聊天支付之外,原来用微信还可以做这么多事情
itomcoil 2025-01-11 13:59 20 浏览
不知道大家手机里用的最多的APP是什么?
最近,我查看手机使用时间里,比较意外的发现,微信竟然几乎每天都是榜首。
意外之余,我试着去统计了一下,我究竟用微信做了些什么?统计之后,更是发现了,我用微信居然办了这么多学习和办公的事情。
今天跟的大家分享8个功能:
↑上面这张图也是用微信制作出来的,想知道就继续往下看吧。
1、提醒。
随着年龄的增长,愈发的感觉到自己会忘事,而在职场上很多时候,领导或者身边同事通过微信给你安排某一项工作的时候,就可以选择利用微信里面的提醒功能,设置需要提醒的时间。
第一步:点开微信,找到某个微信好友的聊天对话框;第二步:长按好友发过来的对话(不管是语音还是文字都可以设置)2秒钟,就会弹出“提醒”,点击“提醒”;第三步:可根据自己的需求选择提醒时间,上面有时间你自行选择即可,选择时间完成后再点击“设置提醒”。
提醒时间到后,公众号“服务通知”就会弹出消息,若你忘记了,不清楚具体的聊天内容了请点击“详情”,就可以查看详细的内容了。
说说技巧,我在使用这个的时候,自己给自己建了一个群,置顶作为具体的内容,叫做to do list,大概就是把自己需要干的一些工作,然后丢进去,设置提醒,然后到点后提醒自己不忘记事情。(略微遗憾的是win端的微信,目前还不支持提醒功能)
2、拍图识字。(OCR)
原本一直以为只有具备OCR功能的软件才可以更好地解决日常需要拍图识字的问题,在使用flomo的过程中,@少楠创建了一个好的内容分享群,之后在群里了解到微信就可以很好地解决这个问题。
群聊中的图片文字,可以直接提取。
阅读书籍或者文件中的图片,拍照发给自己或者别人,即可以上述方式提取文字。
3、笔记功能。
微信自带了有笔记功能,之前使用的比较少,最近开始用的比较多,可以说,微信自带的笔记功能细节上做的还是不错的,可以满足基本刚需。
最终导出的效果。笔记还可以直接用来分享,既可以转化为文字形式,也可以转化为图片形式。
目前微信的笔记,在电脑和手机端,是可以来回操作的,基本上实现了瞬间同步,较其他版本的笔记软件是非常有好处的,尤其是电脑端的功能越发完善了。
4、公众号一些长文阅读。
现在一些公众号会推一些很有价值的文稿,大多时候,大家会选择收藏活着浮窗,但是这样的可阅读性其实是有所降低的。
我在长文的阅读过程中,喜欢将之导出为pdf阅读,同时在电脑端对该内容进行长期保存。
具体方法如下:点击用本地浏览器打开。
生成PDF格式的内容之后,可以分类保存,也可以打印之后阅读。
5、建多个不同的个人群,分类储存内容。
微信可以收藏文件,但是有一个缺憾就是云端只有2G,保存的多了,就要有取舍,但是可以通过建个人群的方式进行储存内容。
方式:添加朋友,面对面建群。
大家可以根据自己的需要,进行建群,不宜太多。
6、去除水印下载视频
很多时候,我们在制作PPT或者是给剪辑一些较小的视频的时候,经常需要在网络上找一些素材,比如我们在抖音、今日头条或者西瓜视频上看到一个好的视频素材,想下载下来,但直接保存到手机上的视频是会有水印的。
但是使用手机微信端的小程序就可以轻松解决这个问题。
第一步,微信搜一搜,搜“去水印”小程序,点击进入;第二步,在你需要下载的视频下面,找到复制链接,点击复制;第三步,回到微信小程序,然后保存到相册。即可获得需要的视频。
7、添加发票抬头。
适用于,经常需要开发票的小伙伴,具体可以在搜一搜中找到“微信发票助手”小程序,点进去后添加发票信息,就可以保存啦。
8、批量保存(图片+文件)。
用微信发照片应该是最常见的功能,比如我在完成这篇推送的过程中,一些用手机截图,就是用手机发到了文件传送助手,然后在电脑端进行编辑的,要实现多个照片、文件的一键式下载,其实微信早就可以了。
但很多人还不知道,很多时候,还在一个一个下载,这样就太浪费时间了。
总结一下
今天跟大家分享了微信提升工作效率的8大功能:
- 提醒。保证自己不忘事。
- 拍图识字。微信的ocr,免费试用。
- 笔记功能。几乎满足所有刚需的笔记软件。
- 长文阅读转PDF。长期积累自己的数据库。
- 个人群,分类储存。其实就是多个文件传输助手。
- 去水印,下载视频。适合短视频、PPT制作者用。
- 发票助手,解决开发票问题。
- 批量保存图片+文件。尤其适用于日常办公。
如果你觉得好,麻烦点个赞和在看。
相关推荐
- 最强聚类模型,层次聚类 !!_层次聚类的优缺点
-
哈喽,我是小白~咱们今天聊聊层次聚类,这种聚类方法在后面的使用,也是非常频繁的~首先,聚类很好理解,聚类(Clustering)就是把一堆“东西”自动分组。这些“东西”可以是人、...
