将AI生成的数学公式正确复制到word中

将AI生成的数学公式正确复制到word中

ChatGPT

  1. ChatGPT渲染出的公式无法直接复制到Word中;
  2. ChatGPT默认渲染的是「数学排版(MathJax)」而不是 LaTeX 源码;
  3. 复制时得到的是 Unicode / 富文本;
  4. 可明确给ChatGPT说: 请用 LaTeX 源码形式给我公式, 不要渲染.

举例

强行复制粘贴只会得到字母

{ u α ​ =R s ​ i α ​ + dt dψ α ​ ​ u β ​ =R s ​ i β ​ + dt dψ β ​ ​ ​ 

ChatGPT输出LaTeX源码

\begin{cases} u_\alpha = R_s i_\alpha + \frac{d\psi_\alpha}{dt} \\ u_\beta = R_s i_\beta + \frac{d\psi_\beta}{dt} \end{cases} 

在MathType中的渲染结果

在MarkDown中渲染结果如下

{ u α = R s i α + d ψ α d t u β = R s i β + d ψ β d t \begin{cases} u_\alpha = R_s i_\alpha + \frac{d\psi_\alpha}{dt} \\ u_\beta = R_s i_\beta + \frac{d\psi_\beta}{dt} \end{cases} {uα​=Rs​iα​+dtdψα​​uβ​=Rs​iβ​+dtdψβ​​​

Gemini

$$\begin{cases} u_d = R_s i_d + L_d \frac{di_d}{dt} - \omega_r L_q i_q \\ u_q = R_s i_q + L_q \frac{di_q}{dt} + \omega_r (L_d i_d + \psi_f) \end{cases}$$ 

渲染结果

{ u d = R s i d + L d d i d d t − ω r L q i q u q = R s i q + L q d i q d t + ω r ( L d i d + ψ f ) \begin{cases} u_d = R_s i_d + L_d \frac{di_d}{dt} - \omega_r L_q i_q \\ u_q = R_s i_q + L_q \frac{di_q}{dt} + \omega_r (L_d i_d + \psi_f) \end{cases} {ud​=Rs​id​+Ld​dtdid​​−ωr​Lq​iq​uq​=Rs​iq​+Lq​dtdiq​​+ωr​(Ld​id​+ψf​)​

IEEE中的数学公式

  1. 很多知名的数学网站(如 Stack Overflow, Wikipedia, arXiv)使用 MathJax 引擎;
  2. 方法:在公式上点击 鼠标右键 -> Show Math As -> TeX Commands

右键单击操作

弹出的LaTeX代码

安装DeepShare插件

这个插件能将AI生成的公式转换为可以复制的LaTeX代码

安装指南 | DeepShare

复制AI对话中公式 | DeepShare

安装好之后只需简单设置转换为LaTeX

设置好后, 鼠标悬停在公式上方就可以点击复制转换为LaTeX

下图为ChatGPT中生成的公式测试, 测试结果表明能够转换为LaTeX代码

复制成功后会弹出公式复制成功

快捷键 Ctrl + V 粘贴刚才复制的公式

\begin{cases} u_\alpha = R_s i_\alpha + \frac{d\psi_\alpha}{dt} \\ u_\beta = R_s i_\beta + \frac{d\psi_\beta}{dt} \end{cases} 

使用Markdown渲染出来, 如下所示

{ u α = R s i α + d ψ α d t u β = R s i β + d ψ β d t \begin{cases} u_\alpha = R_s i_\alpha + \frac{d\psi_\alpha}{dt} \\ u_\beta = R_s i_\beta + \frac{d\psi_\beta}{dt} \end{cases} {uα​=Rs​iα​+dtdψα​​uβ​=Rs​iβ​+dtdψβ​​​

