首页/新闻资讯/正文详情

MATLAB层次聚类实战:从Excel数据到聚类树可视化

发布时间:2026/11/18 5:41:48 来源:云帆数科 栏目:资讯中心
MATLAB层次聚类实战:从Excel数据到聚类树可视化
简介这份资源面向需要快速上手聚类分析的数据分析初学者与科研人员提供一套基于层次聚类HC的数据聚类可视化方案用Matlab代码实现配套数据以Excel格式存放便于直接替换成自己的数据集进行实验。压缩包为zip格式整体约338KB体量轻巧适合课堂演示、课程作业或论文中的聚类结果展示。资源围绕层次聚类展开涵盖从数据读取、距离计算到聚类树与分类结果可视化的完整流程读者可据此理解HC的合并策略与树状图解读方式并在此基础上调整参数、更换数据以适配不同场景。目前已有120人学习下载可作为入门聚类算法、验证实验思路的实用参考帮助节省从零搭建代码框架的时间。1. 从一张 Excel 表到一张聚类树这套 HC 可视化代码到底能省掉什么手里有一份 Excel 数据表几十行到几百行样本每行几个数值型指标老板或者导师要你「把相似的样本归归类画个图看看」。这个场景下很多人第一反应是打开 Python 写scipy.cluster.hierarchy但如果你日常主力环境就是 MATLAB来回导数据、配环境反而更折腾。这套基于层次聚类Hierarchical ClusteringHC的 MATLAB 代码解决的就是这个具体问题读入 Excel 格式的数据做层次聚类输出聚类树状图和分类结果全程不离开 MATLAB。它适合谁一类是做实验数据分析、问卷分群、样本归类手头数据本来就是 Excel 的从业者和学生另一类是想快速验证聚类效果、不想从零写距离矩阵和 linkage 逻辑的人。层次聚类本身不需要预先指定簇数量会生成一棵完整的合并树你可以在任意高度切一刀得到分类这对「不知道该分几类」的探索性分析特别友好。代码把数据读取、标准化、距离计算、linkage、可视化串成了一条线拿到就能跑改改文件路径和参数就能套自己的数据。2. 层次聚类的数学骨架距离、linkage 与树状图怎么对上2.1 从样本到距离矩阵HC 到底在算什么层次聚类的核心动作只有两步先算样本两两之间的距离再按某种规则把最近的样本或簇不断合并。第一步决定了「相似」怎么定义第二步决定了「合并」的策略。假设你有 n 个样本每个样本是 m 维特征向量第一步会得到一个 n×n 的对称距离矩阵对角线为 0。MATLAB 里最常用的是pdist函数它把 n 个样本压成一个长度为 n(n-1)/2 的距离向量而不是完整矩阵这样省内存。距离度量默认是欧氏距离euclidean但这不是唯一选择。如果你的特征是「城市街区距离」更合理可以换成cityblock如果特征维度高且关心方向而非绝对大小cosine更合适。这一步选错后面整棵树都会歪所以别默认无脑用欧氏距离。% 假设 data 是 n×m 的数值矩阵每行一个样本 % 计算两两距离返回压缩向量 Y Y pdist(data, euclidean); % 查看距离向量长度应为 n*(n-1)/2 n size(data, 1); fprintf(样本数 %d距离向量长度 %d\n, n, length(Y));这段代码里pdist的第二个参数就是距离度量改成cityblock、cosine、correlation都可以。Y不是方阵是上三角展开的向量后面linkage直接吃这个格式。如果你拿到的是已经算好的距离矩阵用squareform转一下再喂给linkage。2.2 linkage 的四种策略single、complete、average、ward 怎么选linkage决定簇与簇之间距离怎么算这是层次聚类最容易踩坑的地方。四种常见策略策略簇间距离定义倾向适用场景single两簇最近点距离容易产生链状长簇样本呈长条分布complete两簇最远点距离倾向紧凑等大簇簇大小相近average两簇所有点平均距离折中较稳健通用默认ward合并后方差增量最小倾向等方差紧凑簇数值特征、希望簇紧凑ward在数值型数据上通常表现最好因为它最小化合并带来的组内平方和增量倾向于生成大小接近的球形簇。但ward要求距离是欧氏距离换成cityblock再用ward在数学上就不自洽了。我一般会先用average跑一版看整体结构再用ward对比如果两者树形差异很大说明数据结构本身不清晰得回头检查特征和标准化。% 用 ward 策略做层次聚类 Z linkage(Y, ward); % Z 是 (n-1)×3 矩阵每行记录一次合并 % 前两列是被合并的簇编号第三列是合并时的距离 fprintf(linkage 矩阵大小%d × %d\n, size(Z,1), size(Z,2));Z的第三列合并距离是画树状图纵轴的依据也是你决定切几类的参考——相邻合并距离如果出现明显跳跃那一刀通常切在跳跃前。