探索全球地理信息:City-State Ruby Gem
City-State 是一款简洁而强大的 Ruby 库,它允许您轻松地获取任何国家的州列表以及任何州的城市列表。基于 MaxMind 数据库,它提供了准确且全面的世界各国地理信息。
兼容性
本项目主要针对 Ruby 3 及更高版本进行开发和维护。如果您仍在使用 Ruby 2,请查阅 v0 分支以获得兼容支持。
Ruby 3 和更高版本
- 这是主开发分支。
- 新特性和改进将在此分支上添加。
- 确保您的环境已安装 Ruby 3 或更高版本。
Ruby 2 支持
- 对于 Ruby 2 用户,请切换到
v0分支。 v0分支处于维护模式,只接收错误修复,不再新增功能。
安装与使用
要开始使用 City-State,只需在您的 Gemfile 中加入:
gem 'city-state'
然后运行:
$ bundle install
获取数据
获取指定国家(如美国)的州列表:
CS.states(:US)
列出特定州(如阿拉斯加)及其所在国家(美国)的城市:
CS.cities(:AK, :US)
数据库查询是大小写不敏感的,您可以使用各种变体。
自定义名称
通过创建 db/cities-lookup.yml、db/states-lookup.yml 和 db/countries-lookup.yml 文件,您可以对城市、州或国家名称进行重命名或添加缺失的城市。
例如,将国家 US 改为 America:
# db/countries-lookup.yml
US: "America"
或者将州名 California 更改为 Something Else:
# db/states-lookup.yml
US:
CA: Something Else
数据库更新
MaxMind 每周二更新其数据库。从 2019 年底开始,尽管需要免费注册并获取许可证密钥,但不需要下载新的数据文件。通过调用 CS.set_license_key 方法,设置您的许可证密钥即可自动更新数据。
使用自定义数据库
若您已有 MaxMind 的 CSV 数据文件,可以使用 CS.set_maxmind_zip_url 设置自定义 URL 来使用它。
开源与许可证
City-State 遵循 MIT 许可证,由 Daniel Loureiro 创建。MaxMind 数据库则遵循 Creative Commons Attribution 3.0 Unported License。
更多信息
了解更多关于 City-State 如何创建的细节以及其他更新,查看 CHANGELOG.md。
这个强大而灵活的库使开发者能快速集成地理信息,无论是在创建地理位置应用,还是在处理与国家和地区相关的数据分析时,都能提供极大的便利。立即尝试 City-State,并为您的项目解锁全球地理数据的潜力!
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-1.5暂无简介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