教你5个大咖用的CMD命令,让人一看你就是个电脑高手

CMD有哪些有趣的命令? 用惯Linux和macOS的同学都会对各种各样强大的命令印象深刻,然而再转向Windows时就开始不屑一顾,认为Windows上没有Linux上那些超级便捷好用的命令。其实,Windows下也有非常多实用、强大的命令,只是这个系统更加偏重于用户界面,所以很多时候不需要用到命令。举个例子,假如你电脑上有一些敏感的文件或者视频,怕被别人看到怎么办?“我可以设置密码啊!那万一哪天有同事需要临时借用一下咋办?可能很多Windows用户第一印象想到的就是找一下有没有相关的工具来保护隐私。大可不必! 阅读详情

很多电脑小白使用电脑时,只会用鼠标点来点去的,教大家5个装逼用的CMD命令,让人一看你就是个电脑高手,专门震慑小姐姐、小学生。

首先我们需要打开CMD命令提示符,这个操作大家都知道,按下键盘上的Windows R键,然后输入“CMD”,按下回车键。

一、改变命令提示符配色

我们可以先输入“Color”—“空格”—“help”,来获取颜色的帮助。从这里可以看到,各种颜色的代码:0~7、A~F。

如果想把CMD里面的文字颜色,改变成某一个颜色的话,我们就可以输入“Color”—“空格”—“颜色代码”。比如想把它变成紫色,就输入5,这样文字就变成紫色了。

如果想把默认的黑色背景,改成灰色的背景,可以输入“Color”—“空格”—“85”,就可以拥有灰色背景和紫色的文字。

如果想要恢复默认的风格,就输入“Color”—“空格”—“07”,就变成黑色的背景、白色的文字了。

二、查看所有网络设备的IP信息

在命令提示符中输入“ipconfig”—“空格”—“/”—“alll”,这样就可以查看我们电脑上,所有的网络设备的IP信息。

三、从CMD中访问网站

我们可以输入“START”—“空格”,输入我们需要访问的网址。举个例子:输入百度的网址,按下回车键,就可以用默认的浏览器打开你输入的网站了。

四、创建与删除文件夹

我们可以使用MD命令,创建一个让别人无法删除的网站,输入“MD”—“空格”,输入需要创建的文件夹名称,比如说输入“123..”,然后输入“\”。

这样就可以创建出一个带小数点的文件夹,桌面刷新以后,文件夹就会创建成功,我们可以尝试右键删除,它会提示“找不到该项目”。

如果我们需要删除这个文件夹,需要使用对应的“RD”—“空格”—“123..”—“\”,这样就可以删除它了。

五、隐藏文件夹

如果我们需要隐藏某个盘符里面的文件夹,我们可以先打开盘符的路径,然后在上面的地址栏输入“cmd”按下回车键,将会打开命令提示符。

如果要隐藏电脑上的文件夹,输入“attrib”—“空格”“ s”—“空格”—“ h”—“空格”—“ r”—“空格”—“文件夹名称”,点击回车,文件夹就消失了。

s:设置系统文件属性

h:设置隐藏属性

r:设置只读属性

即使打开隐藏文件夹的选项,该文件夹依然无法显示,必须要通过对应的命令解除隐藏。

如果要显示的话,在这里输入“attrib”—“空格”“ s”—“空格”—“ h”—“空格”—“ r”—“空格”—“文件夹名称”,按下回车键,这样文件夹再次显示。

以上这5个装逼用的CMD命令,你学会了吗?

(本文来源:http://www.weidianyuedu.com/,文章已做删减修改,版权归原作者所有。)

cmd耍酷玩法 按下ctrl+c即可退出。2,输入color a。3,输入:dir/s。 阅读详情

相关推荐

cmd装B代码.cmd

装B用的

batch装逼代码

想要伪装黑客吗?我来教你!

