the compact org-mode guide 第二章

本文深入探讨了Org模式的文档结构组织、标题定义、可见循环、移动、结构编辑、稀疏树、朴素列表及脚注等功能,旨在为用户提供全面的编辑体验与高效的工作流程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

第二章

1 文档结构

Org基于大纲模式,并且提供了灵活的命令去编辑文档结构。

1.1 大纲

Org是在大纲模式上实现的。大纲模式以一种层次化的结构组织文档,至少对我来说,是相当好的笔记和思想的表达方式。通过文档的折叠(隐藏)大部分的内容,显示主干结构展现文档结构全貌,Org通过一个命令进行显示和隐藏,org-cycle它绑定到了TAB键。

1.2 标题

标题定义了大纲树的结构。在Org中,标题开始于一个或者多个星号,举例:

* Top level headline
 ** Second level
 *** 3rd level
 some text
 *** 3rd level
 more text
* Another top level headline

有的人发现太多的星号太复杂了,他们更愿意使用一个星号后面接许多的空白字符来实现这样的效果,15.2节描述了如何实现这样的效果。

1.3 可见循环

大纲可以隐藏buffer内的部分文本。Org使用两个命令,分别绑定到TAB和S-TAB键。

TAB
子树循环:以下列状态旋转当前子树
    ,-> FOLDED -> CHILDREN -> SUBTREE --.
    '-----------------------------------'

当使用C-u TAB或者shift键时,全局的循环会被触发

S-TAB and C-u TAB
全局循环:以下列状态旋转整个buffer
    ,-> OVERVIEW -> CONTENTS -> SHOW ALL --.
    '--------------------------------------'
C-u C-u C-u TAB
全部显示,包括图。

当Emacs第一次查看Org文件,全局的状态会被设置为 OVERVIEW ,即只有顶层的标题能被看到。这个效果可以通过配置变量org-startup-folded实现,或者在文件添加启动关键字:overview,content,showall。

例如:

#+STARTUP: content

1.4 移动

下面的命令可以再当前buffer中跳转到别的标题

C-c C-n 下一个标题
C-c C-p 上一个标题
C-c C-f 相同级别的下一个标题
C-c C-b 相同级别的上一个标题
C-c C-u 向上一级的标题

1.5 结构编辑

M-RET 添加一个当前级别的标题,如果光标在一个简单地列表项上,那么一个新的项会被创建。当这个命令被在一行的中间使用,那么这行会被分割,剩下的那一部分会称为新的标题。
M-S-RET 在当前标题中插入一个新的TODO入口
TAB 在一个新的,空的入口处。
    在一个没有文本的新的入口处,TAB会循环合理的级别(我没搞懂。。。。。。)In a new entry with no text yet, TAB will cycle through reasonable levels.
M-left/right 升/降一级当前的标题级别
M-S-left/right 升/降一级当前的子树
M-S-up/down 向上/下移动当前的子树
C-c C-w 移动到别的地方(我没搞懂。。。。。。)Refile entry or region to a different location.
C-x n s/w (只看当前子树,别的都去掉)/(还原)

当有一个活动region时,区域内的所有标题都会执行升级/降级

1.6 稀疏树

在org模式中,可以根据在大纲树中选择的信息创建稀疏树,整个文档被尽可能的折叠,但是选择的信息会根据标题结构显示q

org模式包括好几个命令创建这样的一棵树,所有的命令都通过下面的这个分配器产生:

C-c / 询问下一个键去选择创建一个稀疏树的命令
C-c / r 询问一个正则表达书,并显示一棵稀疏树,包括所有的匹配项,所有的匹配项也被高亮,高亮可以被C-c C-c取消。

其他的稀疏树命令——选择TODO关键字,tags,或者内容都会在后面讨论。

1.7 朴素列表

手写格式的列表可以提供额外的结构,甚至能够创建复选框。Org支持编辑列表,和HTML导出粘贴。

org知道有序列表,无序列表和描述列表

  • 无序列表开始于'-','+',或者'*'
  • 有序列表开始于'1.'或者'1)'.
  • 描述列表使用'::'分割描述项和描述内容.

属于同一个列表的列表项必须有着首行一样的缩进,一个项终止于下一行是bullet/number。一个列表终止于两个空行。举例:

** Lord of the Rings My favorite scenes are (in this order)

  1. The attack of the Rohirrim
  2. Eowyn's fight with the witch king
    • this was already my favorite scene in the book
    • I really like Miranda Otto.

Important actors in this film are:

Elijah Wood
He plays Frodo
Sean Austin
He plays Sam, Frodo's friend.

