#数据处理

共 6 篇相关文章

从 Substack 通讯构建 RAG 知识库的完整管道：API 分页拉取归档、抓取正文、用 turndown 定向清洗 HTML 为干净 Markdown、标题感知分块、增量更新，并尊重付费墙。附现成工具与代码参考。

截图让信息保存变简单，却让信息使用变困难。本文拆解一条完整的 OCR 工作流：从图像提取、格式转换（JSON/CSV/XML/YAML）到结果校验，说明为什么格式转换才是把截图数据变成可用数据的关键一步。

Excel日期为何显示为45291这样的五位数字？本文解析Excel以序列号而非日期值存储数据的底层机制，剖析时长误读、1904日期系统漂移、Lotus闰年Bug三大陷阱，并给出基于格式代码判断的可靠转换方案。

微软 Excel 现已支持在单个单元格中存储多个值，打破传统"一格一值"设计。本文解析这一数据模型变革的技术意义、对用户的影响以及社区讨论焦点。

深入解析大型强子对撞机(LHC)的工作原理，从E=mc²的能量-物质转换，到多级加速策略，再到每秒筛选十亿次碰撞的三级触发系统，揭示粒子物理实验背后的工程奇迹。

详解Simon Willison开源工具inaturalist-clumper 0.1，可将iNaturalist自然观察记录按时间地点自动聚类并输出JSON，适用于自然博客自动发布、数据可视化及静态网站集成等场景。