语言翻译

翻译不是为了翻译，是为了学习！因为只有翻译我才能逐句的看完整篇文章。 当然还可以得到各位达人的斧正，让我由懂得皮毛到渐入佳境！乐哉，幸哉！ 原 文 约定： 1.”attribute” 和 ”attributes” 均不翻译 2.”property” 译为“属性” 3.msdn 中的原句不翻译 4.”program entity” 译为 ” 语言元素 ” Attributes in C# 介绍 Attributes 是一种新的描述信息，我们既可以使用 attributes 来定义设计期信息（例如 帮助文件，文档的 URL ），还可以用 attributes 定义运行时信息（例如，使 XML 中的元素与类的成员字段关联起来）。我们也可以用 attributes 来创建一个“自描述”的组件。在这篇指南中我们将明白怎么创建属性并将其绑定至各种语言元素上，另外我们怎样在运行时环境下获取到 attributes 的一些信息。 定义 MSDN 中做如下定义 (ms-help://MS.MSDNQTR.2002APR.1033/csspec/html/vclrfcsharpspec_17_2.htm) "An attribute is a piece of additional declarative information that is specified for a declaration.

第一次汉化，高手勿喷。 01.问题描述 在ArcGIS中有个添加数据窗口，如果在应用程序中直接调用它，则风格一致性则存在问题，很多时间我们都自定义添加数据窗口，我曾经也尝试过。详见 ExplorerControls的显示问题 使用了第三方控件ExplorerControl,但还是存在一个问题：它是VB.NET写的英文版本，整个界面还是不和谐。 02.软件安装 为了汉化它，我下载了Radialix 3,安装完成后，在注册窗口输入任意名字和Key=000017-86R3Y8-83FQTQ-1RJUXR-DQ33B9-ET3FX3-CFEDQQ-M948MD-5VUJW2-CE26F3，问你中否联网激活，选择否。 打开安装目录，找到破解程序，运行，点击Patch ,又问你是否搜索license.ini文件，点击是，然后浏览到文档- Radialix 3（X:\…Documents\Radialix 3）下，选择license.ini文件即可注册成功。 03.汉化过程 接下来开始汉化，添加文件，选择dll文件（或新建本地方案）；文件属性设置中"非标字串"下的提取非标字串勾选上，并在目标设置中选择创建本地化文件。即 重新生成dll替换原文件 （如果程序是多语言包，通常安装目录下有zh-CN等，则无需勾选提取非标字串和设置目标，将生成 zh-CN文件夹语言包 ） 上述设置完毕，进入下一步

第 4 章 O/R Mapping基础 目录 映射声明(Mapping declaration) Schema hibernate-mapping class id 联合ID(composite-id) 识别器（discriminator） 版本（version）(可选) 时间戳（timestamp ）(可选) property 多对一（many-to-one） 一对一(one-to-one) 组件（component） 子类(subclass) 连接的子类（joined-subclass） map, set, list, bag 引用（import） NHibernate的类型 实体（Entities）和值（values） 基本值类型 自定义值类型 映射到"任意"(any)类型 SQL中引号包围的标识符 映射文件的模块化（Modular mapping files） 映射声明(Mapping declaration) 对象和关系数据库之间的映射是用一个XML文档(XML document)来定义的。这个映射文档被设计为易读的，并且可以手工修改。映射语言是以.NET为中心的，意味着映射是按照持久化类的定义来创建的，而非表的定义。 请注意，虽然很多Hibernate用户选择手工定义XML映射文档，也有一些工具来生成映射文档，包括XDoclet,Middlegen和AndroMDA.

HelloWorld 建立一个Java文件，文件后缀为.java(Hello.java) public class Hello{ public static void main(String[] args){ System.out.print("Hello,World!"); }} 编译javac java文件，会生成一个class文件 运行class文件，java class文件 注意： java大小写敏感 文件名和类名必须保证一致，并首字母大写 Java程序运行机制 编译型：全部翻译完再执行(C，C++) 解释型：边翻译，边执行(Java) Java程序运行过程：自己写的.java文件，经过javac编译，变成.class文件。然后.class文件，经过 java解释(所以叫解释型语言，但是也有编译过程) ，进而执行。 来源： https://www.cnblogs.com/WZ-BeiHang/p/12287099.html

googletrans 是一个免费的、可调用Google Translate API接口的python库。它借助Google Translate Ajax API接口来实现文本的检测和翻译。 googletrans 的基本用法可以参考文档连接： http://py-googletrans.rtfd.io/ API特性： 快速可靠 - 它使用translate.google.com使用的相同服务器 自动语言检测 批量翻译 可自定义的服务URL 连接池（使用requests.Session的优点） HTTP / 2支持 关于库使用的注意事项： 单个文本的最大字符限制为15k。 由于谷歌翻译的网页版本的限制，此API不保证库始终正常工作。 （如果您不关心稳定性，请使用此库。） 如果您想使用稳定的API，我强烈建议您使用Google的官方翻译API。 如果您收到HTTP 5xx错误或＃6等错误，可能是因为Google已禁止您的客户端IP地址。 快速开始： 您可以从PyPI安装它： $ pip install googletrans HTTP / 2支持 这对每个人来说都很棒！ （在我的测试中速度提高了2倍）如果你想更快地获得googletrans，你应该安装超级软件包。 Googletrans会自动检测是否安装了hyper，如果安装了hyper，它将用于http网络。 基本用法

python操作谷歌翻译 #HandleJs.py import execjs class Py4Js(): def __init__(self): self.ctx = execjs.compile(""" function TL(a) { var k = ""; var b = 406644; var b1 = 3293161072; var jd = "."; var $b = "+-a^+6"; var Zb = "+-3^+b+-f"; for (var e = [], f = 0, g = 0; g < a.length; g++) { var m = a.charCodeAt(g); 128 > m ? e[f++] = m : (2048 > m ? e[f++] = m >> 6 | 192 : (55296 == (m & 64512) && g + 1 < a.length && 56320 == (a.charCodeAt(g + 1) & 64512) ? (m = 65536 + ((m & 1023) << 10) + (a.charCodeAt(++g) & 1023), e[f++] = m >> 18 | 240, e[f++] = m >> 12 & 63 | 128) : e[f++] = m >> 12 | 224, e[f++] = m

