嗨！昨天我试着写点关于浮点数的东西，我发现自己对这个 64 位浮点数的计算方法很好奇：

>>> 0.1 + 0.2
0.30000000000000004

我意识到我并没有完全理解它是如何计算的。我的意思是，我知道浮点计算是不精确的，你不能精确地用二进制表示 0.1，但是：肯定有一个浮点数比 0.30000000000000004 更接近 0.3！那为什么答案是 0.30000000000000004 呢？

如果你不想阅读一大堆计算过程，那么简短的答案是： 0.1000000000000000055511151231257827021181583404541015625 + 0.200000000000000011102230246251565404236316680908203125 正好位于两个浮点数之间，即 0.299999999999999988897769753748434595763683319091796875 （通常打印为 0.3） 和 0.3000000000000000444089209850062616169452667236328125（通常打印为 0.30000000000000004）。答案是 0.30000000000000004，因为它的尾数是偶数。

浮点加法是如何计算的

以下是浮点加法的简要计算原理：

• 把它们精确的数字加在一起
• 将结果四舍五入到最接近的浮点数

让我们用这些规则来计算 0.1 + 0.2。我昨天才刚了解浮点加法的计算原理，所以在这篇文章中我可能犯了一些错误，但最终我得到了期望的答案。

第一步：0.1 和 0.2 到底是多少

首先，让我们用 Python 计算 0.1 和 0.2 的 64 位浮点值。

>>> f"{0.1:.80f}"
'0.10000000000000000555111512312578270211815834045410156250000000000000000000000000'
>>> f"{0.2:.80f}"
'0.20000000000000001110223024625156540423631668090820312500000000000000000000000000'

这确实很精确：因为浮点数是二进制的，你也可以使用十进制来精确的表示。但有时你只是需要一大堆数字:)

第二步：相加

接下来，把它们加起来。我们可以将小数部分作为整数加起来得到确切的答案：

>>> 1000000000000000055511151231257827021181583404541015625 + 2000000000000000111022302462515654042363166809082031250
3000000000000000166533453693773481063544750213623046875

所以这两个浮点数的和是 0.3000000000000000166533453693773481063544750213623046875。

但这并不是最终答案，因为它不是一个 64 位浮点数。

第三步：查找最接近的浮点数

现在，让我们看看接近 0.3 的浮点数。下面是最接近 0.3 的浮点数（它通常写为 0.3，尽管它不是确切值）：

>>> f"{0.3:.80f}"
'0.29999999999999998889776975374843459576368331909179687500000000000000000000000000'

我们可以通过 struct.pack 将 0.3 序列化为 8 字节来计算出它之后的下一个浮点数，加上 1，然后使用 struct.unpack：

>>> struct.pack("!d", 0.3)
b'?\xd3333333'
# 手动加 1
>>> next_float = struct.unpack("!d", b'?\xd3333334')[0]
>>> next_float
0.30000000000000004
>>> f"{next_float:.80f}"
'0.30000000000000004440892098500626161694526672363281250000000000000000000000000000'

当然，你也可以用 math.nextafter：

>>> math.nextafter(0.3, math.inf)
0.30000000000000004

所以 0.3 附近的两个 64 位浮点数是 0.299999999999999988897769753748434595763683319091796875 和 0.3000000000000000444089209850062616169452667236328125。

第四步：找出哪一个最接近

结果证明 0.3000000000000000166533453693773481063544750213623046875 正好在 0.299999999999999988897769753748434595763683319091796875 和 0.3000000000000000444089209850062616169452667236328125 的中间。

你可以通过以下计算看到：

>>> (3000000000000000444089209850062616169452667236328125000 + 2999999999999999888977697537484345957636833190917968750) // 2 == 3000000000000000166533453693773481063544750213623046875
True

所以它们都不是最接近的。

如何知道四舍五入到哪一个？

在浮点数的二进制表示中，有一个数字称为“尾数”。这种情况下（结果正好在两个连续的浮点数之间），它将四舍五入到偶数尾数的那个。

在本例中为 0.300000000000000044408920985006261616945266723632812500。

我们之前就见到了这个数字的尾数：

• 0.30000000000000004 是 struct.unpack('!d', b'?\xd3333334') 的结果
• 0.3 是 struct.unpack('!d', b'?\xd3333333') 的结果

0.30000000000000004 的大端十六进制表示的最后一位数字是 4，它的尾数是偶数（因为尾数在末尾）。

我们用二进制来算一下

之前我们都是使用十进制来计算的，这样读起来更直观。但是计算机并不会使用十进制，而是用 2 进制，所以我想知道它是如何计算的。

我不认为本文的二进制计算部分特别清晰，但它写出来对我很有帮助。有很多数字，读起来可能很糟糕。

64 位浮点数如何计算：指数和尾数

64 位浮点数由 2 部分整数构成：指数和尾数，还有 1 比特 符号位.

