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!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00