19、PowerShell 脚本的文化感知、用户交互与错误管理

PowerShell 脚本的文化感知、用户交互与错误管理

文化感知脚本编写

PowerShell 虽全面支持 Unicode,但 powershell.exe 命令行主机受 Windows 控制台系统限制,无法正确输出某些字符,而图形化 PowerShell 主机不受此限。在处理用户输入时,若使用 PowerShell 标准功能,无需担心其复杂性;若要处理输入中的单个字符或单词,则需特别注意。可借助 System.Globalization.StringInfo 类以文化感知方式处理,更多信息可参考 相关链接 。为确保脚本在用户输入方面具有文化感知性,应尽可能使用 PowerShell 的字符串操作支持。

大小写规则

脚本中常需将用户输入与预定义文本进行比较,且通常希望比较不区分大小写。常见做法是将用户输入转换为大写或小写,如:

## $text comes from the user, and contains the value "quit"
if($text.ToUpper() -eq "QUIT") { ... }

然而,在不同文化环境中,显式更改字符串大小写可能会失败,因为不同文化有不同的大小写和比较规则。例如,土耳其语中字母 “I” 有带点和不带点两种,小写 “i” 的大写形式对应带点的 “I”,这会导致上述字符串比较

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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