PyPandoc进阶技巧:如何用Python过滤器实现动态文档转换(附GitHub代码)

iOS中的MVVM设计模式 随着iOS开发的发展,构建可维护和可扩展的代码架构变得至关重要。Model-View-ViewModel (MVVM) 是一种设计模式,通过分离UI和业务逻辑,使代码更具可读性和可测试性。本文将介绍MVVM模式在iOS中的使用,并通过一个简单的示例展示其实现方法。Model:处理数据和业务逻辑。View:负责展示UI和处理用户交互。ViewModel:充当View与Model之间的桥梁,将数据和逻辑从Model传递给View,并将用户交互从View传递回Model。 阅读详情

PyPandoc进阶技巧:如何用Python过滤器实现动态文档转换(附GitHub代码)

如果你已经用PyPandoc做过几次简单的格式转换,比如把Markdown批量转成PDF或者Word,可能会觉得这工具也就这样了——一个封装了命令行调用的Python库而已。但如果你愿意再往下挖一层,去看看Pandoc真正的核心能力,你会发现一个完全不同的世界。这个世界里,文档不再是简单的文本流,而是一棵结构清晰的抽象语法树(AST)。你可以像外科手术一样,精准地修改这棵树的任何一个节点,实现传统“黑盒”转换根本无法完成的任务。

想象一下这些场景:你需要自动为一批技术文档的每个代码块注入当前版本号;或者要在生成最终报告前,动态替换掉所有涉及特定关键词的段落;又或者,你想根据文档内容自动生成一个交互式的导航侧边栏。这些都不是简单地调用convert_file能解决的。它们需要你深入文档的内部结构,在转换流程的中间环节进行干预。这就是PyPandoc结合Python过滤器的用武之地,它把文档转换从“格式翻译”升级为了“内容编程”。

本文面向的是那些不满足于基础用法的中高级Python开发者。我们将绕过那些重复的安装教程和API罗列,直接切入最核心的AST操作与过滤器开发。我会分享一套从GitHub实战项目中提炼出的代码方案,让你不仅能理解原理,更能立刻动手构建自己的动态文档处理流水线。

1. 理解Pandoc的AST:文档的“基因图谱”

在开始写过滤器之前,我们必须先搞清楚要操作的对象到底是什么。Pandoc将任何格式的文档(Markdown、HTML、LaTeX等)首先解析成一个内部的中介表示——这就是抽象语法树(AST)。无论输入格式如何千差万别,最终都会统一成这棵树;同样,无论输出格式是PDF、EPUB还是DOCX,也都是从这棵树生成出去的。因此,过滤器本质上就是在AST被最终渲染成目标格式之前,对其进行修改的程序。

1.1 AST的基本结构:JSON的力量

Pandoc的AST以一种非常开发者友好的方式暴露出来:JSON。当你通过--to json选项运行Pandoc,或者在你的Python过滤器中,你处理的就是这种结构化的JSON数据。一个最简单的Markdown文档# Hello\n\nWorld,其AST的JSON表示大致如下:

{
  "pandoc-api-version": [1, 22, 2],
  "meta": {},
  "blocks": [
    {
      "t": "Header",
      "c": [1, ["hello", [], []], [{"t": "Str", "c": "Hello"}]]
    },
    {
      "t": "Para",
      "c": [{"t": "Str", "c": "World"}]
    }
  ]
}

这个结构初看可能有点繁琐,但规律很明显:

  • pandoc-api-version:标识AST的版本。
  • meta:存放文档的元数据,如标题、作者、日期等。
  • blocks:这是文档正文内容的数组,是我们要操作的核心。数组中的每个对象代表一个“块级元素”。

每个块级元素都是一个JSON对象,其中t(type)字段表示节点类型,c(content)字段包含该节点的具体内容。常见的块级元素类型包括:

  • Header:标题
  • Para:段落
  • CodeBlock:代码块
  • BlockQuote:引用块
  • BulletList / OrderedList:列表
  • Table:表格

行内元素(如加粗、链接、代码)则嵌套在块级元素的c字段中,它们也有自己的类型,如Str(普通文本)、Emph(强调)、Strong(加粗)、Link(链接)、Code(行内代码)。

提示:不必死记硬背所有节点类型。最实用的方法是,先用pandoc -t json your_document.md命令输出你常用文档的AST,对照着看,很快就能熟悉结构。

1.2 Python过滤器的标准范式

一个Python过滤器就是一个标准的命令行可执行脚本,它从标准输入(stdin)读取Pandoc生成的JSON格式AST,修改它,然后将修改后的JSON写到标准输出(stdout)。Pandoc会负责调用这个脚本并传递数据。

