回车符、换行符和回车换行符

article/2025/9/21 4:41:28

  • 我的CSDN主页
  • My Python 学习个人备忘录
  • 我的HOT

自学并不是什么神秘的东西,一个人一辈子自学的时间总是比在学校学习的时间长,没有老师的时候总是比有老师的时候多。
            ——华罗庚

\r 、\n 和 \r\n


  1. 题目
  2. 代码运行效果
  3. 我的解题思路
  4. 转换器完整代码

## \\r、\\n 和 \\r\\n

  合理利用 \r 和\n 的特性,可以让您代码打印更“舒适”。
  举个粟子:用 \r 显示时间,比用 os.system(r’clear’) 清屏 + \n 打印,更省资源。

命令行窗口试炼代码( \r )

import time
>>> from python_color import color
>>> for i in range(100):
...  t = time.localtime()
...  print(f" 当前时间 {t[3]:2}:{t[4]:2}:{color(t[5], 'green'):2}", end = '\r')
...  time.sleep(1)

代码效果

在这里插入图片描述

命令行窗口试炼代码( \n )

>>> import time, os
>>> from python_color import color
>>> def timer(n):
...  time_title = '当前时间'
...  for i in range(n):
...   t = time.localtime()
...   s = str(t[5]).zfill(2)
...   time.sleep(1) 
...   l = os.system(r'clear') 
...   print(f"\n\n  {time_title} {t[3]:02}:{t[4]:02}:{color(s, 'green')}")
...
>>> timer(58)

代码效果

在这里插入图片描述


用代码,即可让不可以打印显示的ASCII控制码“现出真身”

文本 “分数.txt” 文件内容

在 Linux 用 cat 查看
~ $ cd /sdcard/qpython
/sdcard/qpython $ cat 分数.txt
吴冰杰: 0.0
刘星洪: 130.0
扬州路: 112.0
lisi: 98.0
刘一: 150.0
刘全: 149.0
/sdcard/qpython $

在命令行窗口打印 “分数.txt” 内容字符串

>>> s = []
>>> s.append(open('分数.txt').read())
>>> s
['吴冰杰: 0.0\n刘星洪: 130.0\n扬州路: 112.0\nlisi: 98.0\n刘一: 150.0\n刘全: 149.0\n']

>>> s0 = [
... '吴冰杰: 0.0\r刘星洪: 130.0\r\
... 扬州路: 112.0\rlisi: 98.0\r\
... 刘一: 150.0\r刘全: 149.0\r']
>>>
>>> s1 = [
... '吴冰杰: 0.0\n刘星洪: 130.0\n\
... 扬州路: 112.0\nlisi: 98.0\n\
... 刘一: 150.0\n刘全: 149.0\n']
>>>
>>> s2 = [
... '吴冰杰: 0.0\r\n刘星洪: 130.0\r\n\
... 扬州路: 112.0\r\nlisi: 98.0\r\n\
... 刘一: 150.0\r\n刘全: 149.0\r\n']

在这里插入图片描述

参考文章:

  • 【经验】 - \r,\n,\r\n的区别
  • \r,\n的理解
  • C++中endl、“\n”和‘\n’的区别
  • \r,\n,\r\n的区别:回车与换行

我的HOT博:

    • “快乐数”判断(1175阅读)
    • 罗马数字转换器(构造元素取模)(1876阅读)
    • 罗马数字(转换器|罗生成器)(2447阅读)
    • Hot:神奇代码让QQ群昵称色变(6232阅读)
    • 斐波那契数列(递归| for )(2310阅读)
    • 排序数组元素的重复起止(1206阅读)
    • 柱状图中最大矩形(1611阅读)
    • 电话拨号键盘字母组合(1234阅读)
    • 密码强度检测器(1680阅读)
    • 求列表平衡点(1711阅读)
    • 字符串统计(2547阅读)
    • Hot:尼姆游戏(聪明版首发)(3261阅读) 尼姆游戏(优化版)(836阅读)
    • 推荐条件 点阅破千

      Python 入门指南【Python 3.6.3】


      好文力荐:

      • 【8大编程语言的适用领域】先别着急选语言学编程,先看它们能干嘛
      • 靠谱程序员的好习惯

      回首页

      老齐漫画头像

      精品文章:

      • 好文力荐:《python 完全自学教程》书稿连载
      • OPP三大特性:封装中的property
      • 通过内置对象理解python'
      • 正则表达式
      • python中“*”的作用
      • Python 完全自学手册
      • 海象运算符
      • Python中的 `!=`与`is not`不同
      • 学习编程的正确方法

      来源:老齐教室


      CSDN实用技巧博文:

      • 8个好用到爆的Python实用技巧
      • python忽略警告


    http://chatgpt.dhexx.cn/article/XOEj9mG8.shtml

    相关文章

    回车符与换行符的区别

    引用了博客:https://blog.csdn.net/fanwenbo/article/details/54848429 这里是我自己做的实验,如下: printf("A is here!");printf("I am here!");putchar(\r);printf("First input!");putchar(\n);printf(&qu…

    “回车”、“换行”浅谈

    “回车”、“换行”浅谈 转义字符\r表示回车(carriage return)即回到行首,并没有包含换行的动作, \n表示换行(line feed)即移动到新的一行(下一行)。顺便提及,\b表示退格…

    回车与换行符的区别及python中使用

    一、区别 转载自http://www.pythontab.com/html/2017/linuxkaiyuan_0115/1116.html 1. 由来 在计算机还没有出现之前,有一种叫做电传打字机(Teletype Model 33)的机械打字机,每秒钟可以打10个字符。但是它有一个问题&#xff0c…

    回车和换行的区别

    回车和换行的区别 回车和换行的概念不同的系统间传递文件会涉及格式的转换Unix -> WindowsUnix <- Windows 回车和换行的概念 首先介绍一下“回车”&#xff08;carriage return,’\r’&#xff09;和“换行”&#xff08;line feed,’\n’&#xff09;这两个概念的来历…

    在数组中查找指定元素 (15分)

    int search( int list[], int n, int x ){int index -1;for(int i0;i<n;i){if(list[i] x){index i;break;}}return index; }

    [PTA]习题8-2 在数组中查找指定元素

    Spring-_-Bear 的 CSDN 博客导航 本题要求实现一个在数组中查找指定元素的简单函数。 函数接口定义&#xff1a; int search( int list[], int n, int x );其中 list[] 是用户传入的数组&#xff1b;n&#xff08;≥0&#xff09;是 list[] 中元素的个数&#xff1b;x 是待查…

    [PTA]实验8-1-5 在数组中查找指定元素

    Spring-_-Bear 的 CSDN 博客导航 本题要求实现一个在数组中查找指定元素的简单函数。 函数接口定义&#xff1a; int search( int list[], int n, int x );其中 list[] 是用户传入的数组&#xff1b;n&#xff08;≥ 0&#xff09;是 list[] 中元素的个数&#xff1b;x 是待…

    习题8-2 在数组中查找指定元素

    习题8-2 在数组中查找指定元素 (15 分) 本题要求实现一个在数组中查找指定元素的简单函数。 函数接口定义&#xff1a; int search( int list[], int n, int x );其中list[]是用户传入的数组&#xff1b;n&#xff08;≥0&#xff09;是list[]中元素的个数&#xff1b;x是待…

    C语言刷题系列——9.在数组中查找指定元素

    &#x1f6a9;实现一个在数组中查找指定元素的简单函数 &#x1f506;一) 题目要求&#x1f506;二) 题解 &#x1f506;一) 题目要求 函数接口定义&#xff1a;int search( int list[], int n, int x );其中list[]是用户传入的数组&#xff1b;n&#xff08;≥0&#xff09;是…

    逻辑回归L1和L2正则化

    正则化 正则化是用来防止模型过拟合的过程&#xff0c;常用的有L1正则化和L2正则化两种选项&#xff0c;分别通过在损失函数后加上参数向 量 的L1范式和L2范式的倍数来实现。这个增加的范式&#xff0c;被称为“正则项”&#xff0c;也被称为"惩罚项"。损失函数改变&…