以下是指数和尾数对应于实际数字的方程：

例如，如果指数是 1，尾数是 2**51，符号位是正的，那么就可以得到：

它等于 2 * (1 + 0.5)，即 3。

步骤 1：获取 0.1 和 0.2 的指数和尾数

我用 Python 编写了一些低效的函数来获取正浮点数的指数和尾数:

def get_exponent(f):
    # 获取前 52 个字节
    bytestring = struct.pack('!d', f)
    return int.from_bytes(bytestring, byteorder='big') >> 52

def get_significand(f):
    # 获取后 52 个字节
    bytestring = struct.pack('!d', f)
    x = int.from_bytes(bytestring, byteorder='big')
    exponent = get_exponent(f)
    return x ^ (exponent << 52)

我忽略了符号位（第一位），因为我们只需要处理 0.1 和 0.2，它们都是正数。

首先，让我们获取 0.1 的指数和尾数。我们需要减去 1023 来得到实际的指数，因为浮点运算就是这么计算的。

>>> get_exponent(0.1) - 1023
-4
>>> get_significand(0.1)
2702159776422298

它们根据 2**指数 + 尾数 / 2**(52 - 指数) 这个公式得到 0.1。

下面是 Python 中的计算:

>>> 2**-4 + 2702159776422298 / 2**(52 + 4)
0.1

（你可能会担心这种计算的浮点精度问题，但在本例中，我很确定它没问题。因为根据定义，这些数字没有精度问题 -- 从 2**-4 开始的浮点数以 1/2**(52 + 4) 步长递增。）

0.2 也一样:

>>> get_exponent(0.2) - 1023
-3
>>> get_significand(0.2)
2702159776422298

它们共同工作得到 0.2:

>>> 2**-3 + 2702159776422298 / 2**(52 + 3)
0.2

（顺便说一下，0.1 和 0.2 具有相同的尾数并不是巧合 —— 因为 x 和 2*x 总是有相同的尾数。）

步骤 2：重新计算 0.1 以获得更大的指数

0.2 的指数比 0.1 大 -- -3 大于 -4。

所以我们需要重新计算：

2**-4 + 2702159776422298 / 2**(52 + 4)

等于 X / 2**(52 + 3)

如果我们解出 2**-4 + 2702159776422298 / 2**(52 + 4) = X / 2**(52 + 3)，我们能得到：

X = 2**51 + 2702159776422298 / 2

在 Python 中，我们很容易得到：

>>> 2**51 + 2702159776422298 //2
3602879701896397

步骤 3：添加符号位

现在我们试着做加法：

2**-3 + 2702159776422298 / 2**(52 + 3) + 3602879701896397 / 2**(52 + 3)

我们需要将 2702159776422298 和 3602879701896397 相加：

>>> 2702159776422298  + 3602879701896397
6305039478318695

棒。但是 6305039478318695 比 2**52-1（尾数的最大值）大，问题来了:

>>> 6305039478318695 > 2**52
True

第四步：增加指数

目前结果是：

2**-3 + 6305039478318695 / 2**(52 + 3)

首先，它减去 2**52：

2**-2 + 1801439850948199 / 2**(52 + 3)

完美，但最后的 2**(52 + 3) 需要改为 2**(52 + 2)。

我们需要将 1801439850948199 除以 2。这就是难题的地方 -- 1801439850948199 是一个奇数!

>>> 1801439850948199  / 2
900719925474099.5

它正好在两个整数之间，所以我们四舍五入到最接近它的偶数（这是浮点运算规范要求的），所以最终的浮点结果是:

>>> 2**-2 + 900719925474100 / 2**(52 + 2)
0.30000000000000004

它就是我们预期的结果：

>>> 0.1 + 0.2
0.30000000000000004

在硬件中它可能并不是这样工作的

在硬件中做浮点数加法，以上操作方式可能并不完全一模一样（例如，它并不是求解 “X”），我相信有很多有效的技巧，但我认为思想是类似的。

打印浮点数是非常奇怪的

我们之前说过，浮点数 0.3 不等于 0.3。它实际上是:

>>> f"{0.3:.80f}"
'0.29999999999999998889776975374843459576368331909179687500000000000000000000000000'

但是当你打印它时，为什么会显示 0.3？

计算机实际上并没有打印出数字的精确值，而是打印出了最短的十进制数 d，其中 f 是最接近 d 的浮点数。

事实证明，有效做到这一点很不简单，有很多关于它的学术论文，比如 快速且准确地打印浮点数、如何准确打印浮点数 等。

如果计算机打印出浮点数的精确值，会不会更直观一些？

四舍五入到一个干净的十进制值很好，但在某种程度上，我觉得如果计算机只打印一个浮点数的精确值可能会更直观 -- 当你得到一个奇怪的结果时，它可能会让你看起来不那么惊讶。