2.3 树状图与分类结果dendrogram 和 cluster 的配合dendrogram(Z)画出树状图横轴是样本编号纵轴是合并距离。看图时关注两件事一是整体是否分成几个明显的大分支二是纵轴高度在哪个位置出现「断层」。cluster(Z, maxclust, k)可以按最大簇数切cluster(Z, cutoff, h)可以按距离阈值切。% 画树状图 figure; dendrogram(Z); title(层次聚类树状图); xlabel(样本编号); ylabel(合并距离); % 按最大簇数切分比如切 3 类 k 3; idx cluster(Z, maxclust, k); % idx 是 n×1 的类别标签 disp(各类样本数); disp(histcounts(idx, 1:k1));cluster的maxclust参数是「最多切 k 类」实际可能少于 kcutoff是按距离切更贴近树状图上的视觉判断。两种方式结合用先看树状图找断层高度再用cutoff精确切最后用maxclust验证类别数是否合理。3. 把 Excel 数据喂进 MATLAB读取、清洗与标准化3.1 readtable 读 Excel列名、缺失值和类型陷阱MATLAB 读 Excel 现在首选readtable它返回 table 类型列名自动从首行读取比老的xlsread干净得多。但有几个坑如果 Excel 首行不是列名readtable会把数据首行当列名如果某列混了文本和数字整列可能被读成 cell 或 string空单元格默认读成NaN数值列或缺失字符串。% 读取 Excel 文件指定首行为变量名 filename data.xlsx; T readtable(filename, VariableNamingRule, preserve); % 查看前几行和列类型 head(T) summary(T)VariableNamingRule, preserve保留原始列名包括中文和空格不加这个参数 MATLAB 会把列名改成合法变量名中文列名可能被改得面目全非。summary(T)能一眼看出每列的类型、缺失值数量和取值范围读进来第一件事就该跑它。3.2 缺失值处理与特征列筛选真实 Excel 数据几乎不可能干净。缺失值处理没有万能方案但常见做法是缺失比例低于 5% 的样本直接删高于 5% 的列考虑整列剔除或插补。插补用均值、中位数都行但要在文档里记清楚因为插补会人为缩小方差。% 假设 T 是读进来的 table只保留数值列做聚类 numericCols varfun(isnumeric, T, OutputFormat, uniform); Tnum T(:, numericCols); % 把 table 转成矩阵 data table2array(Tnum); % 删除含 NaN 的行 data(any(isnan(data), 2), :) []; % 或者用中位数插补 % data fillmissing(data, constant, median(data, omitnan)); fprintf(清洗后样本数%d特征数%d\n, size(data,1), size(data,2));varfun(isnumeric, ...)筛出数值列避免把 ID 列、备注列也塞进聚类。table2array转矩阵后any(isnan(data),2)找出任何含 NaN 的行并删除。注意如果 ID 列是数值但无意义聚类前一定要手动排除否则 ID 的大小会污染距离计算。3.3 zscore 标准化为什么不做这一步结果会骗你这是最容易被忽略、后果最严重的一步。假设你有两个特征一个取值范围 0-1另一个 0-10000。欧氏距离里第二个特征完全主导第一个特征等于没参与。标准化把每个特征变成均值 0、标准差 1让各特征等权。% 对每列做 z-score 标准化 dataNorm zscore(data); % 验证标准化后每列均值约 0标准差约 1 fprintf(标准化后均值%s\n, mat2str(round(mean(dataNorm), 4))); fprintf(标准化后标准差%s\n, mat2str(round(std(dataNorm), 4)));zscore默认按列操作正好对应「每个特征独立标准化」。如果你的数据本身量纲统一比如全是百分比标准化不是必须但做了也不会错。唯一例外是特征里有明确的「0 表示不存在」的稀疏结构标准化会破坏这种语义那种情况要谨慎。4. 完整可复现流程从 data.xlsx 到分类结果导出4.1 主脚本骨架一条线跑通读取到出图把前面几节拼起来一个能直接跑的主脚本长这样。我习惯把参数集中在开头方便改。