    【机器学习】L1正则化和L2正则化

    L1正则化和L2正则化 在机器学习实践过程中&#xff0c;训练模型的时候往往会出现过拟合现象&#xff0c;为了减小或者避免在训练中出现过拟合现象&#xff0c;通常在原始的损失函数之后附加上正则项&#xff0c;通常使用的正则项有两种&#xff1a;L1正则化和L2正则化。L1正则…

    什么是L1和L2正则化,以及它们有什么区别

    一、L1和L2正则化是什么&#xff1f; 在防止过拟合的方法中有L1正则化和L2正则化&#xff0c;L1和L2是正则化项&#xff0c;又叫做惩罚项&#xff0c;是为了限制模型的参数&#xff0c;防止模型过拟合而加在损失函数后面的一项。 在二维的情况下&#xff0c;黄色的部分是L2和…

    L2正则化方法

    背景 在机器学习中&#xff0c;无论是分类还是回归&#xff0c;都可能存在由于特征过多而导致的过拟合问题。当然解决的办法有 &#xff08;1&#xff09;减少特征&#xff0c;留取最重要的特征。 &#xff08;2&#xff09;惩罚不重要的特征的权重&#xff0c;即降低不重要…

    对L1正则化和L2正则化的理解

    一、 奥卡姆剃刀(Occams razor)原理&#xff1a; 在所有可能选择的模型中&#xff0c;我们应选择能够很好的解释数据&#xff0c;并且十分简单的模型。从贝叶斯的角度来看&#xff0c;正则项对应于模型的先验概率。可以假设复杂模型有较小的先验概率&#xff0c;简单模型有较大…

    L1、L2正则化的原理及适用场景

    1. L1正则化&#xff0c;也称Lasso回归 1.1 含义 权值向量 中各元素的绝对值之和&#xff0c;一般记作 。 1.2 公式表示 添加了L1正则化的损失函数一般可表示为&#xff1a; 1.3 作用 L1正则常被用来解决过拟合问题&#xff1b; L1正则化容易产生稀疏权值矩阵&#x…

    机器学习中L1正则化和L2正则化

    深度学习中的归一化(normalization)和正则化(regularization)_qq_26697045的博客-CSDN博客_权重归一化 1.L1和L2的区别 在机器学习中&#xff1a; - L1 regularization 是指向量中各个元素绝对值之和&#xff0c;通常表述为,线性回归中使用L1正则的模型也叫Lasso regularizati…

    每天五分钟机器学习:L1正则化和L2正则化有什么区别?

    本文重点 正则化包含L1正则化和L2正则化,本文将介绍一下这两个正则化有什么不同? 正则化 L1正则化 L1正则化目的是减少参数的绝对值总和,定义为: L2正则化 L2正则化的目的是减少参数平方的总和,定义为: 二者的区别? 1、L1正则化会使得某一维的权重为0,产生稀疏权…

    L1、L2正则化总结

    为什么不用L0范数而用L1范数? L0范数是向量中非0元素的个数&#xff0c;若使用L0范数来规则化一个参数矩阵&#xff0c;就是希望其稀疏&#xff0c;大部分元素都是0。但L0范数难以优化求解&#xff0c;L1范数是L0范数的最优凸近似&#xff0c;且比L0范数更易优化求解。 L1和…

    L1正则化 L2正则化的Python 实现

    上一篇文档 https://blog.csdn.net/xingzhe2001/article/details/86316712 介绍了L1 L2正则化 本文介绍L1, L2 正则化的实现 L1正则化 代码 def L1Norm(l, theta):return np.dot(np.abs(theta), np.ones(theta.size)) * ldef L1NormPartial(l, theta):return np.sign(theta…

    一文了解L1正则化与L2正则化

    正则化的目的&#xff1f; 欠拟合从字面意思来看就是欠缺拟合程度&#xff0c;这一般在复杂度很低的模型中出现。从数学上来看&#xff0c;一元一次函数为一条直线、一元二次函数为一个曲线&#xff0c;以此类推。那么参数越多&#xff0c;其越能拟合更复杂的特征&#xff0c;…