(下面使用这种方式描述快捷键):

TAB
像标题可以被折叠
M-RET
在当前级别插入一个项
M-S-RET
插入一个复选框项
M-S-up/down
移动这个项上下(连带着此项的下级)
M-left/M-right
减少/增加此项的缩进,让孩子不动
M-S-left/right
减少/增加慈祥的缩进,包括子项
C-c C-c
如果这是一个复选框,改变这个复选框的状态,刷新整个buffer
C-c -
整体改变整个列表的枚举符号或者数字符号('-','+','*','1.','1)')

1.8 脚注

举例:

The Org homepage1 now looks a lot better than it used to. …

下面的命令处理脚注:

C-c C-x f
脚注动作命令,当光标在一个脚注引用上市,跳转到定义。当在定义上时,跳转到第一个引用上。否则,创建一个新的脚注,当这个命令有前缀参数时,一个额外的重计数菜单选项会被给出。
C-c C-c
在定义和引用之间跳转

Footnotes:

1 The link is:http://orgmode.org

Date: 2014-06-13T23:09+0800

Author: kirchhoff

Org version 7.9.3f withEmacs version 24

Validate XHTML 1.0
标题基于SpringBoot+Vue的学生交流互助平台研究AI更换标题第1章引言介绍学生交流互助平台的研究背景、意义、现状、方法与创新点。1.1研究背景与意义分析学生交流互助平台在当前教育环境下的需求及其重要性。1.2国内外研究现状综述国内外在学生交流互助平台方面的研究进展与实践应用。1.3研究方法与创新点概述本研究采用的方法论、技术路线及预期的创新成果。第2章相关理论阐述SpringBoot与Vue框架的理论基础及在学生交流互助平台中的应用。2.1SpringBoot框架概述介绍SpringBoot框架的核心思想、特点及优势。2.2Vue框架概述阐述Vue框架的基本原理、组件化开发思想及与前端的交互机制。2.3SpringBoot与Vue的整合应用探讨SpringBoot与Vue在学生交流互助平台中的整合方式及优势。第3章平台需求分析深入分析学生交流互助平台的功能需求、非功能需求及用户体验要求。3.1功能需求分析详细阐述平台的各项功能需求,如用户管理、信息交流、互助学习等。3.2非功能需求分析对平台的性能、安全性、可扩展性等非功能需求进行分析。3.3用户体验要求从用户角度出发,提出平台在易用性、美观性等方面的要求。第4章平台设计与实现具体描述学生交流互助平台的架构设计、功能实现及前后端交互细节。4.1平台架构设计给出平台的整体架构设计,包括前后端分离、微服务架构等思想的应用。4.2功能模块实现详细阐述各个功能模块的实现过程,如用户登录注册、信息发布与查看、在线交流等。4.3前后端交互细节介绍前后端数据交互的方式、接口设计及数据传输过程中的安全问题。第5章平台测试与优化对平台进行全面的测试,发现并解决潜在问题,同时进行优化以提高性能。5.1测试环境与方案介绍测试环境的搭建及所采用的测试方案,包括单元测试、集成测试等。5.2测试结果分析对测试结果进行详细分析,找出问题的根源并
内容概要:本文详细介绍了一个基于灰狼优化算法(GWO)优化的卷积双向长短期记忆神经网络(CNN-BiLSTM)融合注意力机制的多变量多步时间序列预测项目。该项目旨在解决传统时序预测方法难以捕捉非线性、复杂时序依赖关系的问题,通过融合CNN的空间特征提取、BiLSTM的时序建模能力及注意力机制的动态权重调节能力,实现对多变量多步时间序列的精准预测。项目不仅涵盖了数据预处理、模型构建与训练、性能评估,还包括了GUI界面的设计与实现。此外,文章还讨论了模型的部署、应用领域及其未来改进方向。 适合人群:具备一定编程基础,特别是对深度学习、时间序列预测及优化算法有一定了解的研发人员和数据科学家。 使用场景及目标:①用于智能电网负荷预测、金融市场多资产价格预测、环境气象多参数预报、智能制造设备状态监测与预测维护、交通流量预测与智慧交通管理、医疗健康多指标预测等领域;②提升多变量多步时间序列预测精度,优化资源调度和风险管控;③实现自动化超参数优化,降低人工调参成本,提高模型训练效率;④增强模型对复杂时序数据特征的学习能力,促进智能决策支持应用。 阅读建议:此资源不仅提供了详细的代码实现和模型架构解析,还深入探讨了模型优化和实际应用中的挑战与解决方案。因此,在学习过程中,建议结合理论与实践,逐步理解各个模块的功能和实现细节,并尝试在自己的项目中应用这些技术和方法。同时,注意数据预处理的重要性,合理设置模型参数与网络结构,控制多步预测误差传播,防范过拟合,规划计算资源与训练时间,关注模型的可解释性和透明度,以及持续更新与迭代模型,以适应数据分布的变化。
评论 3
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