ഒരു വിദേശ ഭാഷ പഠിക്കാനും അഭിമുഖങ്ങൾക്കായി തയ്യാറെടുക്കാനും ANKI നിങ്ങളെ എങ്ങനെ സഹായിക്കും എന്നതിന്റെ രണ്ട് കഥകൾ

മടിയനായ ഒരു പ്രോഗ്രാമർ നല്ല പ്രോഗ്രാമറാണെന്ന് ഞാൻ എപ്പോഴും വിശ്വസിച്ചിരുന്നു. എന്തുകൊണ്ട്? കാരണം കഠിനാധ്വാനിയോട് എന്തെങ്കിലും ചെയ്യാൻ ആവശ്യപ്പെടുക, അവൻ പോയി അത് ചെയ്യും. അലസനായ ഒരു പ്രോഗ്രാമർ 2-3 മടങ്ങ് കൂടുതൽ സമയം ചെലവഴിക്കും, പക്ഷേ അവനുവേണ്ടി അത് ചെയ്യുന്ന ഒരു സ്ക്രിപ്റ്റ് എഴുതും. ഇത് ആദ്യമായി ചെയ്യാൻ യുക്തിരഹിതമായി വളരെ സമയമെടുത്തേക്കാം, എന്നാൽ ആവർത്തിച്ചുള്ള ജോലികളാൽ ഈ സമീപനം വളരെ വേഗത്തിൽ ഫലം നൽകും. ഞാൻ എന്നെ ഒരു മടിയൻ പ്രോഗ്രാമറായി കരുതുന്നു. അതായിരുന്നു ആമുഖം, ഇനി കാര്യത്തിലേക്ക് കടക്കാം.

കഥ ഒന്ന്

കുറച്ച് വർഷങ്ങൾക്ക് മുമ്പ് എന്റെ ഇംഗ്ലീഷ് എങ്ങനെ മെച്ചപ്പെടുത്താം എന്ന് ഞാൻ ചിന്തിച്ചു. സാഹിത്യം വായിക്കുന്നതിനേക്കാൾ നല്ലതൊന്നും മനസ്സിൽ വന്നില്ല. ഞാൻ ഒരു ഇലക്ട്രോണിക് റീഡർ വാങ്ങി, പുസ്തകങ്ങൾ ഡൗൺലോഡ് ചെയ്തു, ഞാൻ വായിക്കാൻ തുടങ്ങി. വായിക്കുന്നതിനിടയിൽ അപരിചിതമായ വാക്കുകൾ എന്റെ മനസ്സിൽ വന്നുകൊണ്ടിരുന്നു. റീഡറിൽ നിർമ്മിച്ച നിഘണ്ടുക്കൾ ഉപയോഗിച്ച് ഞാൻ അവ ഉടനടി വിവർത്തനം ചെയ്തു, പക്ഷേ ഒരു സവിശേഷത ഞാൻ ശ്രദ്ധിച്ചു: വാക്കുകൾ ഓർമ്മിക്കാൻ ആഗ്രഹിക്കുന്നില്ല. കുറച്ച് പേജുകൾക്ക് ശേഷം ഈ വാക്ക് വീണ്ടും കണ്ടപ്പോൾ, 90% സാധ്യതയുള്ള എനിക്ക് വീണ്ടും വിവർത്തനം ആവശ്യമായി വന്നു, അങ്ങനെ ഓരോ തവണയും. വായിക്കുമ്പോൾ പരിചിതമല്ലാത്ത വാക്കുകൾ പരിഭാഷപ്പെടുത്തിയാൽ മാത്രം പോരാ, മറ്റെന്തെങ്കിലും ചെയ്യണം എന്നായിരുന്നു നിഗമനം. ദൈനംദിന ജീവിതത്തിൽ ഇത് പരിചയപ്പെടുത്തുകയും അത് ഉപയോഗിക്കാൻ തുടങ്ങുകയും ചെയ്യുക എന്നതാണ് അനുയോജ്യമായ ഓപ്ഷൻ, പക്ഷേ ഞാൻ ഇംഗ്ലീഷ് സംസാരിക്കുന്ന രാജ്യത്ത് താമസിക്കുന്നില്ല, ഇത് സാധ്യതയില്ല. അപ്പോഴാണ് ഞാൻ ഒരിക്കൽ വായിച്ച കാര്യം ഓർത്തത് സ്പേസ്ഡ് ആവർത്തനം.

