解决不能在Sublime Text3中使用input函数输入内容的问题


刚刚在上一篇博客中说Sublime Text3如何好用,结果编程中就发现了不能在它的控制台中输入内容给input函数。
要解决该问题,需要使用插件:SublimeREPL

下面是解决方法,分享出来供大家参考:
1. 安装插件ctrl+shift+p.在弹出窗口中输入REPL,按上下键找到插件,按回车开始安装,在最下端会显示
安装过程。
2. 使用插件

Tools->SublimeREPL->Python ->Python-RUN current file

就会重新打开一个标签页,该标签页就相当于控制台了,可以在里面输入内容,input函数会接收该内容,程序的输出结果也会显示在该标签页中。

每次这么操作不方便,为了编译方便可以自己定义快捷键。方法:

Preferences->Key Buildings

接着会 弹出两个窗口,一个default,另外一个是user,在user窗口中输入以下内容:

     { "keys": ["ctrl+b"], "caption": "SublimeREPL:Python",   
                      "command": "run_existing_window_command", "args":  
                      {  
                           "id": "repl_python_run",  
                           "file": "config/Python/Main.sublime-menu"  
                      }   
    },   //其中ctrl+b是我为了和编辑操作统一而定义的快捷键,用户可以自己决定使用哪种快捷键

这样使用ctrl+b编译代码时会自动弹出标签页,而且不需要在菜单进行繁杂的操作。


  • 12
    点赞
  • 48
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 15
    评论
好的,以下是搭建Hadoop单机版和使用MapReduce解决姓名分析问题的步骤: 1. 下载和安装Hadoop单机版 您可以从Hadoop官网下载Hadoop单机版,然后按照官方文档的指导进行安装。安装完成后,您需要配置Hadoop的环境变量。 2. 准备数据 您需要准备一个包含姓名数据的文本文件,每行一个姓名。您可以使用任何文本编辑器创建这个文件,例如Notepad或者Sublime Text。 3. 编写MapReduce程序 MapReduce程序的主要作用是对数据进行分析和处理。对于姓名分析问题,您可以编写一个MapReduce程序来计算每个姓名的出现次数,并按照出现次数从高到低排序输出结果。 以下是一个简单的MapReduce程序的示例代码: ```java import java.io.IOException; import java.util.StringTokenizer; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; public class NameCount { public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable>{ private final static IntWritable one = new IntWritable(1); private Text word = new Text(); public void map(Object key, Text value, Context context ) throws IOException, InterruptedException { StringTokenizer itr = new StringTokenizer(value.toString()); while (itr.hasMoreTokens()) { word.set(itr.nextToken()); context.write(word, one); } } } public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> { private IntWritable result = new IntWritable(); public void reduce(Text key, Iterable<IntWritable> values, Context context ) throws IOException, InterruptedException { int sum = 0; for (IntWritable val : values) { sum += val.get(); } result.set(sum); context.write(key, result); } } public static void main(String[] args) throws Exception { Configuration conf = new Configuration(); Job job = Job.getInstance(conf, "name count"); job.setJarByClass(NameCount.class); job.setMapperClass(TokenizerMapper.class); job.setCombinerClass(IntSumReducer.class); job.setReducerClass(IntSumReducer.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); FileInputFormat.addInputPath(job, new Path(args[0])); FileOutputFormat.setOutputPath(job, new Path(args[1])); System.exit(job.waitForCompletion(true) ? 0 : 1); } } ``` 在这个示例程序,TokenizerMapper类实现了Map函数,它将输入的文本数据切分成单个的姓名,并将每个姓名映射到一个计数器。IntSumReducer类实现了Reduce函数,它将相同姓名的计数器相加,最终输出每个姓名的总计数。 4. 运行MapReduce程序 在运行MapReduce程序之前,您需要将姓名数据文件上传到Hadoop的分布式文件系统(HDFS)。您可以使用以下命令将文件上传到HDFS: ``` hadoop fs -put /path/to/input/file /input ``` 其,/path/to/input/file是您本地计算机上的姓名数据文件路径,/input是HDFS输入目录。 然后,您可以使用以下命令运行MapReduce程序: ``` hadoop jar /path/to/jar/file NameCount /input /output ``` 其,/path/to/jar/file是您编译后的MapReduce程序的JAR文件路径,NameCount是程序的类名,/input输入目录,/output是输出目录。 5. 查看结果 运行MapReduce程序后,您可以使用以下命令从HDFS下载输出文件: ``` hadoop fs -get /output/part-r-00000 /path/to/output/file ``` 其,/output/part-r-00000是MapReduce程序输出的结果文件路径,/path/to/output/file是您本地计算机上的输出文件路径。 打开输出文件,您将看到每个姓名出现的次数,按照出现次数从高到低排序。 以上就是使用Hadoop单机版和MapReduce解决姓名分析问题的步骤。注意,这只是一个简单的示例程序,您可以根据您的具体需求编写更复杂的MapReduce程序。
评论 15
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

talk_8

真诚赞赏,手有余香

¥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