7，也可以是 3.3 及以上版本。电脑的操作系统可以是 Windows，也可以是 macOS 或 Linux。 安装编辑器和浏览器 对于编辑器来说，每个人都有不同的偏好，你可以自由选择。可以选择功能丰富的 IDE（集成开发环境），比如 PyCharm；也可以选择相对轻量的编辑器，比如 Atom 或 Sublime Text。浏览器建议使用 Firefox 或 Chrome。 使用命令行 建： $ nano .gitignore 在 nano 编辑界面写入常见的可忽略文件规则： *.pyc *~ __pycache__ .DS_Store 使用 Control + O 和 Enter 键保存，然后按下 Control + X 键退出。在后续章节，对 于简单的文件，都会使用 nano 创建，这部分操作你也可以使用编辑器来完成。 将程序托管到 GitHub（可选） 这一步是可选的，将程序托管到 pipenv install python-dotenv 当 python-dotenv 安装后，Flask 会从项目根目录的 .flaskenv 和 .env 文件读取环 境变量并设置。我们分别使用文本编辑器创建这两个文件，或是使用更方便的 touch 命令创建： $ touch .env .flaskenv 第 2 章：Hello, Flask! 17 .flaskenv 用来存储 Flask

发货 投诉单 已创建 投诉单已 处理理 商城库存 已编辑 商品 已发布 商品销售 价格已编辑 订单 已发货 补货申请 单已创建 补货申请 单已审批 ⼊入库单 已创建 ⼊入库单 已⼊入库 订单 已签收 订单已 确认收货 仓库库存 已扣减 仓库库存 已增加 商品已 编辑 退货单已 创建 退货单已 审核 订单已 退货 ⼊入库单 发货 投诉单 已创建 投诉单已 处理理 商城库存 已编辑 商品 已发布 商品销售 价格已编辑 订单 已发货 补货申请 单已创建 补货申请 单已审批 ⼊入库单 已创建 ⼊入库单 已⼊入库 订单 已签收 订单已 确认收货 仓库库存 已扣减 仓库库存 已增加 商品已 编辑 退货单已 创建 退货单已 审核 订单已 退货 ⼊入库单 ⼊入库单 已创建 ⼊入库单 已⼊入库 仓库库存 已增加 添加 商品 ⽀支付宝 回调 超过1⼩小时 未⽀支付 ⏱ 编辑 商品 产品运 营⼈人员 编辑库存 编辑销售 价格 发布商品 创建订单 扣减库存 创建 出库单 占⽤用库存 发货 扣减库存 发货 收货 撤销订单 增加库存 创建 退货单 审核 退货单 创建 ⼊入库单 ⼊入库 增加库存 买家 系统

Scribble Step2－修改使用者接口（第９章）：这个版本变化了菜单，使程序多 了笔宽设定功能。由于菜单的变化，也带动了工具栏与状态列的变化。 从这个版本中我们可以学习如何使用资源编辑器，制作各式各样的程序资源。为了把 菜单命令处理函数放置在适当的类别之中，我们需要深入了解所谓的Message ■ ■ ■ ■ 第０章 你㆒定要知道（導讀） 37 Mapping 和Command Step3－增加「笔划宽度对话框」（第10 章）：这个版本做出「画笔宽 度对话框」，使用者可以在其中设定细笔宽度和粗笔宽度。预设的细笔为两个 图素（pixel）宽，粗笔为五个图素宽。 从这个版本中可以学习如何以对话框编辑器设计对话框模板，以ClassWizard 增设对 话盒处理函数，以及如何以MFC 提供的DDX/DDV 机制做出对话框控制组件 （control）的内容传递与内容查核。DDX（Dialog Data 程序的几个重点： 1. 程序进入点仍为main 2. 需包含所使用之类别的头文件（本例为AFX.H） 3. 可直接使用与GUI 无关的MFC 类别（本例为CStdioFile 和CString） 4. 编辑时需指定/MT，表示使用多执行线程版本的C runtime 函数库。 第４点需要多做说明。在MFC console 程序中一定要指定多线程版的C runtime 函数库， 所以必须使用/MT 选