为了让你的脚本能专注于业务逻辑,Pandoc官方提供了一个名为pandocfilters的轻量级Python库。它封装了遍历和操作AST节点的常用函数。虽然我们完全可以手动解析JSON,但使用这个库会让代码简洁得多。

首先安装它:

pip install pandocfilters

一个最基础的过滤器骨架长这样:

#!/usr/bin/env python3
"""
一个基础的Pandoc Python过滤器骨架。
"""
import sys
import json
from pandocfilters import toJSONFilter, walk

def my_filter(key, value, format_, meta):
    """
    每个AST节点都会经过这个函数。
    key: 节点类型,如 'Header', 'Para', 'Str'。
    value: 节点的具体内容。
    format_: 目标输出格式(如 'html', 'latex', 'docx')。
    meta: 文档的元数据字典。
    """
    # 在这里判断并修改特定的节点
    # 例如,如果我们想删除所有二级标题:
    if key == 'Header' and value[0] == 2:  # value[0]是标题级别
        return []  # 返回空列表意味着删除此节点
    # 如果不做修改,就返回None,节点保持不变

if __name__ == "__main__":
    # toJSONFilter是pandocfilters提供的辅助函数,它负责JSON的读写和遍历调用。
    toJSONFilter(my_filter)

这个my_filter函数是过滤器的核心。Pandoc的AST遍历器会以深度优先的顺序访问每一个节点,并用节点的(key, value)对来调用这个函数。你的任务就是判断key和value,然后决定是保留、删除还是替换它。

2. 实战:构建你的第一个AST操作过滤器

理论说得再多,不如动手写一个。我们从几个有实际价值的场景出发,构建可复用的过滤器组件。

2.1 场景一:自动化内容清洗与脱敏

在批量处理外部来源的文档(如用户提交、爬虫抓取)时,常常需要移除或替换某些敏感或无关信息,比如特定的广告标语、联系方式、内部链接等。

假设我们要移除文档中所有包含“机密”字样的段落,并将所有电子邮件地址替换为[EMAIL_REDACTED]。

#!/usr/bin/env python3
"""
clean_sensitive.py - 内容清洗与脱敏过滤器
"""
import re
from pandocfilters import toJSONFilter, Str

def clean_sensitive(key, value, format_, meta):
    # 场景1:删除包含特定关键词的整个段落
    if key == 'Para':
        # 将段落内所有文本节点拼接起来检查
        para_text = ''
        for item in value:
            if isinstance(item, dict) and item.get('t') == 'Str':
                para_text += item['c']
        if '机密' in para_text:
            return []  # 删除该段落

    # 场景2:替换行内文本中的电子邮件地址
    if key == 'Str':
        text = value
        # 简单的邮箱正则匹配
        email_pattern = r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}'
        if re.search(email_pattern, text):
            # 注意:不能直接修改value,需要返回新的节点
            # 这里我们选择用替换文本的Str节点返回,但更复杂的替换可能需要返回一个Span
            return Str('[EMAIL_REDACTED]')
    return None

if __name__ == "__main__":
    toJSONFilter(clean_sensitive)

使用这个过滤器:

pandoc input.md --filter ./clean_sensitive.py -o output.pdf

注意:pandocfilters.walk函数。在上面的例子中,我们只处理了Str节点。但如果电子邮件地址被包裹在Link或Strong等节点内部,我们的简单检查就会失效。更健壮的做法是使用pandocfilters.walk函数,它可以递归地处理一个节点下的所有子节点。例如,可以专门写一个处理Link节点的函数,检查其URL或标题文本。

2.2 场景二:动态注入元数据与版本信息

为技术文档自动添加最后更新时间、文档版本号,或者根据代码块的语言类型动态插入运行环境说明。

下面这个过滤器会做两件事:

  1. 在文档开头插入一个包含版本和生成日期的信息框(以Markdown引用块形式)。
  2. 为每个Python代码块上方添加一个小的提示标题。
#!/usr/bin/env python3
"""
inject_metadata.py - 动态注入元信息过滤器
"""
from datetime import datetime
from pandocfilters import toJSONFilter, BlockQuote, Plain, Str, Strong, CodeBlock, Div, RawBlock
import json

def inject_metadata(key, value, format_, meta):
    # 这个函数将在每个节点被访问时调用。
    # 但我们想插入新块,更合适的时机是在遍历开始前或后。
    # 因此,我们这里主要处理代码块,文档级别的插入将在主函数中另做处理。
    if key == 'CodeBlock':
        ident, classes, kvs = value[0]  # 代码块的属性 (id, classes, key-value pairs)
        code = value[1]
        # 检查代码块的语言类是否包含'python'
        if 'python' in classes:
            # 创建一个提示性的小标题作为新块,插入到当前代码块之前
            # 我们需要修改AST的结构,这通常在walk函数中不易直接实现。
            # 更常见的做法是在过滤器主逻辑中,直接处理整个blocks列表。
            pass
    return None

# 更直接的方式:操作整个AST的blocks列表
def main():
    import sys
    import json
    from pandocfilters import applyJSONFilters

    # 读取标准输入的完整AST
    doc = json.loads(sys.stdin.read())
    blocks = doc['blocks']

    # 1. 在文档开头插入版本信息块
    version_block = BlockQuote([
        Plain([
            Strong([Str("文档信息")]),
            Str(":"),
            Str("版本 1.0.2 | 生成于 " + datetime.now().strftime("%Y-%m-%d %H:%M"))
        ])
    ])
    blocks.insert(0, version_block)

    # 2. 遍历所有块,在Python代码块前插入提示
    new_blocks = []
    for block in blocks:
        # 如果是代码块且是python语言
        if block['t'] == 'CodeBlock':
            attrs = block['c'][0]
            classes = attrs[1]
            if 'python' in classes:
                # 插入一个提示性段落
                hint = Plain([Str("以下为Python代码示例:")])
                new_blocks.append(hint)
        new_blocks.append(block)

    doc['blocks'] = new_blocks
    # 输出修改后的AST
    sys.stdout.write(json.dumps(doc))

if __name__ == "__main__":
    main()

这个例子展示了更底层的操作方式:直接读取、修改、输出整个JSON AST。它比使用toJSONFilter回调更灵活,可以轻松地在任意位置插入或删除多个块级元素。

3. 高级技巧:构建可配置的工厂化过滤器

单个过滤器功能有限。在实际项目中,我们可能需要一个管道(pipeline),让文档依次通过多个过滤器,每个负责不同的任务。或者,我们需要一个可配置的超级过滤器,通过外部参数来决定执行哪些操作。

3.1 过滤器管道与PyPandoc集成

Pandoc命令行本身就支持多个--filter参数,它们会按顺序执行。在PyPandoc中,你可以通过filters参数传递一个过滤器路径列表。

import pypandoc

output = pypandoc.convert_file(
    'input.md',
    'html',
    outputfile='output.html',
    filters=['./filter_clean.py', './filter_inject.py', './filter_format.py']  # 按顺序执行
)

但频繁调用外部Python脚本会有启动开销。更高效的方式是编写一个集成式过滤器,内部通过配置开关来组合功能。

3.2 基于配置字典的过滤器工厂

下面是一个框架性示例,它允许你通过一个配置字典来动态启用或禁用不同的处理模块。

#!/usr/bin/env python3
"""
configurable_filter.py - 可配置的集成过滤器
"""
import sys
import json
import argparse

class DocumentProcessor:
    def __init__(self, config):
        self.config = config
        self.processors = []
        if config.get('remove_links'):
            self.processors.append(self._remove_links)
        if config.get('highlight_keywords'):
            self.keywords = config['keywords']
            self.processors.append(self._highlight_keywords)
        if config.get('add_header_anchors'):
            self.processors.append(self._add_header_anchors)

    def process(self, doc):
        """主处理函数,依次应用所有启用的处理器"""
        for processor in self.processors:
            doc = processor(doc)
        return doc

    def _remove_links(self, doc):
        """移除所有超链接,只保留链接文本"""
        def walk(node):
            if isinstance(node, dict):
                if node.get('t') == 'Link':
                    # 将Link节点替换为其文本内容(第一个元素)
                    return node['c'][1]  # Link的内容是 [attrs, [inlines], [target]]
                else:
                    # 递归处理子节点
                    for k, v in node.items():
                        if isinstance(v, list):
                            node[k] = [walk(item) for item in v]
                        elif isinstance(v, dict):
                            node[k] = walk(v)
            elif isinstance(node, list):
                return [walk(item) for item in node]
            return node
        return walk(doc)

    def _highlight_keywords(self, doc):
        """将配置中的关键词用<mark>标签包裹(针对HTML输出)"""
        # 实现逻辑类似_remove_links,遍历Str节点,匹配关键词并替换为包含RawInline的序列。
        # 此处为简化,略去具体实现。需注意format_参数,仅为HTML输出添加标签。
        return doc

    def _add_header_anchors(self, doc):
        """为标题添加锚点ID(适用于HTML输出)"""
        # 实现逻辑:遍历Header节点,根据标题文本生成ID,并修改其属性。
        return doc

def main():
    parser = argparse.ArgumentParser(description='可配置的Pandoc过滤器')
    parser.add_argument('--remove-links', action='store_true', help='移除所有超链接')
    parser.add_argument('--keywords', nargs='+', help='需要高亮的关键词列表')
    parser.add_argument('--add-anchors', action='store_true', help='为标题添加锚点')
    args = parser.parse_args()

    config = {
        'remove_links': args.remove_links,
        'highlight_keywords': bool(args.keywords),
        'keywords': args.keywords if args.keywords else [],
        'add_header_anchors': args.add_anchors
    }

