MarkDown学习笔记 直观全面详细-1.4 引用

时间:2024-01-22 13:05:47

Markdown 中引用通过符号> 来实现,引用的块内,允许换行存在,换行并不会终止引用的区块。如果要结束引用,需要一行空白行,来结束引用的区块。

代码 效果
> 引用的块 > 引用的块

|
| > 引用的块
引用的块的第二行 | > 引用的块

引用的块的第二行

|

1.5 链接

MarkDown中插入链接的使用方式是:[链接名称](链接地址)

  • [链接名称] 既链接地址显示的名称
  • (链接地址) 既链接要连接到的地方
    | 代码 | 效果 |
    | — | — |
    | [小k的博客](https://blog.csdn.net/zkl519) | 小k的博客 |

1.6 图片

MarkDown中插入图片的使用方式是:![图片描述](图片地址)

  • ! 叹号必须有!

  • [图片描述] 中括号必须有,图片描述可以不写,不写描述默认显示图片地址

  • (图片地址) 这个必须有,要不然显示什么,地址可以是绝对地址也可以是相对地址。
    | 代码 | 效果 |
    | — | — |
    | ![小k的公众号:可以关注一下](https://img-blog.csdnimg.cn/direct/eadc9b7884954823bcd14a4b4c75d97f.png) | 小k的公众号:可以关注一下 |

  • 快捷键 :Ctrl+v

修改图片位置:

#pic_left :居左
#pic_right :居右
#pic_center :居中

修改图片大小 必须是x不能是* !

空格 = 长x宽

![图片描述](图片地址#pic_center空格=长x宽)
比如我此文章的图片:
![小k的公众号:可以关注一下](https://img-blog.csdnimg.cn/direct/eadc9b7884954823bcd14a4b4c75d97f.png#pic_center =40x60)

1.7列表

列表分为有序列表和无序报表

  • 无序列表,使用*,+,-,再加一个空格作为列表的标记
  • 有序列表,使用数字并加上.号,再加上一个空格作为列表的标记
    代码
    | 代码 | 效果 |
    | — | — |
    | * 无序列表 1 |
  • 无序列表1
    |
    | + 无序列表 2 |
  • 无序列表2
    |
    | - 无序列表 3 |
  • 无序列表 3
    |
    | 1. 有序列表 1 |
  1. 有序列表 1
    |
    | 2. 有序列表 2 |
  2. 有序列表 2
    |
    | 3. 有序列表 3 |
  3. 有序列表 3
    |

如果想要控制列表的层级,则需要在列表符号前使用tab

+ 无序列表 1
	+无序列表 1.1
  	+无序列表 1.1.1
  • 无序列表1
    • 无序列表1.1
      • 无序列表1.1.1

1.8分割线

可以使用分割线使文章结构更加清晰,在markdown中,可以在一行中用三个- or * 来建立一个分割线,但是要注意的是:在分割线的上面空一行。

代码 效果
---

|
|

***
|

|

3.9删除线

删除线的使用,可以在要添加删除线的文字前后添加两个~

代码 效果
~~测试删除线~~ 测试删除线

3.10下划线

下划线的语法与HTML中类似,在需要添加下划线的文字首尾添加<u>下划线</u>

代码 效果
<u>测试下划线</u> 测试下划线

3.11 代码块

Markdown中代码块有两种:行内代码、代码块

  • 行内代码:用包围,如 行内代码效果 行内代码`
  • 代码块:用```包围 如
```markdown
import pandas as pd
import statsmodels.api as sm
import matplotlib.pyplot as plt

datas = pd.read_excel(r'C:\Users\Desktop\data1.xlsx') # 读取 excel 数据,引号里面是 excel 文件的位置
y = datas.iloc[:, 0] # 因变量为第 1列数据
x = datas.iloc[:, 1] # 自变量为第 2 列数据
x = sm.add_constant(x) # 若模型中有截距,必须有这一步
model = sm.OLS(y, x, hasconst=1 ) # 构建最小二乘模型并拟合
results = model.fit()
print(results.summary()) # 输出回归结果
 
 
```python
import pandas as pd
import statsmodels.api as sm
import matplotlib.pyplot as plt

datas = pd.read_excel(r'C:\Users\Desktop\data1.xlsx') # 读取 excel 数据,引号里面是 excel 文件的位置
y = datas.iloc[:, 0] # 因变量为第 1列数据
x = datas.iloc[:, 1] # 自变量为第 2 列数据
x = sm.add_constant(x) # 若模型中有截距,必须有这一步
model = sm.OLS(y, x, hasconst=1 ) # 构建最小二乘模型并拟合
results = model.fit()
print(results.summary()) # 输出回归结果

3.12表格

表格使用|来分割不同的单元格,使用-来分隔表头和其他行

  • :-:将表头及单元格内容左对齐
  • -::将表头及单元格内容右对齐
  • :-::将表头及单元格内容居中
| 姓名      | 科目    |  成绩   |
| --------  | -----: | :----:  |
| 小K     	| JAVA   |   100   |

姓名 科目 成绩
小K JAVA 100

3.13 脚注

脚注用来对文内专有名词、内容、背景等作解释或者评议。在Markdown中,可以通过[^脚注内容]。

Markdown是一种轻量级标记语言[^1],排版语法简洁,
让人们更多地关注内容本身而非排版[^2]。它使用易读易写的纯文本格式编写文档,
可与HTML混编[^测试],可导出 HTML、PDF 以及本身的 .md 格式的文件。因简洁、高效、易读、易写,
Markdown被大量使用,如Github、Wikipedia、简书等。

使Markdown是一种轻量级标记语言1,排版语法简洁,
让人们更多地关注内容本身而非排版2。它使用易读易写的纯文本格式编写文档,
可与HTML混编测试,可导出 HTML、PDF 以及本身的 .md 格式的文件。因简洁、高效、易读、易写,
Markdown被大量使用,如Github、Wikipedia、简书等。

3.14 特殊符号 转义符号

对于Markdown中的语法符号,前面添加反斜线\即可以显示符号本身。

\\
\_
\*
\.
\+
\~
\#
等...