对我来说，0.1000000000000000055511151231257827021181583404541015625 + 0.200000000000000011102230246251565404236316680908203125 = 0.3000000000000000444089209850062616169452667236328125 比 0.1 + 0.2 = 0.30000000000000000004 惊讶少一点。

这也许是一个坏主意，因为它肯定会占用大量的屏幕空间。

PHP 快速说明

有人在评论中指出在 PHP 中 <?php echo (0.1 + 0.2 );?> 会输出 0.3，这是否说明在 PHP 中浮点运算不一样？

非也 —— 我在 这里 运行:

<?php echo (0.1 + 0.2 )- 0.3);?>，得到了与 Python 完全相同的答案：5.5511151231258E-17。因此，浮点运算的基本原理是一样的。

我认为在 PHP 中 0.1 + 0.2 输出 0.3 的原因是 PHP 显示浮点数的算法没有 Python 精确 —— 即使这个数字不是最接近 0.3 的浮点数，它也会显示 0.3。

总结

我有点怀疑是否有人能耐心完成以上所有些算术，但它写出来对我很有帮助，所以我还是发表了这篇文章，希望它能有所帮助。

（题图：MJ/53e9a241-14c6-4dc7-87d0-f9801cd2d7ab）

via: https://jvns.ca/blog/2023/02/08/why-does-0-1-plus-0-2-equal-0-30000000000000004/

作者：Julia Evans 选题：lkxed 译者：MjSeven 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

在开发初期只对单个元素进行编码和测试，之后再拓展到多个元素上。

在 上一篇文章 中我已经解释了为什么把所有编程问题当作一群丧尸一次性处理是错误的。我也解释了 ZOMBIES 方法中的第一条：最简场景。本文中我将进一步介绍接下来的两条：单元素场景和多元素场景。

ZOMBIES 表示以下首字母缩写：

• Z – 最简场景（Zero）
• O – 单元素场景（One）
• M – 多元素场景（Many or more complex）
• B – 边界行为（Boundary behaviors）
• I – 接口定义（Interface definition）
• E – 处理特殊行为（Exercise exceptional behavior）
• S – 简单场景用简单的解决方案（Simple scenarios, simple solutions）

在上一篇文章中，通过应用了最简场景，你在代码里构建了一条最简可行通路。这个代码里没有任何业务处理逻辑。现在是时候向系统中添加一个元素了。

最简场景表示系统中什么也没有，这是一个空的用例，我们什么也不用关心。单元素场景代表我们有一个元素需要关心考虑。这个单一元素可能是集合中的一个元素、一个访问着或者一个需要处理的事件。

对于多元素场景，我们需要处理更复杂的情况，比如两个或更多的集合元素或事件。

单元素场景

在上一篇文章的代码基础上，向虚拟购物筐里添加一些商品。首先，写一个伪测试：

[Fact]
public void Add1ItemBasketHas1Item() {
        var expectedNoOfItems = 1;
        var actualNoOfItems = 0;
        Assert.Equal(expectedNoOfItems, actualNoOfItems);
}

不出所料，这个测试失败了，因为硬编码了一个错误的值：

Starting test execution, please wait...

A total of 1 test files matched the specified pattern.
[xUnit.net 00:00:00.57] tests.UnitTest1.NewlyCreatedBasketHas0Items [FAIL]
  X tests.UnitTest1.NewlyCreatedBasketHas0Items [4ms]
  Error Message:
   Assert.Equal() Failure
Expected: 0
Actual: 1
[...]

现在是时候停止伪造了。现在你已经用 ArrayList 实现了购物筐。那么应该怎么实现商品呢？

简洁性应该一直是你的指导原则。在不了解商品的太多信息的情况下，你可以先用另一个集合来实现它。这个表示商品的集合应该包含些什么呢？由于你多半会关心计算购物筐中的商品总价，所以对商品的表示至少需要包含价格（可以是任意货币，为简单起见，不妨假设是人民币）。

（我们需要）一个简单的集合类型，它包含一个商品 ID（可以在系统中的其它地方使用 ID 来指向该商品）和这个商品的价格。

键值对类型的数据结构可以很容易满足这个需求。在 C# 中最先被想到的数据结构就是 Hashtable。

在购物应用的代码中给 IShoppingAPI 增加一个新功能：

int AddItem(Hashtable item);

这个新功能以一个用 Hashtable 表示的商品为输入，返回购物筐中的商品数量。

将测试代码中硬编码的值提替换为对接口的调用：

[Fact]
public void Add1ItemBasketHas1Item() {            
    var expectedNoOfItems = 1;
    Hashtable item = [new][3] Hashtable();
    var actualNoOfItems = shoppingAPI.AddItem(item);
    Assert.Equal(expectedNoOfItems, actualNoOfItems);
}

在上面的代码中实例化了一个 Hashtable 并命名为 item，然后调用购物接口中的 AddItem(item) 方法，该方法会返回购物筐中实际的商品数量。

转到 ShoppingAPI 类中，实现这个方法：

public int AddItem(Hashtable item) {
    return 0;
}

这里再次通过写假代码来检验测试的效果（测试是业务代码的第一个调用者）。如果测试失败，将硬编码值换成实际的代码：

public int AddItem(Hashtable item) {
    basket.Add(item);
    return basket.Count;
}

在上面的代码中，向购物筐里添加了一件商品，然后返回购物筐中的商品数量：

Test Run Successful.
Total tests: 2
     Passed: 2
 Total time: 1.0633 Seconds

到目前为止，你通过了两个测试，同时也基本里解了 ZOMBIES 方法中的最简场景和单元素场景两部分。

反思总结

回顾前面所做的工作，你会发现通过将注意力集中到处理最简场景和单元素场景上，你在构建接口的同时也定义了一些业务逻辑边界！这不是很棒吗？现在你已经部分地实现了最关键的抽象逻辑，并且能够处理什么也没有和只有一个元素的的情况。因为你正在构建的是一个电子交易 API，所以你不能对顾客的购物行为预设其它限制。总而言之，虚拟购物筐应该是无限大的。

ZOMBIES 提供的逐步优化思路的另一个重要方面（虽然不是很明显）是从大概思路到具体实现的阻力。你也许已经注意到了，要具体实现某个东西总是困难重重。倒不如先用硬编码值来构造一个伪实现。只有看到接口与测试之间以一种合理的方式交互之后，你才会愿意开始完善实现代码。

即便如此，你也应该采用简单直接的代码结构，尽可能避免条件逻辑分支。

多元素场景

通过定义顾客向购物筐里添加两件商品时的期望来拓展应用程序。首先构造一个伪测试。它的期望值为 2，但是现在将实际值硬编码为 0，强制让测试失败：

[Fact]
public void Add2ItemsBasketHas2Items() {
        var expectedNoOfItems = 2;
        var actualNoOfItems = 0;
        Assert.Equal(expectedNoOfItems, actualNoOfItems);
}

执行测试，前两个测试用例通过了（针对最简场景和单元素场景的测试），而硬编码的测试不出所料地失败了：

A total of 1 test files matched the specified pattern.
[xUnit.net 00:00:00.57] tests.UnitTest1.Add2ItemsBasketHas2Items [FAIL]
  X tests.UnitTest1.Add2ItemsBasketHas2Items [2ms]
  Error Message:
   Assert.Equal() Failure
Expected: 2
Actual: 0

Test Run Failed.
Tatal tests: 3
     Passed: 2
     Failed: 1

将硬编码值替换为实际的代码调用：

[Fact]
public void Add2ItemsBasketHas2Items() {
        var expectedNoOfItems = 2;
        Hashtable item = [new][3] Hashtable();
        shoppingAPI.AddItem(item);
        var actualNoOfItems = shoppingAPI.AddItem(item);
        Assert.Equal(expectedNoOfItems, actualNoOfItems);
}

在这个测试中，你向购物筐中添加了两件商品（实际上是将同一件商品添加了两次），然后比较期望的商品数量和第二次添加商品后调用 shoppingAPI 返回的商品数量是否相等。

现在所有测试都能够通过！

敬请期待

现在你已经了解了最简场景、单元素场景和多元素场景。我将下一篇文章中介绍边界行为和接口定义。敬请期待!

（题图：MJ/e4679f1f-311a-4a41-80e8-8d2834b956f2）

via: https://opensource.com/article/21/2/build-expand-software

作者：Alex Bunardzic 选题：lujun9972 译者：toknow-gh 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

在本指南中，你将了解如何在 Ubuntu/Debian Linux 发行版中为 apt 命令设置代理。

代理服务器是位于请求资源的客户端系统或最终用户与资源本身之间的中间服务器。在大多数情况下，代理服务器充当最终用户和互联网之间的网关。

对于组织和企业环境，代理服务器提供了许多好处。它通过阻止被认为会影响员工工作效率的网站来控制互联网的使用。它还通过数据加密增强隐私并提高组织的安全性。

有几种方法可以为 apt 命令设置代理，让我们直接进入。

注意：为了演示，我们将使用 Ubuntu 22.04。

使用代理文件为 APT 配置代理

为 apt 命令配置代理的最简单方法是创建一个 proxy.conf 文件，如下：

$ sudo vi /etc/apt/apt.conf.d/proxy.conf

对于没有用户名和密码的代理服务器，添加以下条目，如下：

对于 HTTP 代理，添加以下条目：

Acquire::http::Proxy "http://proxy-IP-address:proxyport/";

