Markdown使用手册
目录
- Markdown使用手册
- 一、基础语法
- 1.1 书写各级标题
- 1.2 字体加粗/斜体
- 1.2.1 字体加粗
- 1.2.2 字体倾斜
- 1.3 线条使用
- 1.3.1 删除线
- 1.3.2 高亮线
- 1.3.3 下划线
- 二、插入工具
- 2.1 插入代码
- 2.1.1 插入某一行的代码
- 2.1.2 插入整块的代码
- 2.2 插入链接
- 2.3 插入数学公式
- 2.4 插入图片
- 三、绘制Gant图/流程图等
- 3.1 markdown绘制Gant甘特图
- 3.2 插入Mermaid流程图
- 3.3 插入Flowchart流程图
- 3.4 插入UML图
- 3.5 插入classDiagram类图
- 四、总结
一、基础语法
1.1 书写各级标题
markdown的标题设置,非常方便。开头用 # 具体标题内容
即可。
# 一级标题
## 二级标题
### 三级标题
......
###### 六级标题
1.2 字体加粗/斜体
1.2.1 字体加粗
字体加粗的快捷键是Ctrl/Command +B
,或者对需要加粗的字体用**
夹起来。
实例:
markdown
机器学习
Logistic回归
1.2.2 字体倾斜
字体加粗的快捷键是Ctrl/Command +I
,或者对需要加粗的字体用一个*
夹起来。
实例
makrdown
数据挖掘
深度学习
1.3 线条使用
1.3.1 删除线
~~删除线~~
实例
机器学习
1.3.2 高亮线
==高亮线==
实例
机器学习
1.3.3 下划线
Markdown 并无下划线的原生语法,因为会和链接的默认样式产生混淆。
解决方法是使用行内 HTML. 比如:
<u>Underlined Text</u>
实例
深度学习框架
二、插入工具
2.1 插入代码
插入代码分为两种,一种是插入某一行代码,还有一种是插入代码片段。
2.1.1 插入某一行的代码
语法指令:用两个`符号把需要插入的代码块给包夹起来。
实例: 插入数据分析的三个著名的包:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
2.1.2 插入整块的代码
语法指令:用```(即:三个`)把代码给包夹起来。
for i in range(10):
print(i)
if i == 5:
break
pass
2.2 插入链接
插入链接非常简单,语法就是[链接的内容](链接的网址)
,即[]+()
这是markdown的学习教程博客
这是Pytorch的官网
2.3 插入数学公式
数学公式比较多,遇到具体不会的可以去查表。
可以查询这个博客:markdown公式合集
通用的语法是:用$$
把需要编辑的公式给包夹起来。
s
i
n
2
x
+
c
o
s
2
x
=
1
sin^2x+cos^2x=1
sin2x+cos2x=1
在这里举几个比较常用的例子:
希腊字母,查表就行,
\+西文名称
。 比如: α \alpha α β \beta β σ \sigma σ…
上标:
^
,下标是_
。 比如: a 2 a^2 a2 和 γ 11 \gamma^{11} γ11
上下标混用: δ 1 2 \delta^2_1 δ12
如果上下标不止一个元素,可以用{}
给框起来。比如:
a
11
22
a_{11}^{22}
a1122
分式: s i g m o i d ( z ) = 1 1 + e − z sigmoid(z)=\frac{1}{1+e^{-z}} sigmoid(z)=1+e−z1
这些都没必要刻意去记,开始学的时候查表就OK,熟能生巧。
2.4 插入图片
有两种方式,首先第一种是获取图片的url地址,一般情况下都推荐这种,这种比较稳定,如果是用本地的图片,可能会发生内容丢失,导致不必要的差错。
语法格式:[外链图片转存中...(img-q67qyJ2p-1669959558580)]
三、绘制Gant图/流程图等
markdown的数学公式大全
3.1 markdown绘制Gant甘特图
CSDN参考文档
实例的参考链接
实例一:
实例二
3.2 插入Mermaid流程图
CSDN参考文档
3.3 插入Flowchart流程图
CSDN参考文档
3.4 插入UML图
参考文档
3.5 插入classDiagram类图
参考文档
四、总结
markdown不难,这是一个方便写作的工具。不需要去刻意的花时间去学习,需要用到什么去查什么。CSDN/知乎/博客园还有一些官方文档非常的优秀,只需要在别人写好的基础上去改就行,遇到不会的不要偷懒,去查询最后肯定能得到解决。
还有一点,大家在写博客的时候如果引用了别人的内容,需要做出引用说明,如果不引用,网站后台可能会认为是在剽窃内容,造成不便。
————————————————
版权声明:本文为CSDN博主「Bayesian小孙」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接: