rst markdown_r语言markdown导出

rst markdown_r语言markdown导出markdown文件转RST文件时遇到的一些问题最近需要把一些markdown文件转成RST文件,第一次接触RST文件,使用中会有一些语法问题需要注意。在这里做个记录。转化工具我们可以先采用工具对整体做个初步的转换。因为转换工具不能做到完美转换,在初步转换完成后再根据实际的显示情况进行下一步的调整。这里推荐一个网站:MD在线转换成RST如果不注册的话,每天最多可以转化10个文件。后续调整转换后的大体格式是正确的,包括不同级别的标题,一些加粗斜体显示等,但是很多细节还是要自己调整的。1.网页链


Jetbrains全系列IDE稳定放心使用

markdown 文件转RST文件时遇到的一些问题

最近需要把一些markdown文件转成RST文件,第一次接触RST文件,使用中会有一些语法问题需要注意。在这里做个记录。

转化工具

我们可以先采用工具对整体做个初步的转换。因为转换工具不能做到完美转换,在初步转换完成后再根据实际的显示情况进行下一步的调整。这里推荐一个网站:MD在线转换成RST 如果不注册的话,每天最多可以转化10个文件。

后续调整

转换后的大体格式是正确的,包括不同级别的标题,一些加粗斜体显示等,但是很多细节还是要自己调整的。

1.网页链接
RST中的网页链接写法是 ` XXX(链接描述) <网页> ` _

2.插入图片
RST中插入图片的语法为
… figure:: 图片地址
:aligh: center(如果要居中的话)

3.跳转到其他RST文档
如果要设置成文档超链接,像点击后可以跳转到其他RST文档:
:doc: `文档名 <地址>`

  1. 内部超链接
    如果要链接到内部的文档位置,直接用 ` 标题名 ` _ 就可以跳转到文中不同级别的标题处。

网上关于RST的具体语法也有很详细的文档。

https://3vshej.cn/rstSyntax/alink.html#id2
https://zh-sphinx-doc.readthedocs.io/en/latest/rest.html

其他注意事项

  • RST的表格一定要对齐,不然没办法编译成功。英文表格比较容易对齐,但是如果表格中有中文,中英文混合时会出现你看着对齐但其实没有对齐的情况。如果你是Linux系统,可以用系统自带的VIM,把表格复制进去,就可以看的很清楚哪里有没有对齐。如果没有vim,可以用等宽字体,这个我看网上有人用过,我还目前还没用过,
  • RST对空格很敏感,很多格式就是因为空格引起,报错时可以重点留意下(这点和python太像了)
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/187329.html原文链接:https://javaforall.net

赞 (0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • Java实现BASE64编解码

    Java实现BASE64编解码

    2021年12月4日
  • 常用的表单元素有哪些_h5新增的表单元素属性

    常用的表单元素有哪些_h5新增的表单元素属性这里是修真院前端小课堂,每篇分享文从【背景介绍】【知识剖析】【常见问题】【解决方案】【编码实战】【扩展思考】【更多讨论】【参考文献】八个方面深度解析前端知识/技能,本篇分享的是:【常见的表单元素有哪些?各有什么属性?】大家好,我是IT修真院北京分院第23期学员。今天小课堂的主要内容是,input表单的应用,还有在html5中新增的属性。表单元素是允许用户在表单中(比如:文…

    2022年10月23日
  • 颜色校准调整伽马_色彩gamma什么意思

    颜色校准调整伽马_色彩gamma什么意思目录1、色彩矫正(CCM)2、伽马校正(Gamma)1、色彩矫正(CCM)色彩校正(ColorCorrection)是指用相同的方法改变图像中的所有像素的颜色值,以得到不同得显示效果。图像采集系统在获得数字图像时,由于一起或环境光照或人为因素的影响,采集的图像往往与原始图像有很大差别。颜色校正可以在一定程度上减少这种差别。利用RGB颜色模型可以方便地调整图像的RGB分量值,这对校正偏色很有用。色彩校正的基本原理如下:其中,Mij…

    2022年9月16日
  • kfold交叉验证_SPSS交叉验证法

    kfold交叉验证_SPSS交叉验证法一、前言在机器学习建模过程中,通行的做法是将数据分为训练集和测试集。测试集是与训练独立的数据,完全不参与训练,用于最终模型的评估。在训练过程中,经常会出现过拟合的问题,就是模型可以很好的匹配训练数据,却不能很好在预测训练集外的数据。如果此时就使用测试数据来调整模型参数,就相当于在训练时已知部分测试数据的信息,会影响最终评估结果的准确性。通常的做法是在训练数据再中分出一部分做为验证(Validation)数据,用来评估模型的训练效果。验证数据取自训练数据,但不参与训练,这样可以相对客观的评估模型对于训

    2022年9月20日
  • 多模块springboot项目 报出缺包

    多模块springboot项目 报出缺包

    2020年11月9日
  • jQuery -&gt; bind / live / delegate 终结者 – on

    jQuery -&gt; bind / live / delegate 终结者 – on

    2022年1月3日

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号