Quill Delta Parser 使用指南

Quill Delta Parser 使用指南

quill-delta-parserA PHP library to parse and render Quill WYSIWYG Deltas into HTML - Flexibel and extendible for custom elements.项目地址:https://gitcode.com/gh_mirrors/qu/quill-delta-parser

欢迎来到 Quill Delta Parser 的详细教程。本指南将引导您了解此开源项目的核心要素,包括目录结构、关键的启动文件以及配置文件的简介。Quill Delta Parser 是一个专为解析和渲染 Quill 富文本编辑器产生的 Delta 格式而设计的 PHP 库,它灵活且可扩展,便于处理自定义元素。

1. 项目目录结构及介绍

.
├── composer.json              # Composer 配置文件,用于管理依赖关系
├── src                        # 源代码目录
│   ├── Lexer.php               # 解析器主要类,负责将 Quill 的 Delta 格式转换为HTML
│   └── ...                     # 其他相关源代码文件和类
├── tests                      # 测试代码存放目录
│   └── ...                     # 包含单元测试等
├── README.md                  # 项目说明文件,包含了安装、基本使用方法和贡献者指导
├── LICENSE                    # 许可证文件,MIT 协议
└── ...
  • composer.json 文件是 PHP 项目中用来定义依赖库和版本控制的关键文件。
  • src 目录下存放着核心的解析逻辑,其中 Lexer.php 是核心组件,处理 Delta 到 HTML 的转换。
  • tests 目录则包含了一系列测试用例,确保代码质量。
  • README.md 提供了快速入门和项目概述。

2. 项目的启动文件介绍

虽然这个项目本身不提供传统意义上的“启动文件”,其主要通过 Composer 自动加载机制来使用。一旦在你的项目中通过 Composer 引入了 nadar/quill-delta-parser,你可以在需要解析 Delta 格式的地方直接引入并使用。以下是一个简单的示例,展示如何开始使用它:

// 在你的应用中,首先需要通过 Composer 加载自动加载文件
require_once __DIR__ . '/vendor/autoload.php';

use Nadar\QuillDeltaParser\Lexer;

// 然后创建 Lexer 对象,并传入 Quill 的 Delta 数据(可以是 PHP 数组或 JSON 字符串形式)
$deltaData = '[{"insert":"Hello World"},{"attributes":{"bold":true},"insert":" 注意这是粗体 "}]';
$lexer = new Lexer($deltaData);
$htmlOutput = $lexer->parse(); // 转换为 HTML

3. 项目的配置文件介绍

直接参与配置的文件主要是 composer.json,这里用于指定项目的依赖和其他元数据,而不是传统的运行时配置文件。对于更具体的解析规则或行为调整,通常是在使用库时通过传递参数或定制解析逻辑来实现,而不是通过独立的配置文件进行。例如,如果你需要自定义某些标签的处理方式,这可能涉及到对 Lexer 类的继承或特定方法的覆盖,而非修改配置文件。

以上就是关于 Quill Delta Parser 开源项目的简要介绍,包括其目录结构、启动使用的概念和所谓的“配置”方面的基本信息。在实际集成到项目中时,请参考 README.md 文件中的具体指引以获得完整的使用细节和最佳实践。

quill-delta-parserA PHP library to parse and render Quill WYSIWYG Deltas into HTML - Flexibel and extendible for custom elements.项目地址:https://gitcode.com/gh_mirrors/qu/quill-delta-parser

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
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

打赏作者

咎旗盼Jewel

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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