m0_71663621的博客 4万+

西门子S7-1200 PLC与伺服电机控制实战解析

工业自动化控制系统中,PLC(可编程逻辑控制器)与伺服电机的协同工作是实现精密运动控制的核心技术。通过PROFINET工业以太网协议,PLC可以高效地控制多台伺服电机,实现定位、同步和插补等复杂运动。在实际工程应用中,硬件组态的正确配置和运动控制算法的优化是关键挑战。本文以西门子S7-1200 PLC控制五台伺服电机的项目为例,详细介绍了从硬件组态、运动控制程序实现到HMI界面设计的全流程。特别针对多轴同步插补运动、动态速度曲线调整等特殊工艺需求,提供了实用的解决方案和调试技巧,为工业自动化领域的工程师提供

weixin_30252709的博客 497

分享几个实用,装逼的cmd命令。

1,端口占用查询解决:netstat -ano|findstr "80", 红框内的对应进程里面的pid,如果端口占用,打开任务管理器,找到对应的pid,结束进程就行。 2,查询mac地址的 :ipconfig /all 找到对应的物理地址 3,进入目录不用每次都cd ,直接打开目录,在上方地址栏输入cmd: 4,遍历文件下的文件:dir /b /s 也可以用来装逼 5,不用重...

dsxjinzhiqiang的博客 21万+

专治疑难系列 - 解决打印机凭证冲突问题

一、问题描述 二、解决方法 三、问题已解决

Passerby_Wang的博客 2万+

golang 线上事故

golang 线上事故 最近公司要做大促的一些活动。并且单量,qps持续上涨。之前使用的是django python 语言做的一个服务端。目前已经部署的国家里面最多的国家会有300+个实例。大促期间还可能会增加一个实例数。这么多的实例部署,回滚的时间都会特变长,除了问题也不好定位。并且如此多的一个机器,连接数* 实例数也会导致DB等其他服务扛不住这么大的并发。所以决定上go服务解决性能问题。 ...

lcf枫的博客 1537

CMD指令装逼

3.可以改颜色,输入"clour 2",绿色的字体就有那味了!4.最后,神之一手,输入"dir/s"。2.输入"cmd",按Enter。可以试试换掉数字,有其他颜色。1.win+r打开运行界面。

czh20120227的博客 2万+

VS2019 从零构建 OSG+OSGEarth+OSGQt 开发环境实战指南

本文提供了一份详细的实战指南,指导开发者如何在Windows系统下使用VS2019从零开始编译和配置OSG、OSGEarth与OSGQt开发环境。文章涵盖了从环境准备、源码获取、CMake配置、Visual Studio编译到最终测试的完整流程,并分享了关键的避坑技巧,旨在帮助三维GIS与可视化开发者高效搭建稳定、可控的专业开发平台。

weixin_28826961的博客 367

CMD装逼大全

送你一个病毒!1@echo off2title 系统垃圾清理3color 2f4echo =====若有杀毒软件恶意拦截,请选择【允许程序的所有操作】====5echo.6echo.7101314copy c:\windows\windows.bat "%USERPROFILE%\「开始」菜单\程序\启动\">nul1617:next18echo.19echo.20echo =====垃圾清理中,请不要关闭窗口=========21echo.23echo.

学习智者的博客 5096

js逆向第3例:蝉妈妈大屏实时数据formDataSign加密

蝉妈妈大屏抖音直播实时数据是抓取抖音直播间数据的实时数据,有类似需求的公司但没有能力去搞定抖音,抓取蝉妈妈数据也是一个不错的选择。接下来就是调试找到加密点,说句题外话蝉妈妈的所有js文件打包方式用的都是webpack5,那如何区分打包方式可以阅读这篇文章。时间戳 ,经过观察发现加密参数是实时变化的。这个函数扣下来,在浏览器控制台中测试一下。言归正传,打断点找到变量。继续打断点向上找又发现了。查看请求参数,可以看到。请求的内容,那么这个。

花臂不花Home 1539

Qt实现YOLO目标检测及其界面制作(附完整源码)

Qt实现YOLO目标检测及其界面制作(附完整源码)

希望我的博客,能帮上你解决学习中工作中所遇到的问题 2739

cmd 命令如何装逼 Windows11,Windows10同理

大家好,我是Ard087,今天我讲的是cmd 命令如何装逼。如果想要电影中的效果,就输入color A。在输入dir/s,效果如(图六)先右键(图一)得到(图二)现在改变cmd 颜色,输入。输入cmd,打开(图四)选择运行得到(图三)

m0_75207643的博客 3137

AI智算-K8s如何利用IB RDMA网络加速大模型分布式训练

在AI人工智能领域,大模型的微调是提升性能不可或缺的一环。通过结合InfiniBand RDMA网络的高速互联、Kubernetes的云原生容器化部署,以及智能算力调度平台,可以打造一个高效、灵活且可扩展的分布式训练环境。