对 HTTPS 代理执行相同的操作：

Acquire::https::Proxy "http://proxy-IP-address:proxyport/";

例子：

$ cat  /etc/apt/apt.conf.d/proxy.conf
Acquire::http::Proxy "http://192.168.56.102:3128/";
Acquire::https::Proxy "http://192.168.56.102:3128/";

如果你的代理服务器需要用户名和密码详细信息，请按以下方式添加：

Acquire::http::Proxy "http://username:password@proxy-IP-address:proxyport";
Acquire::https::Proxy "http://username:password@proxy-IP-address:proxyport";

例子：

$ cat  /etc/apt/apt.conf.d/proxy.conf
Acquire::http::Proxy "http://init@PassW0rd321#@192.168.56.102:3128/";
Acquire::https::Proxy "http://init@PassW0rd321#@192.168.56.102:3128/";

完成后，保存更改并退出配置文件。代理设置将在你下次运行 APT 包管理器时生效。

例如，你可以更新本地包索引，然后安装 net-tools 包：

$ sudo apt update
$ sudo apt install net-tools -y

验证代理服务器日志以确认 apt 命令正在使用代理服务器下载包。在代理服务器运行时：

# tail -f /var/log/squid/access.log  | grep -i 192.168.56.240

这里 192.168.56.240 是我们 Ubuntu 机器的 IP 地址。

完美，上面的输出确认我们的 Ubuntu 系统的 apt 命令正在通过代理服务器（192.168.56.102）下载包。

另一种指定代理详细信息的方法

除了第一种方法，你还可以用更简单的方式指定代理详细信息。再次创建一个 proxy.conf 文件，如下所示。

$ sudo vi /etc/apt/apt.conf.d/proxy.conf

对于没有用户名和密码的代理服务器，如图所示进行定义。

Acquire {
  http::Proxy "http://proxy-IP-address:proxyport/";
  https::Proxy "http://proxy-IP-address:proxyport/";
}

示例文件如下所示：

$ sudo vi /etc/apt/apt.conf.d/proxy.conf

对于具有用户名和登录详细信息的代理服务器：

Acquire {
   http::Proxy "http://username:password@proxy-IP-address:proxyport/";
   https::Proxy "http://username:password@proxy-IP-address:proxyport/";
}

保存更改并退出配置文件。提醒一下，当你开始使用 APT 包管理器，这些设置就会立即生效。

总结

本指南到此结束。在本教程中，我们演示了如何为 Debian/Ubuntu Linux 发行版中使用的 APT 包管理器配置代理设置。本文就到这里了。

（题图：MJ/dfb4d5a0-9150-47bd-9f54-c120ddd77046）

via: https://www.linuxtechi.com/set-proxy-settings-for-apt-command/

作者：James Kiarie 选题：lkxed 译者：geekpi 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

为你的终端安装最好的字体，以改善外观和可读性，并让你的终端体验变得有趣。

选择完美的字体对很多事情都至关重要，无论你是程序员、系统管理员，还是喜欢终端的 Linux 用户。

更改终端字体 可帮助你实现以下目标：

• 美观的终端外观
• 增强可读性
• 减少眼睛疲劳

听起来不错。但是如何选择完美的字体呢？这里有成百上千种选择。

对于初学者，你可以选择 针对技术文档或编码优化的字体，因为它们具有良好的可读性。接下来，你可以筛选出 FOSS 项目（如果这对你很重要）并检查这些 字体是否可以在高分辨率显示器上很好地缩放（根据你的需求）。

