、在exl中编辑好你想要的表格形式，复制有内容的表格到dw右侧，如图：

2、将途中宽度去除，选中一个宽度，按Ctrl+F,点击“替换全部”。如图：

3、途中选中部分换成表格的表头代码：

表头代码：<table align="center" border="1" cellpadding="0" cellspacing="1" class="biaoge" style="text-align:center" width="100%">

<tbody>

4、将表格标题中的td和/td改成th和/th。如图：

5、选中右侧表格中有链接的表格，选择上方窗口中的属性面板，在html状态下，目标选择”_blank”。

6、左侧代码就是汇总表格的代码，复制到后台内容页的源码状态下即可。

ypora 是一款支持实时预览的 Markdown 文本编辑器。它有 OS X、Windows、Linux 三个平台的版本，目前完全免费。

https://typora.io/#

Markdown是一种轻量级标记语言，创始人为约翰·格鲁伯（英语：John Gruber）。 它允许人们使用易读易写的纯文本格式编写文档，然后转换成有效的XHTML（或者HTML）文档。这种语言吸收了很多在电子邮件中已有的纯文本标记的特性。

由于Markdown的轻量化、易读易写特性，并且对于图片，图表、数学式都有支持，目前许多网站都广泛使用Markdown来撰写帮助文档或是用于论坛上发表消息。 如GitHub、Reddit、Diaspora、Stack Exchange、OpenStreetMap 、SourceForge、简书等，甚至还能被使用来撰写电子书。

在使用Dreamweaver编写网页时，遇到需要插入代码块、流程图、数学公式时，总是显得很无力，效率很低，效果不好，使用Typora会让这些问题迎刃而解，且轻便，简单。

直接看一个demo：

导出为html:

html网页源代码：

其可以导出的格式有：

流程图样式包括：

1、标准流程图源码格式（横向）：

```flow
st=>start: 开始框
op=>operation: 处理框
cond=>condition: 判断框(是或否?)
sub1=>subroutine: 子流程
io=>inputoutput: 输入输出框
e=>end: 结束框
st(right)->op(right)->cond
cond(yes)->io(bottom)->e
cond(no)->sub1(right)->op
```

2 mermaid语言库绘流程图

Mermaid 是一个用于画流程图、状态图、时序图、甘特图的库，使用 JS 进行本地渲染，广泛集成于许多 Markdown 编辑器中。

Mermaid 作为一个使用 JS 渲染的库，生成的不是一个“图片”，而是一段 HTML 代码，因此安全许多。

官网：https://mermaidjs.github.io/
Github 项目地址：https://github.com/knsv/mermaid

2.1 横向流程图源码格式：

graph LR
A[方形] -->B(圆角)
    B --> C{条件a}
    C -->|a=1| D[结果1]
    C -->|a=2| E[结果2]

2.2 竖向流程图源码格式：

sequenceDiagram
Title: 标题：复杂使用
对象A->对象B: 对象B你好吗?（请求）
Note right of 对象B: 对象B的描述
Note left of 对象A: 对象A的描述(提示)
对象B-->对象A: 我很好(响应)
对象B->小三: 你好吗
小三-->>对象A: 对象B找我了
对象A->对象B: 你真的好吗？
Note over 小三,对象B: 我们是朋友
participant C
Note right of C: 没人陪我玩

2.3 时序图源码复杂样例

        gantt
        dateFormat  YYYY-MM-DD
        title 软件开发甘特图
        section 设计
        需求                      :done,    des1, 2014-01-06,2014-01-08
        原型                      :active,  des2, 2014-01-09, 3d
        UI设计                     :         des3, after des2, 5d
    未来任务                     :         des4, after des3, 5d
        section 开发
        学习准备理解需求                      :crit, done, 2014-01-06,24h
        设计框架                             :crit, done, after des2, 2d
        开发                                 :crit, active, 3d
        未来任务                              :crit, 5d
        耍                                   :2d
        section 测试
        功能测试                              :active, a1, after des3, 3d
        压力测试                               :after a1  , 20h
        测试报告                               : 48h

2.4 甘特图样例：

        gantt
        dateFormat  YYYY-MM-DD
        title 软件开发甘特图
        section 设计
        需求                      :done,    des1, 2014-01-06,2014-01-08
        原型                      :active,  des2, 2014-01-09, 3d
        UI设计                     :         des3, after des2, 5d
    未来任务                     :         des4, after des3, 5d
        section 开发
        学习准备理解需求                      :crit, done, 2014-01-06,24h
        设计框架                             :crit, done, after des2, 2d
        开发                                 :crit, active, 3d
        未来任务                              :crit, 5d
        耍                                   :2d
        section 测试
        功能测试                              :active, a1, after des3, 3d
        压力测试                               :after a1  , 20h
        测试报告                               : 48h

教程：

Markdown 高级技巧 | 菜鸟教程（使用 Typora 编辑器讲解 Markdown 的语法）

https://www.runoob.com/markdown/md-advance.html

ref

1 Typora 完全使用详解

https://sspai.com/post/54912/

2 用什么软件画流程图好？-悟空问答

https://www.wukong.com/question/6809962012198568195/

3 Mermaid 实用教程

https://blog.csdn.net/fenghuizhidao/article/details/79440583

－End－

磊 发自 凹非寺
量子位 报道 | 公众号 QbitAI

“无所不能”的GPT-3，现在又来解放程序员们的双手了。

像这样，只需用简单的英文问下GPT-3“上个月注册了多少个用户”。

GPT-3便会迅速作答，给出对应的SQL语句：

SELECT COUNT(*) FROM users
WHERE signup_time > now() - interval ‘1 month’

