Windows下pry安装和配置

本文详细介绍了pry的安装过程,并针对Windows环境进行了配置指导,包括自动缩进和颜色功能的开启,以及如何在pry中查看帮助、安装pry-doc,最后提供了颜色配置代码以解决在Windows上显示的视觉问题。

Windowspry安装和配置

 

pry是一个增强型的交互式命令行工具,比irb强大。

有自动完成功能,自动缩进,有颜色。有更强大的调试功能。

 

pry 安装很简单

在终端输入:

gem install pry

然后就会自动到网上下载安装了。

 

设置

windowspry默认没有打开自动缩进和颜色功能。

需要配置一下。

pry配置

放在个人目录下的pryrc文件里(文件路径: %USERPROFILE%\ .pryrc)

配置文件默认不存在,需要新建一个,在里面输入

 

#这是pry的配置文件,pry运行前会读取此文件的配置,

#此文件需要在用户目录下

#更多配置:

https://github.com/pry/pry/wiki/Customization-and-configuration

Pry.config.color=true

Pry.config.auto_indent=true

Pry.config.correct_indent = true

#更改一些关键字的颜色,先获取CodeRay模块中的terminal.rb的关键词和颜色map

#然后修改相关关键字的颜色,

#如果使用了pry-theme,那么这样修改没用了,需要修改pry-theme的配置文件:~\.pry\themes\XX

if !(PryTheme::VERSION rescue nil)

# 如果没有安装pry-theme

#p “not install pry-theme”

#CodeRay.scan(“example”, :ruby).term

# just to load necessary files

my_token_colors = nil

if (CodeRay::Encoders::Terminal::TOKEN_COLORS rescue nil)

# CodeRay 1.0.0

my_token_colors = CodeRay::Encoders::Terminal::TOKEN_COLORS

else

# CodeRay 0.9

begin

require ‘coderay/encoders/term’

my_token_colors = CodeRay::Encoders::Term::TOKEN_COLORS

rescue => e

end

end

if my_token_colors

my_token_colors[:definition] = “1;30″

my_token_colors[:string][:modifier] = “1;30″

my_token_colors[:string][:delimiter] = “1;30″

my_token_colors[:symbol] = “1;30″

#p CodeRay::Encoders::Term::TOKEN_COLORS

end

end

配置内容有一段修改关键字颜色的代码,这是因为在windows上那些亮绿颜色显示错误,导致看不到内容,所以我加了代码修改了一下,将亮绿(bright_green)颜色修改成了其他颜色。

现在在终端运行pry,里面输出的东西就有颜色了。

关于自动完成如何使用等请参考前面一篇文章Windowsruby安装和irbri设置

 

另外如果需要在pry中查看帮助,那么需要安装pry-doc

在终端运行:gem install pry-doc

然后在pry中,比如输入

? String#strip

就是查看string类的strip

 

 

 

 

 

 

转载于:https://www.cnblogs.com/lizunicon/p/4948129.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化并行计算等改进策略。; 适合人群:具备一定Python编程基础优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
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