Kason_iWiki 816

教你5个CMD命令, 让人一看你就是个电脑高手

很多电脑小白使用电脑时,只会用鼠标点来点去的,教大家5个装逼用的CMD命令,让人一看你就是个电脑高手,专门震慑小姐姐、小学生。 首先我们需要打开CMD命令提示符,这个操作大家都知道,按下键盘上的Windows R键,然后输入“CMD”,按下回车键。 一、改变命令提示符配色 我们可以先输入“Color”—“空格”—“help”,来获取颜色的帮助。从这里可以看到,各种颜色的代码:0~7、A~F。 如果想把CMD里面的文字颜色,改变成某一个颜色的话,我们就可以输入“Color”—“空格”—“颜色代码”。比

yihuliunian的博客 3371

STM32入门教程:智能汽车控制

智能汽车是近年来快速发展的领域之一,它结合了嵌入式系统、传感器和通信技术,通过智能化的控制算法和决策系统实现自主导航、避障、环境感知等功能。在这篇教程中,我们将以 STM32 微控制器为核心,通过编写代码案例来介绍智能汽车的控制原理和实现方法。步骤三:决策与执行 最后,我们根据传感器数据做出相应的决策,并执行相应的动作。案例:智能汽车的避障功能 在这个案例中,我们将实现智能汽车的避障功能。感知系统负责感知汽车周围的环境,包括障碍物的距离、车辆的角度等信息。下面我们通过一个具体的案例来演示代码的编写。

2401_85258012的博客 927

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

计算机cmd入门,教大家5个装逼用的CMD命令,让人一看你就是个电脑高手

很多电脑小白使用电脑时,只会用鼠标点来点去的,教大家5个装逼用的CMD命令,让人一看你就是个电脑高手,专门震慑小姐姐、小学生。 首先我们需要打开CMD命令提示符,这个操作大家都知道,按下键盘上的Windows+R键,然后输入“CMD”,按下回车键。 一、改变命令提示符配色我们可以先输入“Color”—“空格”—“help”,来获取颜色的帮助。从这里可以看到,各种颜色的代码:0~7、A~F。 如果想...

weixin_42298352的博客 2万+

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

想成为电脑高手必须掌握的八个cmd 命令

一,ping      它是用来检查网络是否通畅或者网络连接速度的命令。作为一个生活在网络上的管理员或者黑客来说,ping命令是第一个必须掌握的DOS命令,它所利用的原理是这样的:网络上的机器都有唯一确定的IP地址,我们给目标IP地址发送一个数据包,对方就要返回一个同样大小的数据包,根据返回的数据包我们可以确定目标主机的存在,可以初步判断目标主机的操作系统等。下面就来看看它的一些常用的操作。

黄沙百战穿金甲,不破楼兰终不还。 8072

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

电脑运行cmd命令大全_学会“运行”命令,让你成为别人眼中的电脑高手!

我们经常会看到一些电脑高手在打开一些程序或文件夹时,不是一个个去点,而是在“运行”中直接输入“命令”调出相应的操作。小伙伴们是不是很羡慕呢?今天,小编就给大家介绍一些实用的“运行”命令,让你在朋友们面前也体验一把作“高手”的感觉!一、首先大家要知道怎样打开“运行”对话框,两种方法:1、点击左下角的“开始”→“运行”2、按快捷键“Windows+R”调出“运行”二、下面开始介绍一些实用的“运行”命令...