更神奇的是，GPT-3是在不知道“数据库模式”的情况下，默认存在“users”这个表；以及在用户注册过程中，存在“signup_time”这样的字段。

相当的智能了！

就连开发者本人都连连惊叹道：妙啊！

更复杂的SQL语句，GPT-3 hold得住吗？

当然，刚才提到的提到的例子，只是非常简单的提问。

那当GPT-3面对更加复杂的SQL查询时，还能如此智能吗？

为此，作者给它“投喂”了更多的上下文，以及与“数据库模式”相关的信息：

输入一个问题，GPT-3需要回答正确的PostgreSQL。

数据库包含2个表，分别是“users”和“charges”。

“users”表包含的字段有：id (integer), signup_dt (timestamp), email (character varying)和 plan_type (character varying)。

“charges”表包含的字段有：amount (bigint), user_id (integer), 以及charge_dt (timestamp)。

OK，信息“投喂”完毕，现在来看下GPT-3的表现。

输入：

how much revenue did we have in the past 7 days?

GPT-3：

SELECT SUM(amount) FROM charges WHERE chargedt > now() - interval ‘7 days’

不难看出，GPT-3正确地推断出了”amount”=“revenue”，并且知道为了回答问题，要用SUM()来汇总过去7天的费用。

看来GPT-3已经掌握了基本的SQL语法。

但作者也表示，GPT-3有的时候喜欢自己“发明”一些字段，所以现在就用“例子引发”的方式，让它变得更加智能。

先让GPT-3做些简单的例子实验，例如让它从“users”和“charges”2个表中，提取所有可用的字段。

基于这样的引导之后，再向GPT-3提问：

what was the largest payment amount made in the past 30 days?

GPT-3回答道：

SELECT MAX(amount) FROM charges WHERE charge_dt > NOW() - INTERVAL ‘30 days’

这个小实验的结果看着还是挺不错的，但当作者加大难度后，问题还是出现了。

作者提出了更加复杂的问题：

when did user with email brian@seekwell.io make his last payment?

这次GPT-3的回答是：

SELECT MAX(charge_dt) FROM charges WHERE user_id=1 AND email=‘brian@seekwell.io’

很明显，在“charges”表中，并没有“email”这样的字段，而是存在于“users”表中。

也就是说，对于SQL经常用到的联合查询，GPT-3还没有get到。

让GPT-3一步步学会“联合查询”

于是，作者还是通过“例子”的方式，一步一步让它“学”会联合查询。

输入：how many users signed up in the past 30 days?

GPT-3：

SELECT COUNT(*) FROM users WHERE signup_dt >=now() - interval ‘30 days’

输入：when did user with email brian@seekwell.io sign up?

GPT-3：

SELECT signup_dt FROM users WHERE email=‘brian@seekwell.io’

输入：how much revenue did we have in the past 7 days?

GPT-3：

SELECT SUM(amount) from charges WHERE charge_dt >=now() - interval ‘7 days’

输入：how much revenue did we have from 10-01-20 through 11-15-20?

GPT-3：

SELECT SUM(case when charge_dt>=‘10-01-20’::date and charge_dt < ‘11-15-20’::date then amount else 0 end) as revenue
FROM charges

输入：how much revenue have we had from users that signed up in the last 6 months?

GPT-3：

SELECT SUM(charges.amount) FROM users INNER JOIN
charges ON users.id=charges.user_id
WHERE users.signup_dt>=now() - interval ‘6 months’

输入：when did user with email brian@seekwell.io make his first payment?

GPT-3：

SELECT MIN(charge_dt) as last_payment_dt from users INNER JOIN
charges ON users.id=charges.user_id
WHERE users.email=‘brian@seekwell.io’

输入：how many new users signed up in each of the last 2 months?

GPT-3：

SELECT sum(case when signup_dt>=now() - interval ‘1 month’ then 1 else 0 end) as signups_this_month,
sum(case when signup_dt>=now() - interval ‘2 months’ and signup_dt < now() - interval ‘1 month’ then 1 else 0 end) as signups_last_month
FROM users

在经过这样一番“学习”之后，回过头来，再去问GPT-3刚刚出错的问题：

how many payments has user with email joe@freshpizza.com made?

这次它的回答是：

SELECT COUNT(*) FROM users INNER JOIN charges ON users.id=charges.user_id WHERE users.email=‘joe@freshpizza.com’

瞧瞧！GPT-3学会“内联”了，很酷有木有！

当然，除了用“例子”的方式让GPT-3变得更加聪明外，作者表示还可以通过调参的方式。

同时作者还强调了一点，他发现，起码在“让GPT-3写SQL语句”这件事上，GPT-3 Instruct 要比泛化（generalized）的GPT-3引擎好用得多。

为什么要搞这个项目？

这个项目的作者是一位分析师，目前就职于一家叫做SeekWell的公司。

他每天日常的工作，就是编写大量的SQL语句，来回答与业务相关的问题。

这就让他萌生了“自动化”的想法。

与此同时，他也注意网友们用大火的GPT-3，做了各种各样有创意的项目。

例如自动生成HTML、CSS代码等等，于是他便操刀开始训练GPT-3生成SQL语句。

当然，效果也是让他震惊不已，在博客中也是连连发出“Cool”的声音。

……

最后，作者将这个项目的代码在GitHub中开源了，感兴趣的读者可戳下方链接。

参考链接：
https://blog.seekwell.io/gpt3

GitHub项目地址：
https://github.com/bkane1/gpt3-instruct-sandbox

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间获知前沿科技动态