不要担心，为了让你有一个良好的开端，我们选择了一些最适合编码的字体，提供良好的可读性，同时看起来也不错。

1、Cascadia

Cascadia 是微软提供的一种字体，默认用于 最好的开源编辑器 之一 VSCode。

它包括编码连字支持，并提供三种变体：标准、等宽和支持嵌入式 PowerLine 符号的版本。

2、Fira Code

Fira Code 是一种等宽字体，具有编码连字和 ASCII 支持。

它会定期进行微调以支持字母对和更好的标点符号输出。

3、Hack

Hack 是另一种为源代码量身定制的等宽字体。

你可以获得 ASCII、PowerLine 支持以及粗体、斜体和粗斜体等常用样式。

如果你注意到它的 GitHub 页面，它们为某些 Linux 发行版提供了改进字体渲染的说明。

4、Inconsolata

Inconsolata 是一种清晰的等宽字体，具有出色的可读性。它是谷歌字体系列之一。

对于 终端仿真器 和编码用途，该字体提供了几种有用的样式。

5、Iosevka

Iosevka 是一种外观简洁的多功能开源字体，用于编写代码并在终端和技术文档中使用。

你可以从它的 GitHub 页面获取其他平台（包括 Linux）的安装说明。

6、JetBrains Mono

JetBrains Mono 是专为开发人员量身定制的自由开源字体。

顾名思义，它是流行的开发者工具 JetBrains 使用的默认字体。

7、Meslo NF

Meslo NF 是一种可以在终端中很好地支持 ASCII 和图标的字体。

作为 GitHub 上 Nerd Fonts 集的一部分，它提供了用于编码和终端的漂亮字体。你可以在它的 GitHub 发布页 的资源列表中找到该字体。

它在 Zsh、Fish 和其他 Shell 中看起来很棒。

8、Monoid

Monoid 是另一种旨在用于编码的开源字体。有通常的连字支持和深色浅色变体，它应该是终端的不错选择。

9、Ubuntu Monospace

我们都喜欢 Ubuntu 的默认字体 Ubuntu Monospace。它针对多种语言、高分辨率屏幕和良好的可读性进行了优化。

如果你已经使用 Ubuntu，则无需单独安装它。

10、SourceCode Pro

Source Code Pro 很好地融合了一切需求。虽然它针对编码环境进行了优化，并由 Adobe 开发，但它也为终端提供了具体良好可读性和美观性。

如何安装这些字体？

你可以通过下载 TTF 或 OTF 文件轻松安装字体，然后双击它们以使用字体查看器打开它进行安装。

要同时安装多种字体，你可以在主目录中新建一个 .fonts 文件夹，并将字体文件放在那里。你可以查看我们关于 安装新字体 的指南，了解更多详细信息。

更多自定义终端的方法

这里有一些自定义终端外观的 方法。

还有一个有趣的 工具，可以根据你的桌面墙纸自动更改终端的配色方案。多么酷啊！

? 名单上你最喜欢的是什么？你使用什么终端字体？

（题图：MJ/e5ae0ee3-9ea2-4136-a000-8fe681480356）

via: https://itsfoss.com/fonts-linux-terminal/

作者：Ankush Das 选题：lkxed 译者：geekpi 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

在 上一篇 关于 Rust 编程语言的文章中，我们提到了变量、常量和 遮蔽 shadowing 。

现在来讲解数据类型是再自然不过的了。

数据类型是什么？

将这个词汇展开些单词的顺序改变一下你就会得到答案了；“数据类型” -> “数据的类型”。

计算机使用 0 和 1 来存储数据，但是为了让数据在读取时有意义，我们使用数据类型来表示这些 0 和 1 的含义。

Rust 有两种数据类型：

• 标量数据类型：只能存储单个值的类型。
• 复合数据类型：可以存储多个值，甚至是不同类型的值。

在本文中，我将讲解标量数据类型。我将在下一篇文章中讲解第二类数据类型。

接下来是 Rust 中四种主要标量数据类型的简要概述：

• 整型：存储整数。有每种特定情况下使用的子类型。
• 浮点数：存储带有小数部分的数字。有两种基于大小的子类型。
• 字符：使用 UTF-8 编码存储单个字符。（是的，你可以在字符中存储表情符号*。）
• 布尔值： 存储 true 或 false。（给那些无法就 0 是 true 还是 0 是 false 达成一致的开发者。）

整型

在编程语言中，整型指的是一个整数。Rust 中的整型要么是有符号的，要么是无符号的。无符号整型只能存储 0 和正数，而有符号整型可以存储负数、0 和正数。

? 一个有符号整型的范围从 -(2<sup> n-1</sup>) 开始，以 (2<sup> n-1</sup>)-1 结束。同样，无符号整型的范围从 0 开始，以 (2<sup> n</sup>)-1 结束。

这是根据符号和长度可用的整型：

正如你所见，Rust 有 8、16、32、64 甚至 128 位的有符号和无符号整型！

使用 *size 的整型根据计算机的架构而变化。在 8 位微控制器上，它是 *8，在 32 位的旧计算机上，它是 *32，在现代 64 位系统上，它是 *64。

使用 *size 是为了存储与内存（这与裸机相关）有关的数据，比如指针、偏移量等。

? 当你没有显式地指定整型的子类型时，Rust 编译器会默认推断为 i32。显然，如果值比 i32 能存储的值大或小，Rust 编译器会礼貌地报错并要求你手动指定类型。

Rust 不仅允许你以十进制形式存储整数，还允许你以二进制、八进制和十六进制形式存储整数。

为了更好的可读性，你可以使用下划线 _ 来代替逗号来书写/读取大数。

fn main() {
    let bin_value = 0b100_0101; // 使用前缀“0b”表示二进制
    let oct_value = 0o105; // 使用前缀“0o”表示八进制
    let hex_value = 0x45; // 使用前缀“0x”表示十六进制
    let dec_value = 1_00_00_000; // 和写一克若（1,00,00,000）一样

    println!("二进制值: {bin_value}");
    println!("八进制值: {oct_value}");
    println!("十六进制值: {hex_value}");
    println!("十进制值: {dec_value}");
}