%% 层次聚类主脚本 clear; clc; close all; % 参数区 filename data.xlsx; % Excel 文件路径 distMetric euclidean; % 距离度量 linkMethod ward; % linkage 策略 k 3; % 切分类别数 doStandardize true; % 是否标准化 % 读取数据 T readtable(filename, VariableNamingRule, preserve); numericCols varfun(isnumeric, T, OutputFormat, uniform); data table2array(T(:, numericCols)); data(any(isnan(data), 2), :) []; % 标准化 if doStandardize data zscore(data); end % 聚类 Y pdist(data, distMetric); Z linkage(Y, linkMethod); idx cluster(Z, maxclust, k); % 可视化 figure(Position, [100 100 900 400]); subplot(1,2,1); dendrogram(Z); title([树状图 ( linkMethod )]); xlabel(样本编号); ylabel(合并距离); subplot(1,2,2); gscatter(data(:,1), data(:,2), idx); title([前两特征散点 (k num2str(k) )]); xlabel(特征1); ylabel(特征2); % 导出结果 Tresult T; Tresult.Cluster idx; writetable(Tresult, cluster_result.xlsx); fprintf(结果已导出到 cluster_result.xlsx\n);参数区集中了所有可调项改文件路径、换距离度量、换 linkage、改 k 都在这里。gscatter用前两个特征画散点并按类别着色如果特征多于两个这只是投影不能完全代表聚类结构但能快速看类别是否在某个平面上分离。4.2 参数怎么调距离、linkage、k 的联动这三个参数不是独立的。ward只配欧氏距离average和complete可以配多种距离single对距离度量最不敏感但最容易出链状簇。k 的选择依赖树状图不要拍脑袋定。一个实用的调参流程先用averageeuclidean跑一版看树状图整体形状再换ward跑一版对比如果两版树形差异大说明数据结构不清晰考虑换特征或降维。k 的确定看树状图纵轴找合并距离跳跃最大的位置跳跃前的高度对应的类别数就是候选 k。% 对比不同 linkage 的树状图 methods {single, complete, average, ward}; figure(Position, [100 100 1200 800]); for i 1:4 subplot(2,2,i); Zi linkage(Y, methods{i}); dendrogram(Zi); title(methods{i}); end四张图并排看哪个策略的树状图分支最清晰、断层最明显就用哪个。这一步花两分钟能避免后面反复返工。4.3 结果导出与复现把类别标签写回 Excel聚类结果最终要能交出去。最直接的做法是把类别标签作为新列加回原表导出成 Excel。这样别人拿到文件既能看到原始数据也能看到每个样本被分到哪一类。% 把类别标签加回原 table 并导出 Tresult T; Tresult.Cluster idx; writetable(Tresult, cluster_result.xlsx); % 同时导出每类的统计摘要 for c 1:k mask idx c; fprintf(第 %d 类%d 个样本特征均值 %s\n, ... c, sum(mask), mat2str(round(mean(data(mask,:), 1), 3))); endwritetable会自动处理列名和类型中文列名也能正常写出。每类统计摘要能帮你快速判断分类是否合理——如果某一类只有一个样本或者两类均值几乎一样说明 k 选大了或特征区分度不够。5. 避坑与排查那些让树状图变成一团乱麻的原因5.1 现象树状图所有分支挤在底部看不出结构原因通常是没做标准化某个大范围特征主导了距离所有样本在这个特征上差异巨大导致合并距离整体被拉高小差异被压扁。解决加zscore标准化再重跑。如果标准化后仍然挤在一起检查是否有常数特征方差为 0这种列对距离没贡献但会占维度用std(data)0找出来删掉。5.2 现象single linkage 出现一条长链所有样本串成一串这是 single linkage 的经典问题叫链状效应。原因是它只看最近点距离只要两个簇各有一个点靠近就合并慢慢串成一条链。解决换average或ward。如果业务上确实需要 single 的敏感性那就接受链状结构但切类时要用cutoff而不是maxclust。5.3 现象readtable 读进来列名变成 Var1、Var2原因是 Excel 首行不是列名或者readtable默认的命名规则把非法字符替换了。