为什么我们要学习Markdown
呢?因为Markdown
简单易学易上手,可以以纯文本格式编写文档,然后转换成有效的HTML文档,并且以导出 HTML 、Word、图像、PDF、Epub 等多种格式的文档,许多网站平台的文章、博客、论文均可用Markdown编写文章。
使用#号标记,可以表示1-6级标题, 随#的个数递增,一级标题字号最大,六级标题字号最小。
代码如下:
代码 | 效果 |
---|---|
# 一级标题 |
# 一级标题 |
##二级标题 |
## 二级标题 |
### 三级标题 |
### 三级标题 |
#### 四级标题 |
#### 四级标题 |
星号*
或下划线_
都可以,单是斜体,双是粗体,三是粗斜体
代码 | 效果 |
---|---|
*这是斜体* |
这是斜体 |
_这是斜体_ |
这是斜体 |
**这是粗体** |
这是粗体 |
__这是粗体__ |
这是粗体 |
***这是粗斜体*** |
这是粗斜体 |
___这是粗斜体___ |
这是粗斜体 |
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
|
MarkDown中插入链接的使用方式是:[链接名称](链接地址)
[小k的博客](https://blog.csdn.net/zkl519)
| 小k的博客 |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)
| |
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)
列表分为有序列表和无序报表
* 无序列表 1
|+ 无序列表 2
|- 无序列表 3
|1. 有序列表 1
|2. 有序列表 2
|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
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 |
---|---|
--- |
---|
|
|
***
|
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~~ |
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下划线
代码 | 效果 |
---|---|
测试下划线 |
测试下划线 |
Markdown中代码块有两种:行内代码、代码块
包围,如
行内代码效果
行内代码````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
表格使用|来分割不同的单元格,使用-来分隔表头和其他行
| 姓名 | 科目 | 成绩 |
| -------- | -----: | :----: |
| 小K | JAVA | 100 |
姓名 | 科目 | 成绩 |
---|---|---|
小K | JAVA | 100 |
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。
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...