Stamp 技术文档
2024-12-26 08:33:32作者:温艾琴Wonderful
1. 安装指南
Stamp 是一个用于根据人类友好的示例格式化日期和时间的 Ruby gem。它避免了使用复杂的 strftime 指令,使得日期和时间的格式化更加直观和易于理解。
安装方式
你可以通过以下两种方式安装 Stamp:
-
使用
gem安装:gem install stamp -
在 Gemfile 中添加并安装: 在你的
Gemfile中添加以下内容:gem 'stamp'然后运行:
bundle install
2. 项目的使用说明
Stamp 为 Ruby 的 Date 和 Time 类添加了一个强大的新方法:stamp。你可以通过提供一个示例字符串来格式化日期和时间。
日期格式化
你可以使用 Date#stamp 方法来格式化日期。只需提供一个示例日期字符串,Stamp 会根据示例中的月份、日期、年份和星期几部分来格式化你的日期。
date = Date.new(2011, 6, 9)
date.stamp("March 1, 1999") #=> "June 9, 2011"
date.stamp("Jan 1, 1999") #=> "Jun 9, 2011"
date.stamp("Jan 01") #=> "Jun 09"
date.stamp("Sunday, May 1, 2000") #=> "Thursday, June 9, 2011"
date.stamp("Sun Aug 5") #=> "Thu Jun 9"
date.stamp("12/31/99") #=> "06/09/11"
date.stamp("DOB: 12/31/2000") #=> "DOB: 06/09/2011"
Stamp 还支持格式化序数日:
date.stamp("November 5th") #=> "June 9th"
date.stamp("1st of Jan") #=> "9th of Jun"
时间格式化
Time#stamp 方法支持与 Date 相同的示例类型,并且在看到冒号分隔的值时还会格式化小时、分钟和秒。
time = Time.utc(2011, 6, 9, 20, 52, 30)
time.stamp("3:00 AM") #=> "8:52 PM"
time.stamp("01:00:00 AM") #=> "08:52:30 PM"
time.stamp("23:59") #=> "20:52"
time.stamp("23:59:59") #=> "20:52:30"
time.stamp("Jan 1 at 01:00 AM") #=> "Jun 9 at 08:52 PM"
time.stamp("23:59 UTC") #=> "20:52 PST"
3. 项目 API 使用文档
stamp 方法
stamp 方法是 Stamp gem 的核心功能,它可以应用于 Date 和 Time 对象。你可以通过提供一个示例字符串来格式化日期和时间。
参数
example:一个示例字符串,用于指定日期或时间的格式。
返回值
返回一个格式化后的字符串,格式与提供的示例字符串一致。
别名
如果你担心 stamp 方法不够直观,Stamp 还提供了以下别名:
stamp_likeformat_like
Rails 集成
Stamp 可以轻松地与 Rails 应用程序集成,通过配置 DATE_FORMATS 来定义常见的日期和时间格式。
# config/initializers/date_formats.rb
Date::DATE_FORMATS[:short] = Proc.new { |date| date.stamp("Sun Jan 5") }
Time::DATE_FORMATS[:military] = Proc.new { |time| time.stamp("5 January 23:59") }
使用这些格式:
Date.today.to_s(:short) #=> "Sat Jul 16"
Time.now.to_s(:military) #=> "16 July 15:35"
4. 项目安装方式
Stamp 的安装非常简单,你可以通过以下两种方式之一进行安装:
-
使用
gem安装:gem install stamp -
在 Gemfile 中添加并安装: 在你的
Gemfile中添加以下内容:gem 'stamp'然后运行:
bundle install
通过以上步骤,你就可以在你的 Ruby 项目中使用 Stamp 来格式化日期和时间了。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
412
3.17 K
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++
664
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
342
146