    # 读取AST
    input_json = sys.stdin.read()
    doc = json.loads(input_json)

    # 处理
    processor = DocumentProcessor(config)
    processed_doc = processor.process(doc)

    # 输出
    sys.stdout.write(json.dumps(processed_doc))

if __name__ == "__main__":
    main()

使用这个过滤器时,你可以像这样传递参数:

pandoc input.md \
  --filter ./configurable_filter.py --remove-links --keywords 重要 注意 \
  -o output.html

这种设计模式将过滤器变成了一个功能强大的文档处理中间件,你可以通过命令行参数、配置文件甚至环境变量来控制其行为,轻松集成到CI/CD流水线中。

4. 复杂案例:实现一个智能的文档报告生成器

让我们综合运用以上知识,构建一个相对复杂的实战案例:一个智能文档报告生成器。它的功能是,扫描一批Markdown格式的技术日志或周报,自动提取关键指标(如出现的错误数量、提到的任务完成数),并生成一个汇总的“执行摘要”章节,插入到最终PDF报告的最前面。

假设:我们的日志中,错误以[ERROR]开头,完成的任务以- [x]表示。

步骤:

  1. 解析输入文档的AST。
  2. 遍历所有Para节点,统计[ERROR]和- [x]的出现次数。
  3. 根据统计结果,动态生成一个“执行摘要”的Markdown字符串。
  4. 将这个字符串转换为AST节点,插入到原文档的blocks数组的开头。
  5. 输出修改后的AST。
#!/usr/bin/env python3
"""
report_summarizer.py - 智能报告摘要生成过滤器
"""
import sys
import json
import re
from pandocfilters import stringify  # 用于将AST内联节点转换为纯文本

def create_summary_section(error_count, task_count):
    """根据统计信息创建摘要部分的Markdown字符串"""
    summary_md = f"""
## 执行摘要

本报告基于文档内容自动生成以下关键指标:

| 指标项 | 数量 |
| :--- | :--- |
| 发现的错误 | {error_count} |
| 完成的任务 | {task_count} |

**总体状态**: {"良好" if error_count == 0 else "需关注"}
"""
    return summary_md.strip()

def md_to_ast(md_text):
    """将Markdown文本转换为Pandoc AST节点列表。
    这里我们借助pypandoc的convert_text来实现。"""
    import pypandoc
    # 使用pypandoc将Markdown转换为Pandoc的JSON格式
    json_str = pypandoc.convert_text(md_text, 'json', format='md')
    doc = json.loads(json_str)
    return doc['blocks']  # 返回blocks部分

def main():
    # 1. 读取并解析AST
    input_json = sys.stdin.read()
    doc = json.loads(input_json)
    blocks = doc['blocks']

    # 2. 初始化计数器
    error_count = 0
    task_count = 0

    # 3. 遍历所有块级元素进行统计
    for block in blocks:
        if block['t'] == 'Para':
            # 将段落AST转换为纯文本以进行模式匹配
            para_text = stringify(block)
            # 统计[ERROR]
            error_count += len(re.findall(r'\[ERROR\]', para_text))
            # 统计- [x] (已勾选的任务项)
            task_count += len(re.findall(r'-\s*\[x\]', para_text, re.IGNORECASE))

    # 4. 生成摘要AST
    summary_md = create_summary_section(error_count, task_count)
    summary_blocks = md_to_ast(summary_md)

    # 5. 将摘要插入原文档开头
    doc['blocks'] = summary_blocks + blocks

    # 6. 输出修改后的AST
    sys.stdout.write(json.dumps(doc))

if __name__ == "__main__":
    # 确保pypandoc可用,如果不可用,可以回退到更简单的方式(如直接构造简单的AST)
    main()

这个过滤器的强大之处在于,它让文档内容本身成为了驱动生成的参数。你不再需要手动编写摘要,只需维护好格式规范的原始日志,最终的报告就会自动包含数据分析结果。将其与批量转换脚本结合,你可以轻松实现每晚自动生成项目日报PDF并发送邮件的全流程。

