变成 "5=2+3"： var result = "2,3,5".replace(/(\d+),(\d+) RegExp.lastMatch 最近一次匹配的文本 RegExp["$&"] RegExp.lastParen 最近一次捕获的文本 RegExp["$+"] RegExp.leftContext 目标字符串中lastMatch之前的文本 RegExp["$`"] RegExp.rightContext 目标字符串中lastMatch之后的文本 RegExp["$'"] 测试代码如下： JavaScript

FFmpeg安装 ⾳频处理 提取⾳频⽚段 视频处理 视频属性 获取 调整 尺⼨调整 动图gif 视频转动图 动图转视频 ⽔印 去除⽔印 提取⾳频 字幕处理 背景知识 字幕分类 字幕格式 编辑字幕 Aegisub 提取字幕 转换字幕 嵌⼊字幕 指定字幕位置 指定字幕⽂字属性 ffmpeg使⽤⼼得 ⽤到ffmpeg的 Python 附录 获取 2 com，使⽤署名4.0国际(CC BY 4.0)协议发布 all right reserved， powered by Gitbook最后更新： 2021-09-13 16:20:32 获取 34 字幕分类 根据字幕信息嵌⼊到视频中的⽅式，可以把字幕分为： 软字幕 特点 过程可逆 可以提取出字幕⽂件，查看字幕源代码 包含 内挂字幕 ⼀般指字幕⽂件与视频⼀同封装在MKV⽂件中，播放时 00+编码构建 特点： 在SSA编写⻛格的基础上增添更多的效果和指令 使⽤现状 该字幕格式常被字幕组所应⽤ ⽬前有很多播放器⽀持渲染SSA、ASS字幕 最新版本：V4.00+ ASS字幕分类 软字幕 特点 过程可逆 可以提取、取出和查看源代码的 包含 内挂字幕 ⼀般指字幕⽂件与视频⼀同封装在MKV⽂件 中，播放时需经过VSFilter渲染 外挂字幕 字幕⽂件以单独形式存在，播放时经VSFilter

SQL SQL 语句的编写 语句的编写  谨慎建立 谨慎建立 unique unique 类型的索引（唯一索引） 类型的索引（唯一索引）  大文本字段不建立为索引，如果要对大文本字段进行检索， 大文本字段不建立为索引，如果要对大文本字段进行检索， 可以考虑全文索引 可以考虑全文索引  频繁更新的列不适合建立过多索引 频繁更新的列不适合建立过多索引 应用优化 应用优化

请求収起方在同一连接上丌 同的请求标识代码，多线程 连接复用使用 应答方丌做修改，直接迒 回 flag 整数 通信局的标志位 通信局的标志位 remark 字符串 传输自定丿文本信息 错诨详细描述信息 extFields HashMap 请求自定丿字段 应答自定丿字段 9.2 心跳处理 通信组件本身丌处理心跳，由上局迕行心跳处理。