അതെന്താണ്, എന്തിനോടൊപ്പമാണ് ഇത് കഴിക്കുന്നത്? ചുരുക്കത്തിൽ, ഇത് ഉണ്ട് വക്രം മറക്കുന്നു, വിക്കിപീഡിയയിൽ നിന്നുള്ള കൂടുതൽ ഉദ്ധരണി:

ഇതിനകം ആദ്യ മണിക്കൂറിനുള്ളിൽ, ലഭിച്ച എല്ലാ വിവരങ്ങളുടെയും 60% വരെ മറന്നുപോയി; 10 മണിക്കൂറിന് ശേഷം, പഠിച്ചതിന്റെ 35% മെമ്മറിയിൽ അവശേഷിക്കുന്നു. പിന്നീട് മറക്കുന്ന പ്രക്രിയ സാവധാനത്തിൽ തുടരുന്നു, 6 ദിവസത്തിന് ശേഷം, ആദ്യം പഠിച്ച മൊത്തം അക്ഷരങ്ങളുടെ 20% മെമ്മറിയിൽ അവശേഷിക്കുന്നു, ഒരു മാസത്തിന് ശേഷവും അതേ തുക മെമ്മറിയിൽ അവശേഷിക്കുന്നു.

ഇവിടെ നിന്നുള്ള നിഗമനവും

ഈ വക്രത്തിന്റെ അടിസ്ഥാനത്തിൽ വരയ്ക്കാവുന്ന നിഗമനങ്ങൾ, ഫലപ്രദമായ മനഃപാഠത്തിന്, മനഃപാഠമാക്കിയ മെറ്റീരിയൽ ആവർത്തിക്കേണ്ടത് ആവശ്യമാണ്.

അങ്ങനെ ഞങ്ങൾ ഒരു ആശയം കൊണ്ടുവന്നു ഇടവിട്ട ആവർത്തനം.

ANKI പൂർണ്ണമായും സ്വതന്ത്രവും ഓപ്പൺ സോഴ്‌സ് പ്രോഗ്രാമാണ്, അത് സ്പേസ്ഡ് ആവർത്തനത്തിന്റെ ആശയം നടപ്പിലാക്കുന്നു. ലളിതമായി പറഞ്ഞാൽ, കമ്പ്യൂട്ടറൈസ്ഡ് ഫ്ലാഷ് കാർഡുകൾക്ക് ഒരു വശത്ത് ഒരു ചോദ്യവും മറുവശത്ത് ഉത്തരവും ഉണ്ട്. നിങ്ങൾക്ക് പതിവ് ഉപയോഗിച്ച് ചോദ്യങ്ങൾ/ഉത്തരങ്ങൾ ചെയ്യാമെന്നതിനാൽ html/css/javascript, അപ്പോൾ അതിന് ശരിക്കും പരിധിയില്ലാത്ത സാധ്യതകളുണ്ടെന്ന് നമുക്ക് പറയാം. കൂടാതെ, ഇത് പ്രത്യേകം ഉപയോഗിച്ച് വികസിപ്പിക്കാവുന്നതാണ് പ്ലഗിനുകൾ, അവയിലൊന്ന് ഭാവിയിൽ ഞങ്ങൾക്ക് വളരെ ഉപയോഗപ്രദമാകും.

കാർഡുകൾ സ്വമേധയാ സൃഷ്‌ടിക്കുന്നത് ദൈർഘ്യമേറിയതും മടുപ്പിക്കുന്നതുമാണ്, കുറച്ച് സമയത്തിന് ശേഷം നിങ്ങൾ ഈ ടാസ്‌ക്കിനെക്കുറിച്ച് മറക്കും, അതിനാൽ ഈ ടാസ്‌ക് ഓട്ടോമേറ്റ് ചെയ്യാൻ കഴിയുമോ എന്ന ചോദ്യം ഞാൻ എന്നോട് തന്നെ ചോദിച്ചു. ഉത്തരം അതെ, നിങ്ങൾക്ക് കഴിയും. ഞാൻ അത് ചെയ്തു. ഞാൻ ഉടനെ പറയും, അത് കൂടുതൽ POC (സങ്കൽപ്പത്തിന്റെ തെളിവ്), എന്നാൽ ഉപയോഗിക്കാൻ കഴിയുന്നത്. ഉപയോക്താക്കളിൽ നിന്നും മറ്റ് ഡെവലപ്പർമാരിൽ നിന്നും താൽപ്പര്യമുണ്ടെങ്കിൽ, സാങ്കേതികമായി നിരക്ഷരരായ ഉപയോക്താക്കൾക്ക് പോലും ഉപയോഗിക്കാൻ കഴിയുന്ന ഒരു പൂർത്തിയായ ഉൽപ്പന്നത്തിലേക്ക് അത് കൊണ്ടുവരാൻ കഴിയും. ഇപ്പോൾ, എന്റെ യൂട്ടിലിറ്റി ഉപയോഗിക്കുന്നതിന് പ്രോഗ്രാമിംഗിനെക്കുറിച്ച് കുറച്ച് അറിവ് ആവശ്യമാണ്.

പ്രോഗ്രാം ഉപയോഗിച്ച് ഞാൻ പുസ്തകങ്ങൾ വായിക്കുന്നു എയർ റീഡർ. ഇതിന് ബാഹ്യ നിഘണ്ടുക്കളെ ബന്ധിപ്പിക്കാനുള്ള കഴിവുണ്ട്, നിങ്ങൾ ഒരു വാക്ക് വിവർത്തനം ചെയ്യുമ്പോൾ, നിങ്ങൾ വിവർത്തനത്തിനായി വിളിച്ച വാക്ക് ഒരു ടെക്സ്റ്റ് ഫയലിലേക്ക് സംരക്ഷിക്കുന്നു. ഈ വാക്കുകൾ വിവർത്തനം ചെയ്യുകയും ANKI കാർഡുകൾ സൃഷ്ടിക്കുകയും ചെയ്യുക മാത്രമാണ് അവശേഷിക്കുന്നത്.

ആദ്യം ഞാൻ വിവർത്തനത്തിനായി ഉപയോഗിക്കാൻ ശ്രമിച്ചു Google ട്രാൻസലേറ്റ്, Lingvo API തുടങ്ങിയവ. എന്നാൽ സൗജന്യ സേവനങ്ങൾ കൊണ്ട് കാര്യങ്ങൾ നടന്നില്ല. വികസന പ്രക്രിയയിൽ ഞാൻ സൗജന്യ പരിധി തീർന്നു, കൂടാതെ, ലൈസൻസിന്റെ നിബന്ധനകൾ അനുസരിച്ച്, വാക്കുകൾ കാഷെ ചെയ്യാനുള്ള അവകാശം എനിക്കില്ല. ഒരു ഘട്ടത്തിൽ, വാക്കുകൾ സ്വയം വിവർത്തനം ചെയ്യേണ്ടതുണ്ടെന്ന് ഞാൻ മനസ്സിലാക്കി. തൽഫലമായി, ഒരു മൊഡ്യൂൾ എഴുതി dsl2html നിങ്ങൾക്ക് ബന്ധിപ്പിക്കാൻ കഴിയുന്നവ DSL നിഘണ്ടുക്കൾ അവരെ എങ്ങനെ മാറ്റാമെന്ന് ആർക്കറിയാം എച്ച്ടിഎംഎൽ ഫോർമാറ്റ്.

* എന്നതിൽ ഒരു നിഘണ്ടു എൻട്രി ഇങ്ങനെയാണ് കാണപ്പെടുന്നത്.html, ഓപ്ഷനുമായി താരതമ്യം ചെയ്യുമ്പോൾ എന്റെ ഓപ്ഷൻ ഗോൾഡൻ ഡിക്റ്റ്

ബന്ധിപ്പിച്ച നിഘണ്ടുവിൽ ഒരു വാക്ക് തിരയുന്നതിന് മുമ്പ്, ഞാൻ അത് കൊണ്ടുവരുന്നു നിഘണ്ടു ഫോം (ലെമ്മ) ലൈബ്രറി ഉപയോഗിക്കുന്നു സ്റ്റാൻ‌ഫോർഡ് കോർ‌എൻ‌എൽ‌പി. വാസ്തവത്തിൽ, ഈ ലൈബ്രറി കാരണം, ഞാൻ ജാവയിൽ എഴുതാൻ തുടങ്ങി, എല്ലാം ജാവയിൽ എഴുതുക എന്നതായിരുന്നു യഥാർത്ഥ പദ്ധതി, പക്ഷേ പ്രക്രിയയിൽ ഞാൻ ലൈബ്രറി കണ്ടെത്തി നോഡ്-ജാവ നോഡെജുകളിൽ നിന്ന് നിങ്ങൾക്ക് ജാവ കോഡ് താരതമ്യേന എളുപ്പത്തിൽ എക്സിക്യൂട്ട് ചെയ്യാൻ കഴിയും, കൂടാതെ ചില കോഡുകൾ ജാവാസ്ക്രിപ്റ്റിൽ എഴുതിയിരിക്കുന്നു. ഈ ലൈബ്രറി നേരത്തെ കണ്ടെത്തിയിരുന്നെങ്കിൽ ഒരു വരി പോലും ജാവയിൽ എഴുതില്ലായിരുന്നു. ഈ പ്രക്രിയയിൽ ജനിച്ച മറ്റൊരു സൈഡ് പ്രോജക്റ്റ് സൃഷ്ടിയാണ് DSL ഡോക്യുമെന്റേഷനോടുകൂടിയ ശേഖരം ഫോർമാറ്റിൽ നെറ്റ്‌വർക്കിൽ കണ്ടെത്തിയത് *.ചം, പരിവർത്തനം ചെയ്ത് ദൈവിക രൂപത്തിലേക്ക് കൊണ്ടുവന്നു. യഥാർത്ഥ ഫയലിന്റെ രചയിതാവ് വിളിപ്പേരുള്ള ഒരു ഉപയോക്താവാണെങ്കിൽ യോജിക് അദ്ദേഹം ഈ ലേഖനം കാണുമ്പോൾ, അദ്ദേഹം ചെയ്ത പ്രവർത്തനത്തിന് ഞാൻ അദ്ദേഹത്തോട് വളരെ നന്ദി പറയുന്നു; അദ്ദേഹത്തിന്റെ ഡോക്യുമെന്റേഷൻ ഇല്ലെങ്കിൽ, ഞാൻ മിക്കവാറും വിജയിക്കുമായിരുന്നില്ല.

അതിനാൽ, എനിക്ക് ഇംഗ്ലീഷിൽ ഒരു വാക്ക് ഉണ്ട്, ഫോർമാറ്റിൽ അതിന്റെ നിഘണ്ടു എൻട്രി *.html, എല്ലാം ഒന്നിച്ചുചേർത്ത്, വാക്കുകളുടെ പട്ടികയിൽ നിന്ന് ANKI ലേഖനങ്ങൾ സൃഷ്‌ടിച്ച് അവ ANKI ഡാറ്റാബേസിൽ നൽകുക മാത്രമാണ് അവശേഷിക്കുന്നത്. ഇതിനായി ഇനിപ്പറയുന്ന പ്രോജക്റ്റ് സൃഷ്ടിച്ചു ഡാറ്റ2അങ്കി. ഇതിന് പദങ്ങളുടെ ഒരു ലിസ്റ്റ് ഇൻപുട്ടായി എടുക്കാം, വിവർത്തനം ചെയ്യുക, ANKI സൃഷ്ടിക്കുക *.html ലേഖനങ്ങൾ അവ ANKI ഡാറ്റാബേസിൽ രേഖപ്പെടുത്തുക. ലേഖനത്തിന്റെ അവസാനം അത് എങ്ങനെ ഉപയോഗിക്കണം എന്നതിനെക്കുറിച്ചുള്ള നിർദ്ദേശങ്ങളുണ്ട്. അതിനിടയിൽ, ഇടവിട്ട ആവർത്തനങ്ങൾ ഉപയോഗപ്രദമാകുമെന്നതാണ് രണ്ടാമത്തെ കഥ.

രണ്ടാമത്തെ കഥ.

പ്രോഗ്രാമർമാർ ഉൾപ്പെടെ കൂടുതൽ/കുറവ് യോഗ്യതയുള്ള സ്പെഷ്യാലിറ്റി തിരയുന്ന എല്ലാ ആളുകളും അഭിമുഖത്തിന് തയ്യാറെടുക്കേണ്ടതിന്റെ ആവശ്യകതയെ അഭിമുഖീകരിക്കുന്നു. അഭിമുഖങ്ങളിൽ ചോദിക്കുന്ന പല ആശയങ്ങളും നിങ്ങൾ ദൈനംദിന പരിശീലനത്തിൽ ഉപയോഗിക്കാത്തതിനാൽ അവ മറന്നുപോകുന്നു. ഒരു അഭിമുഖത്തിന് തയ്യാറെടുക്കുമ്പോൾ, കുറിപ്പുകൾ, ഒരു പുസ്തകം, ഒരു റഫറൻസ് പുസ്തകം എന്നിവ മറിച്ചുനോക്കുമ്പോൾ, നിങ്ങൾക്ക് ഇതിനകം അറിയാവുന്ന വിവരങ്ങൾ വേർതിരിച്ചെടുക്കാൻ വളരെയധികം സമയവും ശ്രദ്ധയും ആവശ്യമാണെന്ന് ഞാൻ അഭിമുഖീകരിച്ചു, കാരണം അത് എല്ലായ്പ്പോഴും വ്യക്തമല്ല, നിങ്ങൾ ചെയ്യേണ്ടത് അപ്രസക്തമായത് എന്താണെന്ന് മനസ്സിലാക്കാൻ ശ്രദ്ധാപൂർവ്വം വായിക്കുക. നിങ്ങൾ ശരിക്കും ആവർത്തിക്കേണ്ട ഒരു വിഷയത്തിലേക്ക് വരുമ്പോൾ, നിങ്ങൾ ഇതിനകം ക്ഷീണിതനായിരിക്കുകയും നിങ്ങളുടെ തയ്യാറെടുപ്പിന്റെ ഗുണനിലവാരം ബാധിക്കുകയും ചെയ്യുന്നു. ചില സമയങ്ങളിൽ ഞാൻ ചിന്തിച്ചു, എന്തുകൊണ്ട് ഇതിനും ANKI കാർഡുകൾ ഉപയോഗിച്ചുകൂടാ? ഉദാഹരണത്തിന്, ഒരു വിഷയത്തിൽ കുറിപ്പുകൾ എടുക്കുമ്പോൾ, ഉടൻ തന്നെ ഒരു ചോദ്യത്തിന്റെയും ഉത്തരത്തിന്റെയും രൂപത്തിൽ ഒരു കുറിപ്പ് സൃഷ്ടിക്കുക, തുടർന്ന് നിങ്ങൾ അത് ആവർത്തിക്കുമ്പോൾ, ഈ ചോദ്യത്തിനുള്ള ഉത്തരം നിങ്ങൾക്കറിയാമോ ഇല്ലയോ എന്ന് നിങ്ങൾക്ക് പെട്ടെന്ന് മനസ്സിലാകും.

ഉയർന്നുവന്ന ഒരേയൊരു പ്രശ്നം ചോദ്യങ്ങൾ ടൈപ്പ് ചെയ്യുന്നത് വളരെ നീണ്ടതും മടുപ്പിക്കുന്നതുമായിരുന്നു. പ്രക്രിയ എളുപ്പമാക്കുന്നതിന്, ഡാറ്റ2അങ്കി പ്രോജക്റ്റ് ഞാൻ കൺവർട്ട് ഫംഗ്ഷണാലിറ്റി ചേർത്തു അടയാളപ്പെടുത്തുക ANKI കാർഡുകളിലെ വാചകം. നിങ്ങൾക്ക് ആവശ്യമുള്ളത് ഒരു വലിയ ഫയൽ എഴുതുക, അതിൽ ചോദ്യങ്ങളും ഉത്തരങ്ങളും പ്രതീകങ്ങളുടെ ഒരു മുൻനിശ്ചയിച്ച ക്രമത്തിൽ അടയാളപ്പെടുത്തും, അതിലൂടെ ചോദ്യം എവിടെയാണെന്നും ഉത്തരം എവിടെയാണെന്നും പാഴ്സർ മനസ്സിലാക്കും.

ഈ ഫയൽ സൃഷ്ടിച്ചുകഴിഞ്ഞാൽ, നിങ്ങൾ data2anki പ്രവർത്തിപ്പിക്കുകയും അത് ANKI കാർഡുകൾ സൃഷ്ടിക്കുകയും ചെയ്യുന്നു. യഥാർത്ഥ ഫയൽ എഡിറ്റുചെയ്യാനും പങ്കിടാനും എളുപ്പമാണ്, നിങ്ങൾ അനുബന്ധ കാർഡ്(കൾ) മായ്‌ച്ച് പ്രോഗ്രാം വീണ്ടും പ്രവർത്തിപ്പിക്കേണ്ടതുണ്ട്, ഒരു പുതിയ പതിപ്പ് സൃഷ്ടിക്കപ്പെടും.

ഇൻസ്റ്റാളേഷനും ഉപയോഗവും

1. ANKI + AnkiConnect ഇൻസ്റ്റാൾ ചെയ്യുന്നു

   1. ഇവിടെ നിന്ന് ANKI ഡൗൺലോഡ് ചെയ്യുക: https://apps.ankiweb.net/
   2. AnkiConnect പ്ലഗിൻ ഇൻസ്റ്റാൾ ചെയ്യുക: https://ankiweb.net/shared/info/2055492159

2. ഇൻസ്റ്റലേഷൻ ഡാറ്റ2അങ്കി

   1. ഡൗൺലോഡ് ഡാറ്റ2അങ്കി ഗിത്തബ് ശേഖരത്തിൽ നിന്ന്

      git clone https://github.com/anatoly314/data2anki

   2. ഡിപൻഡൻസികൾ ഇൻസ്റ്റാൾ ചെയ്യുക

      cd data2anki && npm install

   3. ജാവ ഡിപൻഡൻസികൾ ഡൗൺലോഡ് ചെയ്യുക https://github.com/anatoly314/data2anki/releases/download/0.1.0/jar-dependencies.zip
   4. അൺപാക്ക് ചെയ്യുന്നു ജാർ-ആശ്രിതത്വങ്ങൾ.zip അതിലെ ഉള്ളടക്കങ്ങൾ സ്ഥാപിക്കുക data2anki/java/jars

3. വാക്കുകൾ വിവർത്തനം ചെയ്യാൻ ഉപയോഗിക്കുക:

   1. ഫയലിൽ data2anki/config.json:

      • കീയിൽ മോഡ് മൂല്യം നൽകുക dsl2anki

      • കീയിൽ modules.dsl.anki.deckName и modules.dsl.anki.modelName അതനുസരിച്ച് എഴുതുക ഡെക്കിന്റെ പേര് и മോഡൽ പേര് (കാർഡുകൾ സൃഷ്‌ടിക്കുന്നതിന് മുമ്പ് സൃഷ്‌ടിച്ചിരിക്കണം). നിലവിൽ മോഡൽ തരം മാത്രമേ പിന്തുണയ്ക്കൂ അടിസ്ഥാനപരമായ:

        മുന്നിലും പിന്നിലും ഫീൽഡുകൾ ഉണ്ട്, ഒരു കാർഡ് സൃഷ്ടിക്കും. നിങ്ങൾ മുന്നിൽ നൽകുന്ന ടെക്‌സ്‌റ്റ് കാർഡിന്റെ മുൻവശത്തും നിങ്ങൾ പിന്നിൽ നൽകുന്ന വാചകം കാർഡിന്റെ പിൻഭാഗത്തും ദൃശ്യമാകും.

        യഥാർത്ഥ വാക്ക് എവിടെയാണ്? ഫ്രണ്ട് ഫീൽഡ്, വിവർത്തനം എന്നിവയിൽ ആയിരിക്കും ബാക്ക് ഫീൽഡ്.

        പിന്തുണ ചേർക്കുന്നതിൽ ഒരു പ്രശ്നവുമില്ല അടിസ്ഥാനം (വിപരീത കാർഡ്), പദത്തിനും വിവർത്തനത്തിനുമായി ഒരു റിവേഴ്സ് കാർഡ് സൃഷ്ടിക്കപ്പെടുന്നിടത്ത്, വിവർത്തനത്തെ അടിസ്ഥാനമാക്കി നിങ്ങൾ യഥാർത്ഥ വാക്ക് ഓർക്കേണ്ടതുണ്ട്. നിങ്ങൾക്ക് വേണ്ടത് സമയവും ആഗ്രഹവുമാണ്.

      • കീയിൽ modules.dsl.dictionariesPath ബന്ധിപ്പിച്ചിട്ടുള്ള ഒരു അറേ രജിസ്റ്റർ ചെയ്യുക *.dsl നിഘണ്ടുക്കൾ. ബന്ധിപ്പിച്ച ഓരോ നിഘണ്ടുവും ഫോർമാറ്റിന് അനുസൃതമായി നിഘണ്ടു ഫയലുകൾ സ്ഥിതിചെയ്യുന്ന ഒരു ഡയറക്ടറിയാണ്: DSL നിഘണ്ടു ഘടന
        

      • കീയിൽ modules.dsl.wordToTranslatePath നിങ്ങൾ വിവർത്തനം ചെയ്യാൻ ആഗ്രഹിക്കുന്ന പദങ്ങളുടെ ലിസ്റ്റിലേക്കുള്ള പാത നൽകുക.

   2. ANKI ആപ്ലിക്കേഷൻ റൺ ചെയ്തുകൊണ്ട് സമാരംഭിക്കുക

      node data2ankiindex.js

   3. ലാഭം!!!

4. മാർക്ക്ഡൗണിൽ നിന്ന് കാർഡുകൾ സൃഷ്ടിക്കാൻ ഉപയോഗിക്കുന്നു

   1. ഫയലിൽ data2anki/config.json:

      • കീയിൽ മോഡ് മൂല്യം നൽകുക markdown2anki
      • കീയിൽ modules.markdown.anki.deckName и modules.dsl.anki.modelName അതനുസരിച്ച് എഴുതുക ഡെക്കിന്റെ പേര് и മോഡൽ പേര് (കാർഡുകൾ സൃഷ്‌ടിക്കുന്നതിന് മുമ്പ് സൃഷ്‌ടിച്ചിരിക്കണം). വേണ്ടി markdown2anki മോഡ് മാത്രം മോഡൽ തരം പിന്തുണയ്ക്കുന്നു അടിസ്ഥാനപരമായ.

      • കീയിൽ modules.markdown.selectors.startQuestionSelectors и modules.markdown.selectors.startAnswerSelectors നിങ്ങൾ യഥാക്രമം ചോദ്യത്തിന്റെയും ഉത്തരത്തിന്റെയും തുടക്കം അടയാളപ്പെടുത്തുന്ന സെലക്ടറുകൾ എഴുതുന്നു. സെലക്ടറുമൊത്തുള്ള ലൈൻ തന്നെ പാഴ്‌സ് ചെയ്യില്ല, അത് കാർഡിൽ അവസാനിക്കുകയുമില്ല; അടുത്ത വരിയിൽ നിന്ന് പാഴ്‌സർ പ്രവർത്തിക്കാൻ തുടങ്ങും.

