Markdown语法使用总结

  只记录我写博客时用到的语法,至于那些高级的语法可以点这儿Cmd Markdown。本博客支持本文中指出的markdown语法。

常用语法:

  1. 六级标题,以#号的个数代替。
  2. 段落前面加1.(数字、点、空格)表示有序列表,加* + -表示无序列表。列表可嵌套,上一级和下一级之间敲四个空格即可。
  3. 段落前面加一个>(大于号)表示引用,加多个可以嵌套。
  4. 用一个*号包围的文本显示为斜体,两个*号包围的文本显示为粗体,三个*号包围的文本显示为斜体加粗,两个~号包围的文本显示为删除(似乎是模板js不支持,只能用html<del> 删除 </del>代替了)。
  5. 两个`(半角间隔号)包围的文本为行内代码,三个`包围的文本为代码段。
  6. 三个-(减号)或三个*号会替换成一条如下的分隔线:
  7. 图片的引用格式:![图片alt](图片地址 ''图片title''),但这样好像没法设置大小对齐,可以html代替。
    <div align="center">
        <img src="url"  width = "300" height = "120" alt="图片alt" title="图片title" />
    </div>
    
  8. 超链接引用格式:[超链接名](超链接地址 "超链接title"),title可加可不加。但这种方式的超链接默认在本页面打开,想在新页面可用这种格式替换<a href="超链接地址" target="_blank">超链接名</a>
  9. 补充:普通文本需要换行的先按两个空格再回车;
      缩进可用:

【1】&ensp;或&#8194; //半角
【2】&emsp;或&#8195; //全角
【3】&nbsp;或&#160;

测试下效果:

  • 列表嵌套
    1. 嵌套两行有序列表。
    2. 嵌套两行有序列表。
      • 再嵌套两行无序列表。
      • 再嵌套两行无序列表。
  • 引用嵌套

这是直接引用

嵌套引用

  • 字体
    斜体,对比,加粗斜体加粗 删除
  • 分割线


  • 图片
    • markdown引入图片
      图片测试
    • html引入图片
测试图片
* 链接

我是内链 我是外链

写这篇文章时发现一个Bug,markdown渲染时不支持将代码段嵌套,即上面的引入图片的那段html代码,不能嵌在次级列表下,而直接加入肯定就导致8.超链接引用那段重新编号。还有在特殊格式后要打上空行才能另起一行,例如本段与上面的链接中间就要用一个单独的空行。

内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制定、渠道选择与效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点与适用场景,并深度融合“传声港”AI驱动的新媒体平台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化与品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点定制的媒体组合策略,强调本土化传播与政府关系协同的重要性,助力企业实现品牌声量与实际转化的双重增长。; 适合人群:企业市场部负责人、品牌方管理者、公关传播从业者及从事数字营销的相关人员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制定媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)开展高效传播;④提升品牌权威性、区域渗透力与危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”与“预算分配建议”进行策略匹配,同时重视AI工具在投放、监测与优化中的实际应用,定期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略开发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算与处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、时序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型开发模板,大幅简化模型构建与训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
评论 2
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