我使用二进制、八进制和十六进制分别将十进制数 69 存储在变量 bin_value、oct_value 和 hex_value 中。在变量 dec_value 中，我存储了数字 1 克若 1 Crore （一千万），并且使用了下划线替代逗号，这是印度的书写系统。对于那些更熟悉国际计数系统的人来说，你可以将其写成 10_000_000。

在编译并运行这个二进制文件后，我得到了如下输出：

二进制值: 69
八进制值: 69
十六进制值: 69
十进制值: 10000000

浮点数

浮点数是一种存储带有小数部分的数字的数据类型。

与 Rust 中的整型不同，浮点数只有两种子类型：

• f32: 单精度浮点数类型
• f64: 双精度浮点数类型

和 Rust 中的整型一样，当 Rust 推断一个变量的类型时，如果它看起来像一个浮点数，那么它就会被赋予 f64 类型。这是因为 f64 类型比 f32 类型有更高的精度，并且在大多数计算操作中几乎和 f32 类型一样快。请注意，浮点数据类型（f32 和 f64）都是有符号的。

? Rust 编程语言按照 IEEE 754 二进制浮点数表示与算术标准存储浮点数。

fn main() {
    let pi: f32 = 3.1400; // f32
    let golden_ratio = 1.610000; // f64
    let five = 5.00; // 小数点表示它必须被推断为浮点数
    let six: f64 = 6.; // 尽管类型说明被显式的添加了，小数点也是**必须**的

    println!("pi: {pi}");
    println!("黄金比例: {golden_ratio}");
    println!("五: {five}");
    println!("六: {six}");
}

仔细看第 5 行。尽管我已经为变量 six 指定了类型，但我必须至少加上一个小数点。小数点之后有什么就由你决定了。

程序的输出是相当可预测的... 吗？

pi: 3.14
黄金比例: 1.61
五: 5
六: 6

在上面的输出中，你可能已经注意到，当显示变量 pi、golden_ratio 和 five 中存储的值时，我在变量声明时在结尾增加的零已经消失了。

就算这些零没有被 移除，它们也会在通过 println 宏输出值时被省略。所以，不，Rust 没有篡改你的变量值。

字符

你可以在一个变量中存储一个字符，类型是 char。像 80 年代的传统编程语言一样，你可以存储一个 ASCII 字符。但是 Rust 还扩展了字符类型，以存储一个有效的 UTF-8 字符。这意味着你可以在一个字符中存储一个表情符号 ?

? 一些表情符号实际上是两个已有表情符号的组合。一个很好的例子是“燃烧的心”表情符号：❤️‍?。这个表情符号是通过使用 零宽度连接器 来组合两个表情符号构成的：❤️ + ? = ❤️‍?

Rust 的字符类型无法存储这样的表情符号。

fn main() {
    let a = 'a';
    let p: char = 'p'; // 带有显性类型说明
    let crab = '?';

    println!("Oh look, {} {}! :{}", a, crab, p);
}

正如你所见，我已经将 ASCII 字符 'a' 和 'p' 存储在变量 a 和 p 中。我还在变量 crab 中存储了一个有效的 UTF-8 字符，即螃蟹表情符号。然后我打印了存储在每个变量中的字符。

这是输出：

Oh look, a ?! :p

布尔值

在 Rust 中，布尔值类型只存储两个可能的值之一：true 或 false。如果你想显性指定类型，请使用 bool。

fn main() {
    let val_t: bool = true;
    let val_f = false;

    println!("val_t: {val_t}");
    println!("val_f: {val_f}");
}

编译并执行上述代码后，结果如下：

val_t: true
val_f: false

额外内容：显性类型转换

在上一篇讲述 Rust 编程语言中的变量的文章中，我展示了一个非常基础的 温度转换程序。在那里，我提到 Rust 不允许隐式类型转换。

但这不代表 Rust 也不允许 显性 类型转换 ; )

要进行显性类型转换，使用 as 关键字，后面跟着要转换的数据类型。

这是一个示例程序：

fn main() {
    let a = 3 as f64; // f64
    let b = 3.14159265359 as i32; // i32

    println!("a: {a}");
    println!("b: {b}");
}

在第二行，我没有使用 3.0，而是在 3 后面写上 as f64，以表示我希望编译器将 3（一个整数）转换为 64 位浮点数的类型转换。第三行也是一样。但是这里，类型转换是有损的。这意味着小数部分 完全消失。它不是存储为 3.14159265359，而是存储为简单的 3。

程序的输出可以验证这一点：

a: 3
b: 3

总结

本文介绍了 Rust 中的原始/标量数据类型。主要有四种这样的数据类型：整型、浮点数、字符和布尔值。

整型用于存储整数，它们有几种子类型，基于它们是有符号还是无符号以及长度。浮点数用于存储带有小数的数字，根据长度有两种子类型。字符数据类型用于存储单个有效的 UTF-8 编码字符。最后，布尔值用于存储 true 或 false 值。