5. 性能优化与调试技巧

编写复杂的过滤器时,你会遇到两个主要挑战:如何调试AST操作,以及如何确保处理大量文档时的性能。

5.1 调试:可视化与日志

直接看JSON AST很痛苦。我常用的方法是写一个简单的调试过滤器,将AST的结构或特定信息打印到标准错误输出(stderr),这样不会干扰到Pandoc的正常流程。

#!/usr/bin/env python3
"""
debug_filter.py - 调试用过滤器,打印节点信息
"""
import sys
import json

def debug_walk(node, depth=0, path=""):
    indent = "  " * depth
    if isinstance(node, dict):
        node_type = node.get('t', '?')
        print(f"{indent}{path} -> Dict: t='{node_type}'", file=sys.stderr)
        if node_type in ['Header', 'CodeBlock', 'Para']:  # 只关心特定类型
            print(f"{indent}  Content snippet: {str(node.get('c'))[:100]}...", file=sys.stderr)
        for k, v in node.items():
            debug_walk(v, depth+1, f"{path}.{k}")
    elif isinstance(node, list):
        # 列表通常包含多个子节点,我们可能不想全部展开
        if depth < 3:  # 控制递归深度
            print(f"{indent}{path} -> List[len={len(node)}]", file=sys.stderr)
            for i, item in enumerate(node[:2]):  # 只打印前两个元素
                debug_walk(item, depth+1, f"{path}[{i}]")
        else:
            print(f"{indent}{path} -> List[...] (depth limit)", file=sys.stderr)
    else:
        # 基本类型,如字符串、数字
        if depth < 4: # 避免打印过长的叶子内容
            print(f"{indent}{path} -> {type(node).__name__}: {str(node)[:50]}", file=sys.stderr)

def main():
    doc = json.loads(sys.stdin.read())
    print("=== AST Debug Walk ===", file=sys.stderr)
    debug_walk(doc, path="root")
    print("=== End Debug ===", file=sys.stderr)
    # 原样输出,不修改文档
    sys.stdout.write(json.dumps(doc))

if __name__ == "__main__":
    main()

使用--filter ./debug_filter.py 2> debug.log可以将调试信息重定向到文件,方便分析。

5.2 性能考量

对于单篇文档,过滤器的性能开销通常可以忽略。但如果是批量处理成千上万个小文件,或者处理一个巨大的单文件,就需要考虑优化。

  • 减少遍历次数:如果过滤器需要做多件事,尽量在一次遍历中完成,避免对AST进行多次完整的walk。
  • 提前终止:如果查找特定内容,找到后可以使用自定义的遍历逻辑提前返回,而不是遍历整棵树。
  • 使用高效的数据结构:在_highlight_keywords这类场景中,对关键词列表使用集合(set)或前缀树(Trie)进行匹配,远比线性扫描每个字符串高效。
  • 避免在过滤器内进行重型I/O或网络请求:这会让转换过程变得极慢且不稳定。

最后,别忘了将你的得意之作放到GitHub上。一个结构清晰、文档齐全、带有示例的过滤器项目,不仅能帮助他人,也是你技术能力的最佳名片。你可以参考本文的案例,构建一个属于自己的“PyPandoc高级过滤器工具包”,从简单的文本替换到复杂的文档分析生成,逐步积累你的代码库。当接到下一个文档自动化需求时,你很可能发现,需要的组件已经准备就绪了。

iOS - MVVM 作为一名iOS开发者,我们经常使用MVC模式,也就是Model-View-Controller.这是一种标准的方式来构建我们的iOS应用。但是由于MVC存在着一些问题,所以在iOS开发中,开始使用了一种新的架构MVVM,即Model-View-ViewModel. 首先回顾一下我们常用的MVC模式。Model-View-Controller由图可知,官方内容,MVC设计模式将应用中的对象分为3种角... 阅读详情

相关推荐

iOS开发:MVVM设计模式详解与实例演示

MVVM设计模式是基于MVC模式的演化而来,它将视图(View)和模型(Model)之间的通信通过一个称为视图模型(ViewModel)的中间层来实现。MVVM的主要目标是实现业务逻辑的可测试性和视图的可复用性。在MVVM模式中,视图模型是连接视图和模型的桥梁。视图模型负责处理视图的展示逻辑和用户输入,并将用户操作转化为模型可以理解的操作。它还负责从模型中获取数据并将其转换为视图可以显示的形式。视图模型通常实现了数据绑定机制,用于将视图和模型之间的数据同步。

FwgForth的博客 268

iOS进阶之架构设计MVVM的实现示例(5)

MVVM的核心在于:(个人意见) 1.MVVM的双向绑定; 2.Model与View解耦; 选用RAC实现MVVM架构,不是必要的,重要的实现架构,也可以自己用KVO实现,这里推荐使用Facebook开源的KVOController 框架。 一.MVVM架构 ZBMVVMSimpleViewController 协调viewModel绑定model,view绑定viewModel; - (v...