ANTLR 介绍 作者： Terence Parr 译者：Nicholas @ NirvanaStudio 原文出处： http://www.cs.usfca.edu/~parrt/course/652/lectures/antlr.html 介绍 自1980年以来我手工编写了很多识别程序（recognizer）和翻译程序（translator）但最终我感到很恶心并且尝试将这个过程自动化：来源于我的座右铭： “ Why program by hand in five days what you can spend five years of your life automating. “ 手工编写过很多程序之后你就可以发现一些共性，并且这些共性可以合理地格式化并且自动生成。我当时对 yacc 不是很熟悉但是想要一些东西去代替我原本需要手工 编码的工作。ANTLR就是这个最终的结果（实际上原来它叫做PCCTS）。我现在已经为之工作了十年了。 ANTLR , ANother Tool for Language Recognition, 是一个可以接受含有语法描述的语言描述符并且生成程序能够识别这些语言所产生的句子。作为一个翻译程序的 一部分，你可以给你的语法附上简单的操作符和行为并且告诉ANTLR如何构造AST并且如何输出它们。ANTLR知道如何使用Java，C++，C

作者： Terence Parr 译者：Nicholas @ NirvanaStudio 介绍 自1980年以来我手工编写了很多识别程序（recognizer）和翻译程序（translator）但最终我感到很恶心并且尝试将这个过程自动化：来源于我的座右铭： " Why program by hand in five days what you can spend five years of your life automating. " 手工编写过很多程序之后你就可以发现一些共性，并且这些共性可以合理地格式化并且自动生成。我当时对 yacc 不是很熟悉但是想要一些东西去代替我原本需要手工 编码的工作。ANTLR就是这个最终的结果（实际上原来它叫做PCCTS）。我现在已经为之工作了十年了。 ANTLR , ANother Tool for Language Recognition, 是一个可以接受含有语法描述的语言描述符并且生成程序能够识别这些语言所产生的句子。作为一个翻译程序的 一部分，你可以给你的语法附上简单的操作符和行为并且告诉ANTLR如何构造AST并且如何输出它们。ANTLR知道如何使用Java，C++，C#或者Python来生成它们。 ANTLR知道如何构造识别程序并且将语法结构应用到三种不同的输入上：(i) 字符流， (ii) 标记（token）流，(iii)

Abstract 　　处于领先水平的命名实体识别系统严重依赖于人工设计的特征与特定领域的知识，从而更高效地学习小型、带标记的语料库 。在这篇论文里我们介绍了两种神经结构——一种结构是基于双向LSTM与条件随机场，另一种结构是通过一种基于转换、Shift-Reduce解析的算法构造并标记了单词。我们的模型依赖于单词信息的两个来源：一是从带监督语料库中学习的基于单字的词表示，二是从无注释语料库中学习的非监督词表示。对于NER（命名实体识别），在使用四种语言且没有任何术语资源（比如Gazetteers，斯坦福开源的地名数据库）的前提下，我们的模型表现出了较好的性能。 1 Introduction 　　NER 是一个具有挑战性的学习问题。一方面，在大多数的语言和领域中可获取的监督训练数据都是很少的。另一方面，对于可以命名的单词种类限制很少，所以很难从这么小的数据集中泛化出好的模型。因此精心构造的词素特征和术语资源，比如Gazetteers（地名数据库），被广泛用于解决本次任务。不幸地是，在新语言与新领域的发展过程中术语资源与特征是很昂贵的，这给新语言与新领域的发展带来了挑战。利用无注释语料库进行的无监督学习提供了一个可替代策略，以便于即使学习的是小规模的监督数据集，也有较好的泛化能力。然而，甚至那些广泛依赖于无监督特征的系统(Collobert et al., 2011; Turian

本节内容 Python介绍 发展史 Python 2 or 3? 安装 Hello World程序 变量 用户输入 模块初识 .pyc是什么 数据类型初识 数据运算 表达式if ...else语句 表达式for 循环 break and continue 表达式while 循环 作业需求 一、 Python介绍 Python的创始人为吉多·范·罗苏姆（Guido van Rossum）。1989年的圣诞节期间，吉多·范·罗苏姆为了在阿姆斯特丹打发时间，决心开发一个新的脚本解释程序，作为ABC语言的一种继承。 最新的TIOBE排行榜，Python占据第三，仅次于Java和C。 Python崇尚优美、清晰、简单，是一个优秀并被广泛使用的语言。 由上图可见，Python整体呈上升趋势，反映出Python应用越来越广泛并且也逐渐得到业内的认可！！！ Python可以应用于众多领域，如：数据分析、组件集成、网络服务、图像处理、数值计算和科学计算等众多领域。目前业内几乎所有大中型互联网企业都在使用Python，如：Youtube、Dropbox、BT、Quora（美国知乎）、豆瓣、知乎、Google、Yahoo!、Facebook、NASA、百度、腾讯、汽车之家、美团等。 目前Python主要应用领域： 云计算: 云计算最火的语言， 典型应用OpenStack WEB开发: