用 Markdown 排版

前言

说实在话,微信公众号自带的排版还是不能满足我的需求,这个真的没有办法,只能借助外部的东西来实现了。

好在微信公众号是支持 Markdown 排版的,所以直接就可以使用 Markdown 来排版。

Markdown Here

Markdown Here 是个浏览器插件,支持 Chrome/Firefox/Safari 浏览器。

Markdown Here非常好用,下载并安装 Markdown Here 插件,然后单击一下或者快捷键 ctrl+alt+M,一键排版不是梦。

Markdown Here 这个插件支持自己修改 CSS 样式,如果有 CSS 基础的话,可以一点一点的试,直到找到自己喜欢的 CSS 样式;

如果没有,或者懒惰,用Markdown Here 自带的或者别人开源的 CSS 样式就好。

阳志平开源的 CSS 样式:

https://github.com/veganshe/CodeBlock/blob/master/Markdown-here/markdown-here-yzp.css

李笑来开源的 CSS 样式:

https://gist.github.com/xiaolai/aa190255b7dde302d10208ae247fc9f2

把 CSS 样式复制到 Markdown Here 那就好了

Md2All

http://md.aclickall.com/

这是一个支持 Markdown 的网站,在左边写内容,右边就可以看见 Markdown 后的样子。

如果不喜欢自带的样式,可以点击一键排版,然后自己修改或者套入合适的 CSS 样式。

最让我喜欢的就是支持代码主题,多种主题,多种享受。

Md2All 支持把写好的内容保持在浏览器,也就是说,如果不清空它的话,一直都能保存下来。

写好之后点复制,然后再黏贴到微信公众号。

任务列表:

任务1,介绍 Markdown Here,已完成;

任务2,介绍 Md2All,已完成;

x任务3,未完成;

相关说明

谷歌浏览器下载 Markdown Here 的话,需要访问外国网站。

Md2All: http://md.aclickall.com/

原则上来说,只要是支持 Markdown 的都可以使用这两个,可是实际使用上可能会稍微有点偏差。

本文分享自微信公众号 - 萧北月(beiyue_lbj)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-03-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 推荐几个油猴脚本

    油猴,也就是 Tampermonkey 是我每一台电脑都会安装的东西,也是我会给熟人介绍和安装的东西。没什么好说的,就是好用。

    伪君子
  • 腾讯暑期实习在线笔试题--魔法序列

    前段时间投实习,腾讯的暑期实习进了在线笔试。结果只做出了一道题(1/5),非常丢人。

    伪君子
  • pip 升级出错的解决办法

    伪君子
  • rio极简数据导入教程

    现在rio包支持读取multi object的文件例如(Excel workbook, .Rdata file, zip directory, or HTML ...

    用户1359560
  • TPHP框架介绍

    TPHP是基于Laravel框架的基础上进行整合的一套便捷性框架,基于Laravel的Composer依赖管理开发。该框架具有高配置型代码设计,使得项目开发者更...

    TPHP
  • Spark MLlib之 KMeans聚类算法详解

    问题导读 1.什么是Spark MLlib ? 2.Spark MLlib 分为哪些类? 3.KMeans算法的基本思想是什么? 4.Spark Mllib ...

    用户1410343
  • 模糊C均值聚类算法(FCM)

    模糊聚类算法是一种基于函数最优方法的聚类算法,使用微积分计算技术求最优代价函数.在基于概率算法的聚类方法中将使用概率密度函数,为此要假定合适的模型.模糊聚类算法...

    AIHGF
  • 无监督学习 聚类分析③

    可以看到有16个指标支持最佳聚类数目为3,5个指标支持聚类数为2,所以该方法推荐的最佳聚类数目为3.

    用户1359560
  • 快速排序的相关算法题(java)

    版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/gdutxiaoxu/article/details/...

    用户2965908
  • 数据概览神器—Pandas-profiling

    Python中有很多常用的数据分析函数,可以帮助我们对样本有一个初步的认识,比如describe()函数,可以很方便地生成每个变量的最大值、最小值、分位数等。

    阿黎逸阳

扫码关注云+社区

领取腾讯云代金券