        ഉദാഹരണത്തിന്, ഈ ചോദ്യോത്തര കാർഡ്:

        

        മാർക്ക്ഡൗണിൽ ഇത് ഇതുപോലെ കാണപ്പെടും:

        #ചോദ്യം# ## ചോദ്യം 5. താഴെ പറയുന്ന വാക്യഘടന ഉപയോഗിച്ച് ശരിയായി പ്രവർത്തിക്കുന്ന ഒരു മൾ ഫംഗ്ഷൻ എഴുതുക. ```javascript console.log(mul(2)(3)(4)); // ഔട്ട്പുട്ട് : 24 console.log(mul(4)(3)(4)); // output : 48 ``` #ഉത്തരം# അത് എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നതിന്റെ വിശദീകരണത്തോടുകൂടിയ കോഡ് ചുവടെയുണ്ട്: ```javascript ഫംഗ്‌ഷൻ mul (x) { return function (y) { // anonymous function return function (z) { // അജ്ഞാത ഫംഗ്ഷൻ റിട്ടേൺ x * y * z; }; }; } ``` ഇവിടെ `mul` ഫംഗ്‌ഷൻ ആദ്യത്തെ ആർഗ്യുമെന്റ് സ്വീകരിക്കുകയും രണ്ടാമത്തെ പാരാമീറ്റർ എടുക്കുന്ന അജ്ഞാത ഫംഗ്‌ഷൻ നൽകുകയും മൂന്നാം പാരാമീറ്റർ എടുക്കുന്ന അജ്ഞാത ഫംഗ്‌ഷൻ നൽകുകയും നിർവചിച്ച Javascript ഫംഗ്‌ഷനിൽ തുടർച്ചയായി പാസ് ചെയ്യുന്ന ആർഗ്യുമെന്റുകളുടെ ഗുണനം നൽകുകയും ചെയ്യുന്നു. അകത്ത് ബാഹ്യ ഫംഗ്‌ഷൻ വേരിയബിളിലേക്ക് ആക്‌സസ് ഉണ്ട്, ഫംഗ്‌ഷൻ ഫസ്റ്റ് ക്ലാസ് ഒബ്‌ജക്‌റ്റാണ്, അതിനാൽ ഇത് ഫംഗ്‌ഷൻ വഴിയും തിരികെ നൽകാനും മറ്റൊരു ഫംഗ്‌ഷനിൽ ഒരു ആർഗ്യുമെന്റായി കൈമാറാനും കഴിയും. - ഒരു ഫംഗ്‌ഷൻ എന്നത് ഒബ്‌ജക്റ്റ് തരത്തിന്റെ ഒരു ഉദാഹരണമാണ് - ഒരു ഫംഗ്‌ഷന് പ്രോപ്പർട്ടികൾ ഉണ്ടായിരിക്കുകയും അതിന്റെ കൺസ്ട്രക്‌റ്റർ രീതിയിലേക്ക് തിരികെ ഒരു ലിങ്ക് ഉണ്ടായിരിക്കുകയും ചെയ്യാം - ഒരു ഫംഗ്‌ഷൻ വേരിയബിളായി സംഭരിക്കാം - ഒരു ഫംഗ്‌ഷൻ മറ്റൊരു ഫംഗ്‌ഷനിലേക്ക് ഒരു പാരാമീറ്ററായി കൈമാറാം - ഒരു ഫംഗ്‌ഷൻ ആകാം മറ്റൊരു ചടങ്ങിൽ നിന്ന് മടങ്ങി
        

        ഇവിടെ നിന്ന് എടുത്ത ഉദാഹരണം: 123-ജാവാസ്ക്രിപ്റ്റ്-ഇന്റർവ്യൂ-ചോദ്യങ്ങൾ

        പ്രോജക്റ്റ് ഫോൾഡറിൽ ഉദാഹരണങ്ങളുള്ള ഒരു ഫയലും ഉണ്ട് examples/markdown2anki-example.md

      • കീയിൽ modules.markdown.pathToFile
        ഫയലിലേക്കുള്ള പാത എഴുതുക *.md ചോദ്യം/ഉത്തര ഫയൽ

   2. ANKI ആപ്ലിക്കേഷൻ റൺ ചെയ്തുകൊണ്ട് സമാരംഭിക്കുക

      node data2ankiindex.js

   3. ലാഭം!!!