解决加VariableNamingRule, preserve如果首行确实是数据用ReadVariableNames, false让 MATLAB 自动生成列名再手动赋值。5.4 现象cluster 切出来的类别数和 k 不一致cluster(Z, maxclust, k)是「最多 k 类」如果树状图在达到 k 类之前就出现了距离为 0 的合并重复样本实际类别数会少于 k。解决先去重unique(data, rows)或者改用cutoff按距离切切完用numel(unique(idx))确认实际类别数。5.5 现象换了台电脑跑结果和之前不一样层次聚类本身是确定性的同样的数据和参数结果应该一致。不一致通常来自MATLAB 版本差异导致linkage默认行为微调或者数据读取时 Excel 里有隐藏行/列被读进来。解决固定数据文件用readtable后先size(T)确认行列数再跑聚类。跨版本复现时把Z矩阵存下来对比。6. 进阶技巧用 cophenet 验证聚类质量与多方案对比跑完聚类不是终点你得知道这棵树可不可信。MATLAB 提供了一个现成的指标cophenet它计算树状图对原始距离的拟合程度值越接近 1 越好。这个指标能帮你判断哪种 linkage 策略更适合当前数据而不是靠肉眼看树状图猜。% 对比四种 linkage 的 cophenetic 相关系数 methods {single, complete, average, ward}; fprintf(%-10s %-12s\n, Method, Cophenet); for i 1:4 Zi linkage(Y, methods{i}); c cophenet(Zi, Y); fprintf(%-10s %.4f\n, methods{i}, c); endcophenet(Zi, Y)的第二个参数必须是pdist输出的原始距离向量Y不能是方阵。返回值在 0 到 1 之间越高说明树状图越忠实地反映了原始距离结构。我一般会把这个值和树状图一起看cophenet 高且树状图断层清晰才认为聚类结果可靠。除了 cophenet另一个实用技巧是「多 k 值扫描」。不要只切一个 k把 k 从 2 到 8 都切一遍看每类的样本数分布和类内方差。% 多 k 值扫描看类内平方和随 k 的变化 maxK 8; wss zeros(maxK-1, 1); for kk 2:maxK idxk cluster(Z, maxclust, kk); s 0; for c 1:kk members data(idxk c, :); if size(members,1) 1 s s sum(sum((members - mean(members,1)).^2)); end end wss(kk-1) s; end plot(2:maxK, wss, -o); xlabel(类别数 k); ylabel(类内平方和); title(类内平方和随 k 变化);类内平方和随 k 增大单调下降看的是「拐点」——下降速度突然变缓的位置就是相对合理的 k。这个方法叫肘部法配合树状图断层一起判断比单看一个指标稳。还有一个容易被忽略的点特征选择。层次聚类对无关特征很敏感塞进去一堆噪声列距离结构就被稀释了。如果特征多可以先做主成分分析PCA取累计方差贡献 85% 以上的前几个主成分再做聚类。MATLAB 里pca函数直接返回得分矩阵拿来当输入就行。% PCA 降维后再聚类 [coeff, score, latent] pca(data); explained cumsum(latent) / sum(latent); nPC find(explained 0.85, 1); fprintf(保留 %d 个主成分累计解释 %.1f%%\n, nPC, explained(nPC)*100); dataPCA score(:, 1:nPC); Ypca pdist(dataPCA, euclidean); Zpca linkage(Ypca, ward); figure; dendrogram(Zpca); title(PCA 降维后层次聚类);PCA 之后聚类的一个副作用是主成分是原始特征的线性组合解释性变差你没法直接说「第 3 类在原始特征 X 上偏高」。所以如果业务需要解释每个类的特征含义PCA 要慎用或者只在特征特别多时用来降维聚类完再回到原始特征上做类间均值对比。最后说个我自己的习惯每次跑完聚类不管结果看起来多好都会把Z矩阵和idx一起存成.mat文件。因为调参过程中很容易改着改着就忘了哪版对应哪个结果存下来才能回溯。从那以后我每次做聚类分析都强制走一遍「标准化 → 多 linkage 对比 → cophenet 验证 → 多 k 扫描 → 导出结果」这条线少一步都可能在后面对不上数。希望帮到你。本文还有配套的精品资源点击获取

