小程序源代码 古诗词

article/2025/9/15 11:28:27

小程序源代码 古诗词

1.代码地址

https://gitee.com/tonygeli/open_gushici

2.小程序预览

3.部分截图

4.项目结构

.
├── README.md
├── project.config.json                              // 项目配置文件
├── cloudfunctions | 云环境                           // 存放云函数的目录
│   ├── login                                        // 用户登录云函数
│   │   ├── index.js
│   │   └── package.json
│   └── collection_get                               // 数据库查询云函数
│   │   ├── index.js
│   │   └── package.json
│   └── collection_update                               // 数据库更新云函数
│       ├── index.js
│       └── package.json
└── miniprogram├── images                                        // 存放小程序图片├── lib                                           // 配置文件├── pages                                         // 小程序各种页面|   ├── index                                     // 首页|   └── menu                                      // 分类页|   └── user                                      // 用户中心|   └── search                                    // 搜索页|   └── list                                      // 列表页 搜索结果页|   └── detail                                    // 详情页|   └── collection                                // 收藏页|   └── find                                      // 发现页|   └── author                                    // 作者页|   └── ...                                       // 其他├── style                                         // 样式文件目录├── app.js                                        // 小程序入口文件├── app.json                                      // 全局配置└── app.wxss                                      // 全局样式

往云数据库中批量导入 json 数据失败

原因:请看文档:https://developers.weixin.qq.com/miniprogram/dev/wxcloud/guide/database/import.html

解决:去掉json数据 `{}`之间的逗号, 如果最外层为 `[]`,也必须去掉, 最终形如:

 

```
{"index": "作者_1","type": "作者","poet": "李白","abstract": "李白(701年-762年),字太白,号青莲居士,唐朝浪漫主义诗人,被后人誉为“诗仙”..."
}
{"index": "作者_2","type": "作者","poet": "白居易","abstract": "白居易(772年-846年),字乐天,号香山居士..."
}

7.数据格式

诗词数据实例

[{"title": "长相思·惜梅", "notes": [], "author": "刘克庄", "paragraphs": ["寒相催。暖相催。催了开时催谢时。丁宁花放迟。", "角声吹。笛声吹。吹了南枝吹北枝。明朝成雪飞。"], "dynasty": "宋代"}, {"title": "浪淘沙·莫上玉楼看", "notes": [], "author": "韩疁", "paragraphs": ["莫上玉楼看。花雨斑斑。四垂罗幕护朝寒。燕子不知人去也,飞认阑干。", "回首几关山。后会应难。相逢祗有梦魂间,可奈梦随春漏短,不到江南。"], "dynasty": "宋代"}
]

作者数据实例

[{"_id": "ad206831600bfc3501e905f854960b3c","name": "李白","desc": "李白(701年-762年),字太白,号青莲居士,唐朝浪漫主义诗人,被后人誉为“诗仙”..."},{"_id": "ad206831600bfc3501e905f854960b3c","name": "白居易","desc": "白居易(772年-846年),字乐天,号香山居士..."}
]

 


http://chatgpt.dhexx.cn/article/ikn3GGoG.shtml

相关文章

概率论基础学习

文章目录 随机试验样本空间事件间关系古典概型条件概率贝叶斯公式总结:概率的基本公式事件的独立性独立重复试验 期望,方差,协方差,协方差矩阵期望方差协方差相关系数 随机变量概率分布离散型随机变量分布0-1分布二项分布泊松分布…

概率论基础 —— 9. 协方差

这是一个非常重要的知识,我这倒不是说考试会如何关照这个知识点。而是说如果你想进一步深入数据科学的领域,就会在很多论文、模型里发现大量用于评判模型和分析样本关联度特征时,会经常用到协方差的概念。这也是为什么我在上一章节里提到协方…

模式识别学习笔记(1)概率论基础知识

大学的时候,我的《概率论和数理统计》这门课一共挂过3次,而且我记得最后一次考过的时候刚刚及格,只有60分。你可以想象我的《概率论》这门课学的是有多差了。后来,我工作以后,在学习数据分析技能时,又重新把…

概率论基础__排列与组合

在古典概型中, 计算事件的概率经常用到排列组合及其总数计算公式, 在此给出排列组合的定义及其相关公式。 一. 两个基本原理 1. 乘法原理 如果某件事需经 k 步才以完成, 做第一步有 m₁种方法, 做第二步有 m₂ 种方法&#xff0…

概率论基础知识各种分布

离散分布:伯努力分布,二项分布,possion分布 一,伯努力分布 #执硬币 x_arrnp.array([0,1]) #x为1的概率 p0.7 #0 1分布 #由PMF生成对应的概率 离散事件 pr_arrstats.bernoulli.pmf(x_arr,p) plt.plot(x_arr,pr_arr,markero,lines…

机器学习——概率论基础

公式一:设A,B 是两个事件,且A不是不可能事件,则称 为在事件A发生的条件下,事件B发生的条件概率。一般地, ,且它满足以下三条件: (1)非负性;&#…

机器学习基础:概率论基础

机器学习基础:概率论基础 机器学习基础:随机变量及其概率分布 机器学习基础:大数定律与中心极限定理 机器学习必备基础知识,力求以最简洁的语言,描述最完整的内容。 很多知识没有深入剖析,也没必要深入剖析…

Ross《概率论基础教程》—Note 1

第一章——组合分析 1. 很多概率论中的问题只要通过计算某个事件发生的结果的数目就能解决,关于计数的数学理论就是组合分析(Combinatorial Analysis)。 2. 计数的基本法则:假设一共有r个实验,实验i有个结果&#xf…

概率论基础知识汇总

文章目录 矩:原始矩,中心矩协方差和相关系数大数定律 矩:原始矩,中心矩 存在意义: 在数学和统计学中,矩(moment)是对变量分布和形态特点的一组度量。 原点矩和中心距的定义 直接…

概率论的基础概念(1)

重点讲述: 首先,最重要的前提: (1)随机试验(大量(无穷次)重复试验)是概率论的基础!!! (2)随机变量是不确定的&…

概率论基础

概率论基础 1. 随机事件 1.1. 概念 1.1.1. 随机现象 在一定的条件下,并不总是出现相同的结果的现象称为随机现象,如抛一枚硬币与掷一颗骰子。随机现象有两个特点: 结果不止一个;哪一个结果出现,人们事先不知道。 …

概率论基础知识(一)概率论基本概念

概率论 0. 前言 本文主要旨在对概率论的基础概念与知识进行概要的总结,以便于使用到时可以参考。 概率论是数理统计的基础,也是很多机器学习模型的支撑,概率论在机器学习中占主要地位,因为概率论为机器学习算法的正确性提供了理…

SSD算法理解(2)

作者:叶 虎 编辑:祝鑫泉 前言 目标检测近年来已经取得了很重要的进展,主流的算法主要分为两个类型:(1)two-stage方法,如R-CNN系算法,其主要思路是先通过启发式方法(selec…

SSD算法详解default box

本文提出的SSD算法是一种直接预测目标类别和bounding box的多目标检测算法。 与faster rcnn相比,该算法没有生成 proposal 的过程,这就极大提高了检测速度。针对不同大小的目标检测,传统的做法是先将图像转换成不同大小(图像金字塔…

【个人整理】一文看尽目标检测算法SSD的核心架构与设计思想

前言:SSD(Single Shot MultiBox Detector)是大神Wei Liu在 ECCV 2016上发表的一种的目标检测算法。对于输入图像大小300x300的版本在VOC2007数据集上达到了72.1%mAP的准确率并且检测速度达到了惊人的58FPS( Faster RCNN&#xff1…

目标检测:SSD算法原理综述

SSD(Single Shot Detection)是一个流行且强大的目标检测网络,网络结构包含了基础网络(Base Network),辅助卷积层(Auxiliary Convolutions)和预测卷积层(Predicton Convol…

SSD算法阅读记录

SSD: Single Shot MultiBox Detector 一、网络结构二、模型设计1、多尺度特征映射2、使用卷积进行检测3、使用default boxes 三、模型训练1、匹配策略2、损失函数3、default boxes的确定4、难分样本挖掘 四、参考链接 一、网络结构 SSD网络是在VGG16的基础上修改得到的&#xf…

2.1 SSD算法理论

前言 随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。来源于哔哩哔哩博主“霹雳吧啦Wz”,博主学习作为笔记记录,欢迎大家一起讨论学习交流。 一…

SSD检测算法理解

SSD检测算法理解 简介1 SSD模型2 SSD算法的核心设计思想3 多尺度特征图检测思想4 单尺度特征图检测4.1 先验框的设置4.2 先验框的比例和宽高比4.3 Loss计算 5 性能评估 简介 在作者的原论文中提到,SSD算法要比当时优秀的Faster RCNN算法和YOLO算法识别效果更好&…

SSD算法通俗详解

算法简介 算法原理 样本构造 损失函数 使用细节 # ssd算法: ##简介 刘伟在2016年提出,发表在ECCV;是一种通过直接回归的方式去获取目标类别和位置的one-stage算法,不需要proposal;作用在卷积网络的输出特征图上进行预…