- python决策树用于分类和回归问题实际应用案例
-
决策树(DecisionTrees)通过树状结构进行决策,在每个节点上根据特征进行分支。用于分类和回归问题。实际应用案例:预测一个顾客是否会流失。决策树是一种基于树状结构的机器学习算法,用于解决分类...
- Python教程(四十五):推荐系统-个性化推荐算法
-
今日目标o理解推荐系统的基本概念和类型o掌握协同过滤算法(用户和物品)o学会基于内容的推荐方法o了解矩阵分解和深度学习推荐o掌握推荐系统评估和优化技术推荐系统概述推荐系统是信息过滤系统,用于...
- 简单学Python——NumPy库7——排序和去重
-
NumPy数组排序主要用sort方法,sort方法只能将数值按升充排列(可以用[::-1]的切片方式实现降序排序),并且不改变原数组。例如:importnumpyasnpa=np.array(...
- PyTorch实战:TorchVision目标检测模型微调完
-
PyTorch实战:TorchVision目标检测模型微调完整教程一、什么是微调(Finetuning)?微调(Finetuning)是指在已经预训练好的模型基础上,使用自己的数据对模型进行进一步训练...
- C4.5算法解释_简述c4.5算法的基本思想
-
C4.5算法是ID3算法的改进版,它在特征选择上采用了信息增益比来解决ID3算法对取值较多的特征有偏好的问题。C4.5算法也是一种用于决策树构建的算法,它同样基于信息熵的概念。C4.5算法的步骤如下:...
- Python中的数据聚类及可视化分析实践
-
探索如何通过聚类分析揭露糖尿病预测数据集的特征!我们将运用Python的强力工具,深入挖掘数据,以直观的可视化揭示不同特征间的关系。一同探索聚类分析在糖尿病预测中的实践!所有这些可视化都可以通过数据操...
- 用Python来统计大乐透号码的概率分布
-
用Python来统计大乐透号码的概率分布,可以按照以下步骤进行:导入所需的库:使用Python中的numpy库生成数字序列,使用matplotlib库生成概率分布图。读取大乐透历史数据:从网络上找到大...
- python:支持向量机监督学习算法用于二分类和多分类问题示例
-
监督学习-支持向量机(SVM)支持向量机(SupportVectorMachine,简称SVM)是一种常用的监督学习算法,用于解决分类和回归问题。SVM的目标是找到一个最优的超平面,将不同类别的...
- 25个例子学会Pandas Groupby 操作
-
groupby是Pandas在数据分析中最常用的函数之一。它用于根据给定列中的不同值对数据点(即行)进行分组,分组后的数据可以计算生成组的聚合值。如果我们有一个包含汽车品牌和价格信息的数据集,那么可以...
- 数据挖掘流程_数据挖掘流程主要有哪些步骤
-
数据挖掘流程1.了解需求,确认目标说一下几点思考方法:做什么?目的是什么?目标是什么?为什么要做?有什么价值和意义?如何去做?完整解决方案是什么?2.获取数据pandas读取数据pd.read.c...
- 使用Python寻找图像最常见的颜色_python 以图找图
-
如果我们知道图像或对象最常见的是哪种颜色,那么可以解决图像处理中的几个用例,例如在农业领域,我们可能需要确定水果的成熟度。我们可以简单地检查一下水果的颜色是否在预定的范围内,看看它是成熟的,腐烂的,还...
- 财务预算分析全网最佳实践:从每月分析到每天分析
-
原文链接如下:「链接」掌握本文的方法,你就掌握了企业预算精细化分析的能力,全网首发。数据模拟稍微有点问题,不要在意数据细节,先看下最终效果。在编制财务预算或业务预算的过程中,通常预算的所有数据都是按月...
- 常用数据工具去重方法_数据去重公式
-
在数据处理中,去除重复数据是确保数据质量和分析准确性的关键步骤。特别是在处理多列数据时,保留唯一值组合能够有效清理数据集,避免冗余信息对分析结果的干扰。不同的工具和编程语言提供了多种方法来实现多列去重...
- Python教程(四十):PyTorch深度学习-动态计算图
-
今日目标o理解PyTorch的基本概念和动态计算图o掌握PyTorch张量操作和自动求导o学会构建神经网络模型o了解PyTorch的高级特性o掌握模型训练和部署PyTorch概述PyTorc...
- 一周热门
- 最近发表
- 标签列表
-
- ps图案在哪里 (33)
- super().__init__ (33)
- python 获取日期 (34)
- 0xa (36)
- super().__init__()详解 (33)
- python安装包在哪里找 (33)
- linux查看python版本信息 (35)
- python怎么改成中文 (35)
- php文件怎么在浏览器运行 (33)
- eval在python中的意思 (33)
- python安装opencv库 (35)
- python div (34)
- sticky css (33)
- python中random.randint()函数 (34)
- python去掉字符串中的指定字符 (33)
- python入门经典100题 (34)
- anaconda安装路径 (34)
- yield和return的区别 (33)
- 1到10的阶乘之和是多少 (35)
- python安装sklearn库 (33)
- dom和bom区别 (33)
- js 替换指定位置的字符 (33)
- python判断元素是否存在 (33)
- sorted key (33)
- shutil.copy() (33)