相关推荐

大厂Agent架构设计与实践:从核心原理到性能优化
大厂Agent架构设计与实践:从核心原理到性能优化

1. 项目概述:大厂Agent架构的核心价值第一次接触Agent架构是在2018年参与某金融风控系统改造时。当时团队需要处理每天超过2亿条的交易数据流,传统微服务架构在实时决策和弹性扩展上遇到了瓶颈。引入Agent架构后,我们成功将异常交易识别响应时… · 2026/11/18 12:12:44

低功耗无线SoC选型:从功耗模型到协议栈的把控思路
低功耗无线SoC选型:从功耗模型到协议栈的把控思路

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/18 12:12:53

Windows 下 CLion + ESP-IDF 开发环境配置与调试实战
Windows 下 CLion + ESP-IDF 开发环境配置与调试实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/11 11:37:41

门头沟低压电工作业证多久拿证别怕考不过白交培训费
门头沟低压电工作业证多久拿证别怕考不过白交培训费

门头沟低压电工作业证多久拿证别怕考不过白交培训费 怕考不过白交培训费?门头沟低压电工作业证到底多久拿证?这些问题,咱们今天一次性说清楚。说实话,很多人报培训班前都会想,这证能不能考过?报名费值不值?其实,只要准备到位,流程清晰,拿证快得很。… · 2026/11/18 15:55:36

考电工证在哪考继续教育学时要求
考电工证在哪考继续教育学时要求

电工证在哪考通过率揭秘?打工人必须知道的真相 现在找工作门槛越来越高,特种作业证已经成了不少岗位的“入场券”。尤其是电工证,几乎是建筑、电力、维修类工作的“标配”。可问题来了: 考电工证在哪考… · 2026/11/18 15:55:36

咸阳电工证有补贴吗怎么拿补贴多少钱全解析
咸阳电工证有补贴吗怎么拿补贴多少钱全解析

咸阳电工证有补贴吗怎么拿补贴多少钱全解析 实操考试心里没底怕挂科,报名时又担心 多少钱 ,这几乎是所有想报考咸阳电工证的学员最真实的顾虑。尤其是一些刚入行的电工从业者,对证书补贴、考试流程、证件有效期这些信息掌握不全,容易踩坑。下面我们就围… · 2026/11/18 15:55:36

广州入户政策有变,电工证可以入户广州,这3个问题你必须知道
广州入户政策有变,电工证可以入户广州,这3个问题你必须知道

广州入户政策有变,电工证可以入户广州,这3个问题你必须知道 现在找工作越来越难,尤其在建筑、电力、制造等行业,很多岗位 急需特种作业证才能上岗找工作 ,如果你正在为“ 在哪考 ”特种作业证发愁,这篇文章帮你理清思路。… · 2026/11/18 15:55:36

修车要不要考电工证网上查询最全指南
修车要不要考电工证网上查询最全指南

修车要不要考电工证网上查询最全指南 工地太忙根本没时间复习考试,很多人对修车是否需要考电工证一头雾水,特别是那些从事汽车维修、机械维修、电动车维修等行业的朋友。今天就来聊聊 修车要不要考电工证 ,以及如何 网上查询… · 2026/11/18 15:55:36