Read more

【前端】前端面试题

【前端】前端面试题

前端面试题 闭包 1. 定义: 闭包(Closure) 是指一个函数能够访问并记住其外部作用域中的变量,即使外部函数已经执行完毕。闭包由两部分组成: * 一个函数(通常是内部函数)。 * 该函数被创建时所在的作用域(即外部函数的变量环境) functionouter(){let count =0;// 外部函数的变量functioninner(){ count++;// 内部函数访问外部变量 console.log(count);}return inner;}const counter =outer();counter();// 输出 1counter();// 输出 2 2. 闭包的核心原理 * 作用域链:函数在定义时,会记住自己的词法环境(即外部作用域)。当内部函数访问变量时,会沿着作用域链向上查找。 * 变量持久化:闭包使得外部函数的变量不会被垃圾回收,因为内部函数仍持有对它们的引用 3. 闭包的常见用途 3.1 私有变量封装 通过闭包隐藏内部变量,

使用 Bright Data Web Scraper API + Python 高效抓取 Glassdoor 数据:从配置到结构化输出全流程实战

使用 Bright Data Web Scraper API + Python 高效抓取 Glassdoor 数据:从配置到结构化输出全流程实战

使用 Bright Data Web Scraper API + Python 高效抓取 Glassdoor 数据:从配置到结构化输出全流程实战 摘要 本文详细介绍了如何使用 Bright Data 的 Web Scraper API 搭配 Python,实现对 Glassdoor 平台信息的高效抓取。通过 API 请求构建器、反爬机制集成与结构化数据输出,开发者可轻松获取高质量网页数据,适用于招聘分析、AI 训练与商业情报等场景,同时介绍了 Bright Data 的 Deep Lookup 功能,通过自然语言指令实现深度数据挖掘,进一步拓展数据采集的智能化能力。 前言 数字化商业时代,网页数据蕴含着市场洞察的宝藏,从 AI 模型训练的高质量素材,到商业分析、市场调研与竞争情报的核心依据,结构化网页数据成为开发者的

Linux 下 Tomcat 结合内网穿透 实现 Web 应用公网访问

Linux 下 Tomcat 结合内网穿透 实现 Web 应用公网访问

前言 在日常的 Web 开发与测试中,常常会遇到这样的困扰:本地部署好的 Java Web 项目,只能在局域网内访问,想要让异地的同事协作调试、给客户演示功能,或是外出时远程查看项目运行状态,往往需要繁琐的公网 IP 配置、端口映射,甚至要依赖云服务器部署。 而有一种实用的内网穿透功能,能轻松打破这种网络限制 —— 它可以将本地运行的服务,无需复杂配置就能映射到公网,生成可全球访问的地址,让本地的 Tomcat 服务随时被外部设备访问。 今天我们要分享的,就是如何借助这一功能,搭配经典的 Tomcat 服务器,在 Linux 系统中快速实现 Web 应用的公网访问,整个过程简单易操作,几分钟就能完成配置,解决开发和演示中的网络访问难题。 1.在CentOs7上安装OpenJDK 在已安装套件中查找含有java字符串的文件: rpm-qa|grepjava 若没有安装则开始安装吧! 查询yum中存在的JDK版本: yum list |grep java-11

MGeo开源镜像实操:ModelScope token配置、镜像拉取、webui.py权限修复全流程

MGeo开源镜像实操:ModelScope token配置、镜像拉取、webui.py权限修复全流程 1. 引言:为什么你需要MGeo地址解析模型? 想象一下,你正在开发一个外卖配送系统。用户输入了一个地址:“XX市XX区XX路XX号XX大厦A座3楼301室,旁边有个红色招牌的便利店”。系统需要准确地将这个地址拆解成“省、市、区、道路、门牌号、楼栋、单元、楼层、房间号”等结构化要素,才能进行精准的路线规划和派单。手动处理?效率太低。用简单的正则表达式?面对千变万化的中文地址表述,根本无能为力。 这就是MGeo模型要解决的问题。它是一个专门为中文地址设计的“智能地址理解专家”,能够像人一样,从一段复杂的地址文本中,精准地识别并提取出各个结构化要素。无论是外卖物流、地图导航、还是智能客服,只要涉及地址处理,MGeo都能大幅提升自动化和准确率。 今天,我们就来手把手教你,如何从零开始,在本地或云端一键部署这个强大的地址解析工具。整个过程涉及三个核心步骤:获取ModelScope访问凭证、拉取预置的MGeo镜像、以及解决一个常见的WebUI启动权限问题。