提取音频 1.5.4 6. 字幕处理 1.6 1. 背景知识 1.6.1 1. 字幕分类 1.6.1.1 2. 字幕格式 1.6.1.2 2. 编辑字幕 1.6.2 1. Aegisub 1.6.2.1 3. 提取字幕 1.6.3 4. 转换字幕 1.6.4 5. 嵌入字幕 1.6.5 1. 频转动图、 动图转视频；以及水印处理，包括去除视频水印；从视频中提取完整音频和音频片 段；字幕相关处理，包括字幕的背景知识，包括软字幕和硬字幕、常见字幕格式ass和 srt；以及如何用Aegisub编辑字幕；从视频中提取字幕、从srt转换出ass字幕；嵌入字 幕，包括用流拷贝模式嵌入软字幕、用vf模式烧录嵌入硬字幕、且可以指定字幕位 置、指定字幕文字属性等；整理ffmpeg使用的心得和常见问题；以及其他有哪些工具 Low（亦作 Kotus）创建 特点 比传统字幕（如SRT）更加强大先进的字幕文件格式。 该格式在Windows平台上可以经播放器由VSFilter渲染进行播放。 这是一款广受欢迎且已停止开发的字幕编辑制作工具。 最新版本：V4.00 基于：SSA 4.00+编码构建 特点： 在SSA编写风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

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 1.9.1 1 图、动图转视频；以及⽔印 处理，包括去除视频⽔印；从视频中提取完整⾳频和⾳频⽚段；字幕相关 处理，包括字幕的背景知识，包括软字幕和硬字幕、常⻅字幕格式ass和 srt；以及如何⽤Aegisub编辑字幕；从视频中提取字幕、从srt转换出ass 字幕；嵌⼊字幕，包括⽤流拷⻉模式嵌⼊软字幕、⽤vf模式烧录嵌⼊硬字 幕、且可以指定字幕位置、指定字幕⽂字属性等；整理ffmpeg使⽤的⼼得 和常⻅ Kotus）创建 特点 ⽐传统字幕（如SRT）更加强⼤先进的字幕⽂件格 式。 该格式在Windows平台上可以经播放器由VSFilter 渲染进⾏播放。这是⼀款⼴受欢迎且已停⽌开发的 字幕编辑制作⼯具。 最新版本：V4.00 基于：SSA 4.00+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

14.5. 完全背包问题 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298 14.6. 编辑距离问题 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308 14.7. 小结 . . . 动态规划 hello‑algo.com 308 14.6. 编辑距离问题 编辑距离，也被称为 Levenshtein 距离，指两个字符串之间互相转换的最小修改次数，通常用于在信息检索 和自然语言处理中度量两个序列的相似度。 � 输入两个字符串 ? 和 ? ，返回将 ? 转换为 ? 所需的最少编辑步数。 你可以在一个字符串中进行三种编辑操作：插入一个字符、删除一个字符、替换字符为任意一 个字符。 如下图所示，将 kitten 转换为 sitting 需要编辑 3 步，包括 2 次替换操作与 1 次添加操作；将 hello 转换为 algo 需要 3 步，包括 2 次替换操作和 1 次删除操作。 Figure 14‑27. 编辑距离的示例数据 编辑距离问题可以很自然地用决策树模型来解释。字符串对应树节点，一轮决策（一次编辑操作）对应树的 一条边。 如下图所示，在不限制操作的情况下