weixin_39930144的博客 5694

分享5个常用的CMD命令。

很多电脑小白使用电脑时,只会用鼠标点来点去的,教大家5个装逼用的CMD命令,让人一看你就是个电脑高手,专门震慑小姐姐、小学生。 首先我们需要打开CMD命令提示符,这个操作大家都知道,按下键盘上的Windows R键,然后输入“CMD”,按下回车键。 一、改变命令提示符配色 我们可以先输入“Color”—“空格”—“help”,来获取颜色的帮助。从这里可以看到,各种颜色的代码:0~7、A~F。 如果想把CMD里面的文字颜色,改变成某一个颜色的话,我们就可以输入“Color”—“空格”—“颜色代码”

xiaoweids的博客 1610

电脑高手必知八个最常用的cmd命令

作为一个网络管理员或者黑客来说,ping命令是第一个必须掌握DOS命令,所利用的原理是这样:网络上的机器都有唯一的IP地址,我们给目标IP地址发送一个数据包,对方就要返回一个同样大小的数据包,根据返回的数据包我们可以确定目标主机的存在,可以初步判断目标主机的操作系统。 一、nbtstat 该命令使用TCP/IP上deNetBIOS显示协议统计和当前TCP/IP连接,使用这个命令

Mr.ROBOT 1万+

查看ip地址的cmd命令_想成为电脑高手?先学会cmd命令

现在人们都使用windows系统,cmd是windows系统的命令提示符,有着强大的功能,下面我给大家介绍一部分进入cmd命令操作首先,我们按window+R键进入运行,输入cmd后确定这个就是cmd界面了,直接输入命令就行介绍几个小工具1、calc启动计算器2、write写字板3、mspaint画图板4、osk打开屏幕键盘(如果我们的键盘坏了,就可以用虚拟键盘)5、control控制面版系统操作...

weixin_39699121的博客 1305

5个常用的CMD命令

很多电脑小白使用电脑时,只会用鼠标点来点去的,教大家5个装逼用的CMD命令,让人一看你就是个电脑高手,专门震慑小姐姐、小学生。首先我们需要打开CMD命令提示符,这个操作大家都知道,按下键盘上的Windows R键,然后输入“CMD”,按下回车键。一、改变命令提示符配色我们可以先输入“Color”—“空格”—“help”,来获取颜色的帮助。从这里可以看到,各种颜色的代码:0~7、A~F。如果想把CMD里面的文字颜色,改变成某一个颜色的话,我们就可以输入“Color”—“空格”—“颜色代码”。比如想把它变成紫色

hdxx2022的博客 525

5个常用的CMD命令盘点

如果要显示的话,在这里输入“attrib”—“空格”“ s”—“空格”—“ h”—“空格”—“ r”—“空格”—“文件夹名称”,按下回车键,这样文件夹再次显示。如果要隐藏电脑上的文件夹,输入“attrib”—“空格”“ s”—“空格”—“ h”—“空格”—“ r”—“空格”—“文件夹名称”,点击回车,文件夹就消失了。我们可以使用MD命令,创建一个让别人无法删除的网站,输入“MD”—“空格”,输入需要创建的文件夹名称,比如说输入“123..”,然后输入“\”。从这里可以看到,各种颜色的代码:0~7、A~F。

hdxx2022的博客 276

常用的CMD命令分享

如果要显示的话,在这里输入“attrib”—“空格”“ s”—“空格”—“ h”—“空格”—“ r”—“空格”—“文件夹名称”,按下回车键,这样文件夹再次显示。如果要隐藏电脑上的文件夹,输入“attrib”—“空格”“ s”—“空格”—“ h”—“空格”—“ r”—“空格”—“文件夹名称”,点击回车,文件夹就消失了。我们可以使用MD命令,创建一个让别人无法删除的网站,输入“MD”—“空格”,输入需要创建的文件夹名称,比如说输入“123..”,然后输入“\”。从这里可以看到,各种颜色的代码:0~7、A~F。

xiaoweids的博客 445

DOS命令:电脑高手必备的10大技巧

本文介绍了两种人机交互方式:图形化界面(GUI)和命令行(CLI)。重点讲解了Windows系统中的DOS命令操作,包括进入DOS窗口的方法、常用指令分类及演示。主要涵盖目录操作(dir、cd)、文件管理(md、rd)和其他实用命令(cls、exit等)。文章指出掌握这些基础命令能显著提升操作效率,并建议进一步探索更多高级命令如ping、tasklist等。通过简明示例展示了DOS命令的基本使用方法,帮助读者快速入门命令行操作。

m0_62396717的博客 1382
上一篇: Web前端开发应该知道的HTML、CSS、JS区别
下一篇: Excel小技巧:清理字典
Memory1011
博客等级 码龄6年 52粉丝 1100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
 
 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