新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何用mermaid-ascii画带属性表和PK/FK键的ER图?

发布时间:2026/11/4 15:27:33来源:尧图网络
如何用mermaid-ascii画带属性表和PK/FK键的ER图?
如何用mermaid-ascii画带属性表和PK/FK键的ER图【免费下载链接】mermaid-asciiRender Mermaid graphs inside your terminal项目地址: https://gitcode.com/GitHub_Trending/me/mermaid-asciimermaid-ascii 是一款在终端中渲染 Mermaid 图表的开源工具它的 ER 图支持可以让你用纯文本画出带属性表和PK/FK 键标记的数据库实体关系图。无需打开图片查看器图表直接打印在终端里方便复制、提交到文档或嵌入 CI 输出中。快速上手一条命令渲染 ER 图 先把 ER 语法写入er.mermaid文件然后执行mermaid-ascii -f er.mermaidER 图由两部分组成关系行实体 ||--o{ 实体 : 关系标签定义两个实体之间的连线与基数属性块实体 { 类型 属性名 键 注释 }让实体渲染成带列的属性表。第一步画实体之间的关系最小示例来自 cmd/testdata/er/classic_order_example.txt渲染后实体是方框关系线带有鸦尾基数符号每条关系标签独占一行、互不重叠┌──────────┐ ┌───────┐ │ CUSTOMER │ │ ORDER │ └───┬───┬──┘ └──┬───┬┘ └||─┼──────places─────────o{┘ │ ┌}|────────contains────────||┘ │└}|┈┈┈┈┈┈┈┈┈┈┈uses┈┈┈┈┈┈┈┈┈┈┈|{┐ ┌──────┴────┐ ┌─────────┴────────┐ │ LINE_ITEM │ │ DELIVERY_ADDRESS │ └───────────┘ └──────────────────┘注意--是识别关系实线..是非识别关系虚线图中uses那条就是虚线。第二步给实体加上属性表在实体名后加{ }块每一行描述一个属性格式为类型 属性名 [键] [注释]实体就从光板方框升级成了三列的属性表完整用例见 cmd/testdata/er/attributes_with_relationship.txt┌─────────────────────┐ ┌──────────────────────┐ │ CUSTOMER │ │ ORDER │ ├────────┬───────┬────┤ ├─────────┬───────┬────┤ │ string │ name │ PK │ │ int │ id │ PK │ │ string │ email │ │ │ decimal │ total │ │ └────────┴──┬────┴────┘ └─────────┴┬──────┴────┘ └||───────────places────────────o{┘关系线会自动从属性表的边框伸出不再穿破方框。第三步标记 PK、FK、UK 键与注释 属性行末尾可以跟一个或多个键标记支持的取值为标记含义PK主键FK外键UK唯一键还支持三种进阶写法组合键用逗号并列如PK, FK主键同时是外键见 cmd/testdata/er/attributes_composite_key.txt行尾注释属性行最后加双引号文字会出现在表格最右列复杂类型decimal(10,2)、string[]、map(string,int)都能原样显示。带键与注释的完整示例来自 cmd/testdata/er/attributes_keys_and_comments.txt渲染结果——键列与注释列各司其职表格自动对齐┌─────────────────────────────────────────────────┐ │ ORDER │ ├─────────┬──────────────┬────┬───────────────────┤ │ int │ id │ PK │ unique identifier │ │ int │ customerId │ FK │ │ │ string │ trackingCode │ UK │ │ │ decimal │ total │ │ includes tax │ └─────────┴──────────────┴────┴───────────────────┘实用技巧ASCII 模式与布局调整纯 ASCII 模式终端或邮件不支持 Unicode 边框时加--ascii切换为--- |风格效果对照见 cmd/testdata/er-ascii/attributes_keys_and_comments.txtmermaid-ascii --ascii -f er.mermaid调整间距-x控制实体之间的水平间距-p控制属性表内边距宽表拥挤时调大即可管道输入没有文件也行cat er.mermaid | mermaid-ascii直接渲染。想深入源码ER 图的解析与绘制逻辑都在pkg/er/目录下键标记的正则校验PK/FK/UK可逗号组合位于 pkg/er/parser.go属性表与鸦尾连线的渲染实现在 pkg/er/renderer.go 和 pkg/er/layout.go更多属性表、键位、复合键的输入/输出对照样本集中在 cmd/testdata/er/ 目录按文件名即可快速定位对应语法场景。掌握了关系行 属性块 键标记这三件套你就可以在终端里画出专业级的数据库 ER 图了 【免费下载链接】mermaid-asciiRender Mermaid graphs inside your terminal项目地址: https://gitcode.com/GitHub_Trending/me/mermaid-ascii创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