Ingreedy 技术文档
2024-12-26 04:59:51作者:何举烈Damon
1. 安装指南
Ingreedy 是一个用于解析食谱中成分和数量的 Ruby 库。要安装 Ingreedy,请按照以下步骤操作:
首先,确保您的系统中已经安装了 Ruby 环境。然后,在您的项目中,通过 Gem 文件或直接在命令行中运行以下命令来添加 Ingreedy 依赖:
gem install ingreedy
确保安装成功后,您可以在 Ruby 脚本中导入并使用 Ingreedy。
2. 项目的使用说明
Ingreedy 提供了简单的接口来解析食谱中的数量、单位和食材名称。以下是一个基本的使用示例:
result = Ingreedy.parse('1 lb. potatoes')
print result.amount # 输出:1.0
print result.unit # 输出::pound
print result.ingredient # 输出:"potatoes"
Ingreedy 还支持国际化和自定义词典。以下是如何设置和使用自定义词典的示例:
Ingreedy.dictionaries[:fr] = {
units: { dash: ['pincée'] },
numbers: { 'une' => 1 },
prepositions: ['de']
}
Ingreedy.locale = :fr
result = Ingreedy.parse('une pincée de sucre')
print result.amount # 输出:1.0
print result.unit # 输出::dash
print result.ingredient # 输出:"sucre"
3. 项目API使用文档
Ingreedy 提供以下主要方法:
Ingreedy.parse(text):解析文本中的成分信息。Ingreedy.dictionaries[locale]:自定义字典,支持国际化和本地化。Ingreedy.locale:设置当前的语言环境。Ingreedy.preserve_amounts:设置是否保留原始数量表示。
以下是一些详细说明:
parse(text)方法接受一个字符串作为输入,并返回一个包含数量(amount)、单位(unit)和食材(ingredient)的对象。dictionaries[locale]允许您为不同的语言环境设置自定义的单位和数量解析规则。locale方法用于设置默认的语言环境,如果您的应用使用 I18n 库,Ingreedy 会自动遵循 I18n 的设置。preserve_amounts设置为true时,Ingreedy 会保留输入中的数量格式,而不是将其转换为分数。
4. 项目安装方式
Ingreedy 的安装方式已在“安装指南”部分介绍。以下是一个简短的总结:
- 确保您的系统中安装了 Ruby。
- 使用
gem install ingreedy命令安装 Ingreedy Gem。 - 在您的 Ruby 项目中引入
ingreedy并开始使用。
以上是关于 Ingreedy 技术文档的详细说明。希望这对您使用该库有所帮助。
登录后查看全文
热门项目推荐
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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 CS1237半桥称重解决方案:高精度24位ADC称重模块完全指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Jetson TX2开发板官方资源完全指南:从入门到精通 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143