信丰电工证在哪报名考全国通用怎么操作你知道吗
信丰电工证在哪报名考全国通用怎么操作你知道吗

信丰电工证在哪报名考全国通用怎么操作你知道吗 证书过期了不知道怎么复审延期,这事儿真的挺闹心,特别是像咱们这种天天在一线干活的,手头的证一过期,不仅影响项目进展,还可能被单位处罚。信丰电工证在哪报名考?这个问题很多人都问过,但真正搞懂怎么操… · 2026/11/18 15:54:35

长春初级电工证怎么考?通过率揭秘全在这里
长春初级电工证怎么考?通过率揭秘全在这里

长春初级电工证怎么考?通过率揭秘全在这里 之前考的证在外省能不能转过来?这几乎是每个想从事电工工作的人都会问的问题。特别是那些在外地打拼多年、手里握着一张“外地电工证”的人,到了长春想继续干这一行,第一反应就是“我的证能用吗?”。今天我们就… · 2026/11/18 8:19:55

国内电工证报考条件与考试时间
国内电工证报考条件与考试时间

低压电工证怎么考?学历不高也能报名,官方报名入口全在这 你是不是经常听说“电工证是入行门槛”,但又担心自己学历不够、经验不足,根本报不了名?别急,今天就带你从零了解【国内电工证】的报考流程、考试内容,还有怎么在 官方报名入口… · 2026/11/18 8:19:53

电工作业时如何断电?电子证书到底能不能全国通用?
电工作业时如何断电?电子证书到底能不能全国通用?

电工作业时如何断电?电子证书到底能不能全国通用? 实操考试心里没底怕挂科,特别是电工作业时如何断电这一操作,不仅关系到你能不能拿到证书,更关系到以后能不能顺利上岗。很多人觉得这不过就是“断个电”,但其实这里面的门道可不少,稍有不慎就可能出错… · 2026/11/18 14:38:14

电工证做题最新内部消息:怕考不过白交培训费?三招教你稳过
电工证做题最新内部消息:怕考不过白交培训费?三招教你稳过

电工证做题最新内部消息:怕考不过白交培训费?三招教你稳过 你是不是也这样?报名了电工证培训,交了钱,结果一到考试就懵, 怕考不过白交培训费 ?别慌,这是很多初次报考人员的真实写照。而最近, 河南省应急管理厅… · 2026/11/18 0:00:37

许昌电工证在哪复审 别踩坑怕考不过白交培训费
许昌电工证在哪复审 别踩坑怕考不过白交培训费

许昌电工证在哪复审 别踩坑怕考不过白交培训费 怕考不过白交培训费,这几乎是每个想考电工证的学员心中的痛。尤其是在许昌,电工证的报考和复审流程复杂,稍有不慎就可能被坑, 千万别踩坑… · 2026/11/18 0:00:37

老式电工证还能用吗?怎么报名别踩坑,河南企业主都在问的实操真相
老式电工证还能用吗?怎么报名别踩坑,河南企业主都在问的实操真相

老式电工证还能用吗?怎么报名别踩坑,河南企业主都在问的实操真相 实操考试心里没底怕挂科?老式电工证还能用吗?怎么报名又怕被坑?这些问题几乎每个准备考电工证的施工企业负责人心里都在打鼓。尤其是河南本地的中小施工企业,很多都在用老式电工证,但随… · 2026/11/18 0:00:37

双极步进电机控制实战:DRV8818PWPR与PIC18F86K22驱动调试
双极步进电机控制实战:DRV8818PWPR与PIC18F86K22驱动调试

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/17 21:47:42

STM32F207ZG + DRV8818PWPR 步进电机驱动实战解析
STM32F207ZG + DRV8818PWPR 步进电机驱动实战解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/17 21:47:42

DRV8818PWPR+dsPIC30F4013工业级双极步进电机控制方案
DRV8818PWPR+dsPIC30F4013工业级双极步进电机控制方案

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/17 21:47:42

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码