沐雨07的专栏 1925

MVVMDemo, MVVM应用在iOS的Demo,主要通过经典的TableView来演示.zip

MVVMDemo, MVVM应用在iOS的Demo,主要通过经典的TableView来演示

ios swift MVVM实例(Model-View-ViewModel)

文章目录M(Model)WBStatusModel.swiftV(View): View + ViewControllerWBHomeController.swiftVM(ViewModel)WBStatusViewModel.swiftWBStatusListViewModel.swift M(Model) WBStatusModel.swift import UIKit import YYModel class WBStatusModel: NSObject { /// 当前的微博的id

baidu_40537062的博客 3535

MVVM-IOS-Example, 用ReactiveCocoa实现MVVM的一个基本例子.zip

MVVM-IOS-Example, 用ReactiveCocoa实现MVVM的一个基本例子 这是我编写的一个用于演示基本MVVM实现的的源代码。 ReactiveCocoa及其依赖项在这个项目中都是自包含的。##License 这里源代码是在MIT许可证下提供的。Copyright (c) 2013 Colin Whe

iOSMVVM开发模式实例

. |____handler | |____AccountHandler.h | |____ModelHandler.h |____model | |____AccountDataModel.h | |____AccountDataModel.m | |____DataModel.h | |____DataModel.m |____module | |____login | | |____LoginBiz.h | | |____LoginBiz.m | | |____LoginView.h | | |____LoginView.m | | |____LoginViewController.h | | |____LoginViewController.m | | |____LoginViewDelegate.h | |____register | | |____RegisterBiz.h | | |____RegisterBiz.m | | |____RegisterView.h | | |____RegisterView.m | | |____RegisterViewController.h | | |____RegisterViewController.m | | |____RegisterViewDelegate.h |____network | |____HttpClient.h | |____HttpClient.m |____storage | |____AccountStorage.h | |____AccountStorage.m |____vender | |____AFNetworking |____view |____viewmodel | |____ModelBiz.h | |____ModelBiz.m

iOS MVVM之从理论到实践

iOS UI设计模式 MVC 模式 MVC 概念 Modal 模型对象:模型对象封装了应用程序的数据,并定义操控和处理该数据的逻辑和运算。模型(Model)实际上考虑的是“什么”的问题,即你的程序是什么?以纸牌匹配游戏为例子,模型就是设计这个游戏怎么玩,花色匹配,数值匹配得多少分,等逻辑问题。以及这个游戏里的类,如:纸牌,牌堆等类都属于模型里面的东西。以上都是独立于UI且在模型...

jiuchabaikaishui的专栏 9410

ios-MVVM RAC 学习实战 简单分享.zip

github地址:https://github.com/sallenhandong/MVVM-RACDemo 多多star 给点动力啦 最近一直在学习RAC 所以就准备 吧常用的方法 以demo的形式 整理出来 还在学习当中 会把学到的 一点点更新 希望大家共同进步

Python-Markdown库深度解析:从基础转换到Flask博客实战应用

Markdown作为一种轻量级标记语言,其核心价值在于将易读易写的纯文本转换为结构化的HTML,从而实现内容与样式的分离。其工作原理是通过一套简洁的符号语法定义标题、列表、代码块等元素,由解析器按照规则转换为对应的HTML标签。这一技术极大地简化了Web内容创作和文档编写的流程,提升了开发者和写作者的生产力。在Python生态中,程序化、自动化地处理Markdown文本是构建动态内容系统(如博客、CMS、API文档工具)的常见需求。Python-Markdown库正是为此而生,它不仅是一个高效的转换引擎,更

weixin_30542079的博客 472

rag-ext-part-00

rag-ext-part-00

国央企创新负责人在推动科研成果产业化时,如何确保技术成果的匹配质量和落地可行性?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

【iOS】MVVM模式详解

MVVM(Model-View-ViewModel)核心思想是通过 ViewModel 作为 View 和 Model 之间的桥梁,ViewModel 负责处理视图的显示逻辑和业务逻辑,而 View 只需要专注于用户界面的展示和用户交互的处理。这种分离使得代码更加清晰、可测试性更强,同时也提高了代码的可维护性。

