OS X的文本编辑快捷键

(转自http://www.ib66.net.cn/bbs/view/id-39


1. 以下几个快捷键是“系统级别”的通用快捷键

Command + A: 全选
Command + C: 复制
Command + V: 粘贴
Command + X: 剪切
Command + Z: 撤销
Shift + Command + Z: 撤销刚才的“撤销”动作2

2. 在文本输入区域,移动光标的方法:

Up/Down/Left/Right: 向(上/下/左/右)移动光标(一个字符/一行)
Option + Left/Right: 将光标移动至一个词(之前/之后)(处理中文时不能识别“词”,与Left/Right没区别)
Commandmand + Left/Right: 将光标移动至行首/行末
Option + Up/Down: 将光标移动至本段开头/末尾
Command + Up/Down: 将光标移动至文档开头/末尾

3. 选中文字的方法

在开头处点击一下,而后按着Shift键在结尾处点击一下;
在开头处点击两下,而后拖动指针至结尾处,点击一下;
按下Shift键之后按上下左右键(还可以搭配Option或者Command使用)
Double Click: 双击,选中光标所在的词;
Triple Click: 连击三下,选中光标所在的那个段落(这个很重要)

4. 刪除文字

Delete: 刪除光标之前的一个字符
Fn + Delete: 删除光标后的一个字符
Option + Delete: 删除光标前的一个词
Fn + Option + Delete: 删除光标后的一个词

以下三个快捷键非常有用:

Command + Delete: 删除光标至行首的内容
Control + K: 删除光标至本段末的内容
Control + Y: 将刚刚用Control + KCommand + Delete删除的内容粘贴至光标所在之处

还有个很有趣且有用的快捷键,Control + T: 将光标所在前后的两个字幕调换位置。不过,FIT中文输入法把这个键设置成了“简繁体输入切换”,所以在中文输入发激活的状态下,这个快捷键无法使用。

5. 英文拼写工具

Shift + Command + ; 调出拼写检查对话框。


F5 补全当前单词。在TextEdit程序中,也可以用ESC查看拼写建议。(光标所在位置应该是英文字母之后)


6. 富文本编辑

纯文本文件(txt)是没有格式的,但是富文本(rtf等等)是有各种格式的,设置格式的快捷键也基本上是通用的:

Command + B: 加重
Command + I: 倾斜
Command + U: 下划线

Command + +: 增大字体尺寸
Command + -: 缩小字体尺寸

Command + {: 靠左
Command + }: 靠右
Command + |: 居中

Control + Command + U: 将选中文字转换为大写格式(Upper case)
Control + Command + L: 将选中文字转换为小写格式(Lower case)
Control + Command + C: 将选中文字首字母转换为大写格式(Capitalize)

Command + K: 插入超链接

Shift + Option + Command + V: 以光标所在的格式粘贴

7. 文档内搜索

Command + F: 搜索
Command + G: 搜索下一处
Shift + Command + G: 搜索上一处


8. 输入特殊字符

Option以及Shift + Option这个功能键与其它单键组合,可以输入各种特殊字符3 :


按下Shift + Option之后的键表



转载于:https://www.cnblogs.com/allanliu/p/4833377.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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
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