在下一章中，我将讨论数组和元组等复合数据类型。敬请关注。

（题图：MJ/c0c49e15-cc9d-4eef-8e52-2f0d62294965）

via: https://itsfoss.com/rust-data-types/

作者：Pratham Patel 选题：lkxed 译者：Cubik65536 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

你已经学会了创建文件和目录。现在是时候学习如何在命令行中删除文件和文件夹了。

在终端基础系列的前几章中，你学习了 创建新文件 和 目录（文件夹）。

现在让我们看看如何在 Linux 终端中删除文件和文件夹。

删除文件

要删除文件，你可以按以下方式使用 rm 命令：

rm filename_or_path

如果文件已成功删除，你将看不到任何输出。

这是一个示例，其中我删除了一个名为 new_file 的文件。当我列出目录内容时，你可以看到 new_file 不再存在。

你还可以在同一命令中删除多个文件：

rm file1 file2 file3

让我展示一个在单条命令中删除两个文件的示例。

?️练习文件删除

让我们练习一下刚刚学到的东西。创建一个名为 practice_delete 的目录并切换到该目录：

mkdir practice_delete && cd practice_delete

现在创建一些空文件：

touch file1 file2 file3

删除 file3:

rm file3

现在，让我们做一些额外的事情。运行此命令并更改 file2 的权限：

chmod u-w file1 file2

现在尝试删除 file2：

rm file2

你是否看到消息 “remove write protected file”？ 那是因为你从这个文件中删除了写权限（用于修改）。

你可以按 Y 或回车键确认删除或按 N 拒绝删除。

如果你不想看到这条消息并仍然删除它，你可以使用强制删除选项 -f。通过删除 file1 试试：

rm -f file1

以下是上述所有示例的重放：

? Linux 命令行中没有垃圾桶。一旦文件被删除，你就无法像在图形文件管理器中那样撤消将其从垃圾箱中取回的操作。因此，删除文件时要格外小心。

小心删除

缺少垃圾桶使删除成为一种永久性的工作。这就是为什么你应该注意要删除的文件的原因。

有一个带 -i 选项的交互模式。有了这个，你会被要求确认删除。

rm -i filename

当你根据特定模式删除多个文件时，这很有用。

这是一个示例，其中我以交互方式删除名称中匹配 file_ 模式的所有文件。我删除了一些并在交互模式下保留了一些。

? 我建议切换到文件所在的目录，然后删除它们。这有助于减少由文件路径中的拼写错误引起的任何可能性。

删除目录

在 Linux 中有专门的 rmdir 命令来删除目录。

rmdir dir_name

但是，它只能删除空目录。如果目录中有任何文件或子目录，rmdir 命令将抛出错误。

$ rmdir dir2
rmdir: failed to remove 'dir2': Directory not empty

这使得它在大多数情况下用处不大。

那么，如何删除非空文件夹呢？ 好吧，使用与之前删除文件相同的 rm 命令。

是的，相同的 rm 命令，但带有递归选项 -r：

rm -r dir_name

?️练习文件夹删除

让我们练习你学到的东西。

如果你还没有，请切换到 practice_delete 文件夹。现在，创建两个目录 dir1 和 dir2。

mkdir dir1 dir2

在 dir2 中创建一个文件：

touch dir2/file

现在尝试使用 rmdir 命令删除目录：

rmdir dir1

rmdir dir2

由于 dir2 不为空，rmdir 命令将失败。相反，使用带有递归选项的 rm 命令：

rm -r dir2

以下是上述所有命令示例的重放：

? 交互式删除模式在使用 rm 命令的递归选项删除目录时更有帮助：

rm-ri dir_name

因此，你学会了使用 Linux 命令删除文件和文件夹。是时候多练习了。

测试你的知识

准备一个如下所示的目录树：

.
├── dir1
│   ├── file1
│   ├── file2
│   └── file3
├── dir2
├── dir3
└── file

基本上，你在当前目录（practice_delete）中创建一个名为 file 的文件和三个目录 dir1、dir2 和 dir3。然后在 dir1 中创建文件 file1、file2 和 file3。

现在执行以下操作：

• 删除 file2。
• 切换到 dir3 并强制删除上层目录中名为 file 的文件。
• 删除 dir1 的所有内容，但不删除目录本身。
• 列出 dir 的内容。

一切进展顺利。你已经学习了一些基本知识，例如切换目录、检查目录内容、创建和删除文件和目录。在下一章中，你将学习如何在终端中复制文件和文件夹。敬请关注！

via: https://itsfoss.com/delete-files-folders-linux/

作者：Abhishek Prakash 选题：lkxed 译者：geekpi 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出