2301_76293359的博客 1671

使用 AFL++ 对 IoT 二进制文件进行模糊测试 - 第一部分

American fuzzy lop 是一款面向安全的模糊测试器,它采用一种新型的编译时插桩和遗传算法,可以自动发现干净、有趣的测试用例,从而触发目标二进制文件中新的内部状态。这显著提高了模糊测试代码的功能覆盖率。AFL 的地址是它已经有一段时间没有更新了。虽然 AFL 仍然运行良好,但有一个新项目 AFL++,它是 AFL 的一个分支,包含许多改进和新功能。AFL++ 的地址是,其源代码位于。在本文中,我们将研究如何使用 AFL++ 对 IoT 二进制文件进行模糊测试。

技术超强的网络安全平台 1093

iOS进阶之架构设计MVVM的实现示例(4)

实践是检验真理的唯一真理。让我们来看个简单的实现MVVM设计的demo例子吧。 MVVM加深理解 MVVM模式将Presenter改名为ViewModel,基本上与MVP模式完全一致。 唯一的区别是,它采用双向绑定(data-binding) : View<->ViewModel, ViewModel作为Model中值的映射,是数据发生改变时,通知View中发生改变,以后不需要考...

沐雨07的专栏 2324

C++面向对象程序设计大作业:魔兽世界(三):开战

C++面向对象程序设计大作业:魔兽世界(三):开战问题描述问题分析代码 问题描述 问题来自于北京大学郭炜老师的C++慕课的大作业 魔兽世界的西面是红魔军的司令部,东面是蓝魔军的司令部。两个司令部之间是依次排列的若干城市,城市从西向东依次编号为1,2,3 … N ( N <= 20)。红魔军的司令部算作编号为0的城市,蓝魔军的司令部算作编号为N+1的城市。司令部有生命元,用于制造武士。 两军的司令部都会制造武士。武士一共有dragon 、ninja、iceman、lion、wolf 五种。每种武士都有

RedRum_1965的博客 4041

想学嵌入式但没开发板?试试这个免费的STM32虚拟仿真平台(含LVGL界面教程)

本文介绍如何利用免费的STM32虚拟仿真平台学习嵌入式开发,特别适合预算有限或零硬件基础的学习者。通过详细的LVGL界面开发教程,展示虚拟仿真在嵌入式学习中的高效性和实用性,涵盖环境搭建、代码实现到实机迁移的全流程,助力快速掌握嵌入式开发核心技能。

weixin_29266647的博客 308

iOS MVVM最佳实践(一)

引言   没有代码的瞎掰都是耍流氓!   这里是我使用MVVM模式结合组件化所做的音乐类App小部分功能,包括歌单、搜索和播放。你可以在这里看到viewModel到底如何书写、如何与controller配合,组件化应该如何搭建等等细节。麻雀虽小五脏俱全,作为参照来讲应该是足够了的。   这个系列是我在实践中的一些总结。学习之路上翻阅了不少博客,却都是介绍概念的居多,几乎没见着有完整代码供后来的人参...

weixin_34161064的博客 714

微信小程序 - 详细实现可移动悬浮按钮,全屏悬浮元素图标可拖动拖拽并自动吸附边缘,微信小程序实现悬浮球吸附边缘+计算靠边靠拢效果(详细代码,拖拽中途放手,靠左就自动跑到屏幕左侧,反之靠右跑到屏幕右侧)

微信小程序,vue2,vue3,微信小程序悬浮功能小按钮,自动吸附边缘效果,微信小程序之可拖动悬浮按钮的实现,如何实现靠近边缘自动吸住功能,小程序右下角的悬浮效果,实现可拖动悬浮图标,自动向两边靠拢,悬浮按钮的实现,微信小程序悬浮球效果,微信小程序(可拖动悬浮按钮)当靠近屏幕边缘时会磁吸靠近,如何实现全局悬浮按钮,悬浮球判断吸附在左右,全屏悬浮能拖着走,小程序怎么做悬浮图标靠近左右两侧能吸附住,悬浮菜单按钮,悬浮球可拖拽,全局悬浮球,全局悬浮框,实现悬浮按钮可拖动,自动吸附边缘效果,若按钮此时位于页面中间偏

🏆 前端领域优质创作者 1万+

IOS - MVVM + ReactiveCocoa 一个简单的登录样例

基础: RACCommand的详细讲解 MVVM架构已经耳熟能详,网上有非常多的文章,讲的都相当不错,MVVM最主要的关系我这里要提醒一下 最基本的规则: 1.View持有ViewModel  反之不持有 2.ViewModel持有Model 反之不持有 网上copy了一张关系图 MVVM 的基本概念 在MVVM 中,view 和 view controller正式联系在...

