. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 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 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 IV.31 格式化后的表格 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

因此最终正则变成了：/\B(?=(\d{3})+\b)/g。 可视化形式是： 2.4.2.5. 格式化 千分符表示法一个常见的应用就是货币格式化。 比如把下面的字符串： JavaScript 正则表达式迷你书 2. 第二章 正则表达式位置匹配攻略 | 第 22 页 1888 格式化成： $ 1888.00 有了前面的铺垫，我们很容实现如下： function format (num) 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+)

因此最终正则变成了：/\B(?=(\d{3})+\b)/g。 可视化形式是： 2.4.2.5. 格式化 千分符表示法一个常见的应用就是货币格式化。 比如把下面的字符串： JavaScript 正则表达式迷你书 2. 第二章 正则表达式位置匹配攻略 | 第 22 页 1888 格式化成： $ 1888.00 有了前面的铺垫，我们很容实现如下： function format (num) 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+)

效果如何？ 一 能做什么？ 数据挖掘 数据分析 数据采集 数据处理 数据可视化 AIGC 数据应用 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。 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） 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 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）

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

状态 watch -n 1 cat /proc/drbd /etc/init.d/drbd status 以上两种方式都可以查看 drbd 的状态  设置当前节点为主节点，并进行格式化和挂载 drbdadm -- --overwrite-data-of-peer primary all mkfs.ext3 /dev/drbd0 mkdir /drbd mount /dev/drbd0

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。