Notable —— Markdown 笔记工具

Notable是一款支持GitHub-Flavored Markdown语法的笔记软件,具备暗黑模式及美观的界面。其核心特点包括采用标签而非文件夹进行组织,支持无限嵌套的标签,以及纯Markdown编辑模式。本文详细介绍了Notable的功能特性。

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

王轩Bryan

2019 年 08 月 25 日

Markdown 笔记软件其实有不少,例如 Bear、Ulysses、MWeb 等,另外印象笔记中国版也支持了 Markdown,而且「下一代笔记软件」Notion 也是兼容主流 Markdown 语法的。

虽然这么多的笔记软件,但是 Notable 的作者却表示无法满足他。

Notable 与其他笔记软件对比 Notable 与其他笔记软件对比


Notable 与其他笔记软件对比

他希望他的笔记软件可以支持 GitHub-Flavored Markdown、不要使用所见即所得(WYSIWYG)、源文件不要使用私有的格式、支持无限嵌套的标签(tag),并可以从 Evernote 导入(因为作者之前在用 Evernote……)之前的笔记。

这是作者的需求,同时也是 Notable 的核心功能点。

先看看颜值

Notable 着实有着漂亮的界面,并且支持 Dark Mode。

Notable 采用了经典的三栏式结构,左栏展示了「全部笔记」与所有的标签,中栏展示了全部笔记或相应的标签中包含的笔记列表,而右栏则就是主要的编辑与预览区,可以切换编辑/预览模式、设定标签、置顶等。

标签无限嵌套

是该用「文件夹」还是「标签」是笔记圈的一个经久不衰的话题。文件夹的优点在于可以层层嵌套而标签的优点是可以以多维度进行分类。

毫无疑问,Notable 的开发者是「标签」主义者,但是 Notable 的标签做的极为机智。

Notable 将文件夹看做了特殊的标签。例如这篇文章,它在两个标签里「Notebooks/Tutorial」与「Test/01/02/03/04」中,观察侧边栏,Notable 将「Tutorial」置顶展示,而自定义的「Test/01/02/03/04」则隶属于 Tags 下并分级展示。

这个巧妙的设计一下子使得它满足了对于分类的所有要求 —— 可以用文件夹、可以用标签、可以在多个文件夹里、可以设定多个标签,标签支持嵌套也很好的展示了他们的层级关系。

并非所见即所得(WYSIWYG)

Markdown 是一个易读的语言,你可以阅读它的「源文件」就能获知它的主要表达含义。

然而,以 Typora 为首的软件则更喜爱所见即所得(WYSIWYG, What You See Is What You Get),你可以直接输入 Markdown, Typora 会将你的输入自动转换为它所对应的富文本形式。

Notable 的编辑区 Notable 的编辑区


Notable 的编辑区

Typora 的编辑区 Typora 的编辑区


Typora 的编辑区

我个人和 Notable 作者其实是一样的态度 —— 所见即所得对于 Markdown 是弊大于利的。本身 Markdown 的易读性就已经很好了,如果将之转化为富文本对于阅读的体验提升不大,而且在长篇文章中很容易混淆标题等级,另外就是所见即所得会显著影响编辑效率、可能导致复制粘贴的 Markdown 无法被正确处理。

版本控制与同步

Notable 不支持版本控制和云同步。对于一般的笔记软件这点可能是致命的,但是对于 Notable 这件事的影响其实比较小。

Notable 没有私有格式,你的所有笔记都是老老实实用 .md 文件存储在你的数据文件夹的(首次打开 Notable 会要求你选择),所以你备份只需要备份整个文件夹、版本控制也是同理。

我个人推荐使用 Git 进行版本管理并且直接上传到 Github。Git 是目前最流行的版本管理工具,利用 Git 进行笔记的版本管理可以让你对于你的笔记版本进行深度控制并且你随时可以会退到任何版本,这在一定程度上甚至优于其他笔记软件自带的版本控制。另外使用 Git 进行版本管理还有一个隐性好处是你可以配置 MarkdownLint 的 git hook 使你的笔记文件可读性更好。

不支持同步的另一个缺点则是无法很便捷的在手机上进行笔记的查看与编辑。于我而言这点其实并不致命。我过去数年在手机上编辑笔记的次数可谓屈指可数,在手机上我大都是临时性的查看笔记,如果是写我会选择更快速的 Drafts。而真的需要查看或者进行编辑,Github 网页版是足够的 —— 得益于 Notable 的「没有私有格式」,可以很方便的利用 Github 进行笔记的查看与修改。

开源

开源必须作为一个优点,因为这不但意味着它免费、更意味着你可以完全放心的去使用 —— 它不可能如一些商业软件一样关闭然后让你限期迁出数据,它可能停止更新,但你永远可以使用已有功能,如果你有能力你也可以自己去维护、自己去增加想要的功能。

总结

Notable 拥有着高颜值(Windows 平台的朋友们有福了…)和强大的分类系统,如果你想要尝试一个笔记软件,那么 Notable 绝对是你正确的选择。

Gaussian-SLAM(尺度因子SLAM,Scale-Invariant SLAM)是一种基于概率图模型的SLAM( simultaneous localization and mapping)算法,它通常用于处理视觉传感器的数据。这种算法利用高斯分布来建模地图和机器人状态,因此对尺度变化有较好的鲁棒性。 复现Gaussian-SLAM代码的过程一般包括以下几个步骤: 1. **环境理解**:收集数据,如摄像头图像,通过特征检测和描述符提取(如SIFT、SURF等)获取关键点和它们的位置估计。 2. **初始化**:设置先验地图,通常是空的,以及机器人初始位姿的猜测。 3. **循环更新**: - **局部匹配**:将新来的图像与前一帧或地图的关键点进行匹配,计算对应关系。 - **位姿估计**:根据匹配结果,使用优化技术(比如粒子滤波器或后向信息传播)估计当前相机姿态。 - **地图更新**:融合新的观测和估计的姿态,更新地图中的关键点位置。 4. **全局优化**:定期运行全局优化,例如束搜索或Levenberg-Marquardt优化,以解决局部最小的问题,并进一步精确定位和地图结构。 5. **代码实现**:可以选择使用Python(如PCL库)、C++(如ORB-SLAM)或ROS等框架编写代码,同时依赖相关的数学库如Eigen、g2o等。 要复现这个算法,你需要熟悉SLAM原理,了解相关的数学知识(如概率论、线性代数),并且有一定的编程基础。如果你需要更具体的指导,可以查阅相关论文、开源项目文档或者在线教程。
评论 1
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