屎壳郎情调-成长日记 4915

C#开发的OpenRA游戏之网络接收后找到游戏对象

而这个队列是在创建这个游戏对象时组件,因为一个游戏对象有很多特性,当发现创建游戏对象时有IResolveOrder继承接口的对象,就添加到这个数组。在这里先检查一下命令是否有效的,接着就调用命令的执行对象,即是游戏对象来执行这个命令了。order.Subject就是上面解释游戏对象ID,并从游戏世界里找到的游戏对象,再从各个字段里找到对应的信息,再把这个动作交给游戏世界里的对象执行。从前面分析可知,要找到游戏世界里的对象,就需要游戏对象的ID,因此, 我们来分析游戏对象的ResolveOrder函数。

大坡3D软件开发 1035

【Agent从入门到实践】01 从“工具函数”到“智能体”:Agent与传统程序的核心区别

传统程序是“你教它怎么做,它才做什么”,Agent是“你告诉它做什么,它自己想怎么做”。从技术层面来说,这个区别的背后,是Agent融合了大语言模型(LLM)、记忆能力、工具调用能力、决策能力等技术,才实现了“自主思考”和“灵活执行”,而这些技术,咱们会在后面的章节中一步步拆解,手把手教大家实现。

人工智能AI技术 990

ios之MVVM架构:一个靠谱的MVVM架构Demo(git可下载)

之前介绍了MVP主要是通过协议,在P和V之间做操作今天说MVVMMVVM实际上说和MVP差不了太多,但是整体写下来代码量好像少了很多,主要是我用了RAC在ViewModel中通过RAC拿到请求来的数据,当然也可以在这里进行数据解析,得到的结果传给ViewController就可以了git地址:https://github.com/canwhite/QCMVVMTest...

当白的技术小窝 5221

河洛理数【陈抟】每月月卦推演每日运卦

Step2:每卦中的日爻遇到二十四节气中的当日为节(月初)或气(月中)的时候,所代表的日期需要变更。正常来说,屯卦分别代表初一到初六,但是由于当月初二时立秋节,所以初爻就不能作为初一、而是要作为立秋节开始时(文中还精算到了立秋是从初二的午时开始),如下。说的代表月运的基础卦上进行当月日卦的推演方式。老样子,我们还是按照书中举得例子卦在这边进行一步步的推演,最后做总结。Step1:从月卦爻下一爻开始,自下而上,进行五个爻的爻变,新推演的每个卦代表六天,如下。假设当月月卦是即济卦,月爻在二爻,如图所示(

Daniel专栏 766

ReactiveCocoa 和 MVVM 入门

翻译自ReactiveCocoa and MVVM, an Introduction. 文中引用的 Gist 可能无法显示。为了和谐社会, 请科学上网。 MVC 任何一个正经开发过一阵子软件的人都熟悉MVC,它意思是Model View Controller, 是一个在复杂应用设计中组织代码的公认模式. 它也被证实在 iOS 开发中有着第二种含义: Ma

江湖两把刀的技术博客 1842

刷机维修进阶教程-----adb禁用错了系统app导致无法开机 如何保数据无损恢复机型

在刷机维修过程中 。我们会遇到一些由于客户使用adb指令来禁用手机app而导致手机无法开机进入系统的故障机型。通常此类问题机型有好几种解决方法。但如果客户需要保数据来恢复机型。其实操作也是很简单的.还有类似误删除应用导致不开机等等如何保数据。  通过博文了解💝💝💝    1💝💝💝----adb禁用或者删除系统app导致无法开机的几种解决方法 2💝💝💝----如何保数据来无损恢复机型 3💝💝💝----其他保数据解决系统类故障无法开机的步骤解析

小马哥的专栏 1358

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

iOS MVVM架构的介绍(内含Demo)

iOS MVVM (Model-View-ViewModel): 1. Model层是少不了的了,我们得有东西充当DTO(数据传输对象) 2. ViewModel层,就是View和Model层的粘合剂,他是一个放置用户输入验证逻辑,视图显示逻辑,发起网络请求和其他各种 3.View层,就是ViewController层,他的任务就是从ViewModel层获取数据,然后显示

刘大大的博客 1万+

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

上一篇: 【PyTorch实战】——nn.Conv2d()参数调优与性能影响
下一篇: GD32F470 DSP库移植避坑指南:从CMSIS版本冲突到AC6工程配置
梦想总是可以实现的
博客等级 码龄6年 105粉丝 1480原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值