14.5. 完全背包问题 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287 14.6. 编辑距离问题 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296 14.7. 小结 . . . - 1]] return dp[amt] 14.6. 编辑距离问题 编辑距离，也被称为 Levenshtein 距离，指两个字符串之间互相转换的最小修改次数，通常用于在信息检索 和自然语言处理中度量两个序列的相似度。 � 输入两个字符串 ? 和 ? ，返回将 ? 转换为 ? 所需的最少编辑步数。 你可以在一个字符串中进行三种编辑操作：插入一个字符、删除一个字符、替换字符为任意一 个字符。 如下图所示，将 kitten 转换为 sitting 需要编辑 3 步，包括 2 次替换操作与 1 次添加操作；将 hello 转换为 algo 需要 3 步，包括 2 次替换操作和 1 次删除操作。 Figure 14‑27. 编辑距离的示例数据 编辑距离问题可以很自然地用决策树模型来解释。字符串对应树节点，一轮决策（一次编辑操作）对应树的 一条边。 如下图所示，在不限制操作的情况下

14.5. 完全背包问题 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297 14.6. 编辑距离问题 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307 14.7. 小结 . . . 动态规划 hello‑algo.com 307 14.6. 编辑距离问题 编辑距离，也被称为 Levenshtein 距离，指两个字符串之间互相转换的最小修改次数，通常用于在信息检索 和自然语言处理中度量两个序列的相似度。 � 输入两个字符串 ? 和 ? ，返回将 ? 转换为 ? 所需的最少编辑步数。 你可以在一个字符串中进行三种编辑操作：插入一个字符、删除一个字符、替换字符为任意一 个字符。 如下图所示，将 kitten 转换为 sitting 需要编辑 3 步，包括 2 次替换操作与 1 次添加操作；将 hello 转换为 algo 需要 3 步，包括 2 次替换操作和 1 次删除操作。 Figure 14‑27. 编辑距离的示例数据 编辑距离问题可以很自然地用决策树模型来解释。字符串对应树节点，一轮决策（一次编辑操作）对应树的 一条边。 如下图所示，在不限制操作的情况下

14.5. 完全背包问题 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299 14.6. 编辑距离问题 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309 14.7. 小结 . . . 动态规划 hello‑algo.com 309 14.6. 编辑距离问题 编辑距离，也被称为 Levenshtein 距离，指两个字符串之间互相转换的最小修改次数，通常用于在信息检索 和自然语言处理中度量两个序列的相似度。 � 输入两个字符串 ? 和 ? ，返回将 ? 转换为 ? 所需的最少编辑步数。 你可以在一个字符串中进行三种编辑操作：插入一个字符、删除一个字符、替换字符为任意一 个字符。 如下图所示，将 kitten 转换为 sitting 需要编辑 3 步，包括 2 次替换操作与 1 次添加操作；将 hello 转换为 algo 需要 3 步，包括 2 次替换操作和 1 次删除操作。 Figure 14‑27. 编辑距离的示例数据 编辑距离问题可以很自然地用决策树模型来解释。字符串对应树节点，一轮决策（一次编辑操作）对应树的 一条边。 如下图所示，在不限制操作的情况下

14.5. 完全背包问题 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303 14.6. 编辑距离问题 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313 14.7. 小结 . . . } return dp[amt] } 14.6. 编辑距离问题 编辑距离，也被称为 Levenshtein 距离，指两个字符串之间互相转换的最小修改次数，通常用于在信息检索 和自然语言处理中度量两个序列的相似度。 � 输入两个字符串 ? 和 ? ，返回将 ? 转换为 ? 所需的最少编辑步数。 你可以在一个字符串中进行三种编辑操作：插入一个字符、删除一个字符、替换字符为任意一 个字符。 如下图所示，将 kitten 转换为 sitting 需要编辑 3 步，包括 2 次替换操作与 1 次添加操作；将 hello 转换为 algo 需要 3 步，包括 2 次替换操作和 1 次删除操作。 Figure 14‑27. 编辑距离的示例数据 编辑距离问题可以很自然地用决策树模型来解释。字符串对应树节点，一轮决策（一次编辑操作）对应树的 一条边。 如下图所示，在不限制操作的情况下