ഒരു മൊബൈൽ ഫോണിൽ ഇത് ഇങ്ങനെയാണ്:

ഫലം

ANKI-യുടെ ഡെസ്‌ക്‌ടോപ്പ് പതിപ്പിൽ ലഭിച്ച കാർഡുകൾ ANKI ക്ലൗഡിൽ (100mb വരെ സൗജന്യം) പ്രശ്‌നങ്ങളില്ലാതെ സമന്വയിപ്പിച്ചിരിക്കുന്നു, തുടർന്ന് നിങ്ങൾക്ക് അവ എല്ലായിടത്തും ഉപയോഗിക്കാം. Android, iPhone എന്നിവയ്‌ക്കായി ക്ലയന്റുകൾ ഉണ്ട്, നിങ്ങൾക്കത് ബ്രൗസറിലും ഉപയോഗിക്കാം. തൽഫലമായി, നിങ്ങൾക്ക് ചെലവഴിക്കാൻ ഒന്നുമില്ലെങ്കിൽ, ഇൻസ്റ്റാഗ്രാമിൽ ഫേസ്ബുക്കിലൂടെയോ പൂച്ചകളിലൂടെയോ ലക്ഷ്യമില്ലാതെ സ്ക്രോൾ ചെയ്യുന്നതിനുപകരം, നിങ്ങൾക്ക് പുതിയ എന്തെങ്കിലും പഠിക്കാൻ കഴിയും.

എപ്പിലോഗ്

ഞാൻ സൂചിപ്പിച്ചതുപോലെ, ഇത് ഒരു പൂർത്തിയായ ഉൽപ്പന്നത്തേക്കാൾ നിങ്ങൾക്ക് ഉപയോഗിക്കാൻ കഴിയുന്ന ഒരു പ്രവർത്തിക്കുന്ന POC ആണ്. DSL പാഴ്‌സർ സ്റ്റാൻഡേർഡിന്റെ ഏകദേശം 30% നടപ്പിലാക്കിയിട്ടില്ല, അതിനാൽ, ഉദാഹരണത്തിന്, നിഘണ്ടുവിലുള്ള എല്ലാ നിഘണ്ടു എൻട്രികളും കണ്ടെത്താൻ കഴിയില്ല, അത് വീണ്ടും എഴുതാനും ഒരു ആശയമുണ്ട് ജാവാസ്ക്രിപ്റ്റ്, കാരണം എനിക്ക് "സ്ഥിരത" വേണം, കൂടാതെ, ഇപ്പോൾ അത് വളരെ ഒപ്റ്റിമൽ ആയി എഴുതിയിട്ടില്ല. ഇപ്പോൾ പാഴ്സർ ഒരു മരം നിർമ്മിക്കുന്നു, എന്നാൽ എന്റെ അഭിപ്രായത്തിൽ ഇത് അനാവശ്യമാണ് കൂടാതെ കോഡ് സങ്കീർണ്ണമാക്കേണ്ടതില്ല. IN markdown2anki മോഡ്, ചിത്രങ്ങൾ പാഴ്‌സ് ചെയ്തിട്ടില്ല. ഞാൻ ചെറുതായി മുറിക്കാൻ ശ്രമിക്കും, പക്ഷേ ഞാൻ എനിക്കായി എഴുതുന്നതിനാൽ, ഞാൻ തന്നെ ചുവടുവെക്കുന്ന പ്രശ്നങ്ങൾ ഞാൻ ആദ്യം പരിഹരിക്കും, പക്ഷേ ആരെങ്കിലും സഹായിക്കാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, നിങ്ങൾക്ക് സ്വാഗതം. പ്രോഗ്രാമിനെക്കുറിച്ച് നിങ്ങൾക്ക് ചോദ്യങ്ങളുണ്ടെങ്കിൽ, പ്രസക്തമായ പ്രോജക്റ്റുകളിലെ തുറന്ന പ്രശ്നങ്ങളിലൂടെ സഹായിക്കാൻ ഞാൻ സന്തുഷ്ടനാണ്. മറ്റ് വിമർശനങ്ങളും നിർദ്ദേശങ്ങളും ഇവിടെ എഴുതുക. ഈ പ്രോജക്റ്റ് ആർക്കെങ്കിലും ഉപയോഗപ്രദമാകുമെന്ന് ഞാൻ പ്രതീക്ഷിക്കുന്നു.

PS നിങ്ങൾ എന്തെങ്കിലും പിശകുകൾ ശ്രദ്ധയിൽപ്പെട്ടാൽ (കൂടാതെ, നിർഭാഗ്യവശാൽ, ചിലത് ഉണ്ട്), എനിക്ക് ഒരു സ്വകാര്യ സന്ദേശത്തിൽ എഴുതുക, ഞാൻ എല്ലാം ശരിയാക്കും.

അവലംബം: www.habr.com