Geo for Google Docs 技术文档
1. 安装指南
首先,复制 Geo for Google Docs 脚本的源代码。接着,打开您的 Google Docs 表格,选择 工具 > 脚本编辑器。删除默认的 function myFunction() {} 代码,并粘贴您复制的源代码。将项目命名为 Geo,然后点击 文件 > 保存 并关闭窗口。刷新您的表格,您会在菜单栏的 帮助 旁边看到一个名为 Geo 的新菜单。
2. 项目的使用说明
Geo for Google Docs 是一个用于在 Google Docs 表格中处理地理编码数据的插件脚本。它主要有两个功能:地理编码地址和导出 GeoJSON。
地理编码任意地址
假设您有一个包含地址的表格列。这些地址可以是街道地址、邮政编码、县或州名,甚至是国家代码。为了在地图上显示这些地址,您需要找到这些地址的地理编码,即经度和纬度坐标。对于更通用的位置,如 "加拿大",地理编码 API 通常会返回该区域的中心点或首都的坐标。
安装 Geo 脚本后,您可以使用 MapQuest Nominatim 或 Yahoo PlaceFinder 服务来获取地址的地理编码。首先,选择包含地址数据的单元格。这可以是一列或几列。如果选择多列(例如 '地址'、'城市'、'州'),这些列将从左到右合并并发送给地理编码服务。您也可以只选择几个单元格而不是整列来地理编码,这在添加新行或更新现有地址时特别有用。
选择地址数据后,进入 Geo > 地理编码地址。如果是第一次使用该脚本,需要授权它访问您的表格,然后再次进入 地理编码地址。接下来,设置您偏好的 API,如果该服务需要,请输入 API 密钥,然后点击 地理编码。
您应该会在表格中看到三个新添加的列,坐标数据将被输入到这些列中。第三列是地理编码服务的响应,关于地理编码的分辨率,例如 '住宅' 或 '行政'。
导出为 GeoJSON
要将表格数据加载到 TileMill 或其他 GIS 应用程序中,需要将其保存为 GeoJSON 文件。使用 Geo 脚本执行此操作,选择要导出的所有数据,然后进入 Geo > 导出 GeoJSON。选择每行具有唯一内容的列,并指定包含坐标的列。然后点击导出并下载文件。需要将 .geojson 添加到文件名末尾,以便 TileMill 识别为 GeoJSON 文件。
3. 项目 API 使用文档
Geo for Google Docs 脚本支持以下 API 用于地理编码:
- MapQuest Nominatim
- Yahoo PlaceFinder
- Cicero API
使用这些 API 前,请确保了解并遵守各自的条款和服务。
4. 项目安装方式
请参考 "安装指南" 部分进行安装。主要步骤包括复制脚本源代码、在 Google Docs 表格中打开脚本编辑器、粘贴代码、命名项目、保存并刷新表格以显示新的 Geo 菜单。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00