前言：中文期刊網精心挑選了克雷洛夫范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
克雷洛夫范文1
1、主要作品
《大炮和風帆》、《剃刀》、《鷹與雞》、《快樂歌聲》、《受寵的象》、《狼和小羊》、《獅子分獵物》、《狼與鶴》、《獸國的瘟疫》等等。
2、人物簡介
克雷洛夫（1769年2月13日 - 1844年11月21日）來自俄國，是世界著名的寓言家、作家，全名是伊萬·安德列耶維奇·克雷洛夫?？死茁宸虺錾谝粋€沒落的貴族之家，是個貧窮的步兵上尉家庭。
（來源：文章屋網 ）
克雷洛夫范文2
【關鍵詞】教學 網絡技術 金融學類 教學效果
【中圖分類號】G642【文獻標識碼】A【文章編號】1006－9682（2010）11－0099－01
一、問題的提出
網絡技術的發展為高等院校金融學類課程教學提出了更高的要求，一方面要求授課教師不斷掌握更新、更豐富的經濟學理論、方法和知識，及時了解新的學術動態，不斷更新知識；另一方面又提出了教學手段改革的要求。金融學類課程具有信息量大、理論性強、政策性強、經濟學方法應用多、圖表多、與社會經濟發展的關系密切等特點。因此，利用傳統的黑板書寫方式進行課程教學，必然存在著無法進行圖式、報表及大型案例的課堂演示教學，極大地影響著授課速度，同時也存在著難以引起學生的學習興趣、師生交流少、教學效果差等現象。在這種情況下，改革金融學類課程的教學方式，以提高教學效果，便成為一項亟待解決的重要課題。
二、網絡技術輔助教學的主要應用方式
1．無紙化備課網上傳輸講稿
從長遠趨勢來看，無紙化計算機投影教學將是高等院校金融學類教學的發展方向，利用office工具的PowerPoint、Excel和Word軟件制作的講稿，不僅具有版面美觀、信息量大、易播放、教學直觀等優點，而且還容易保存、修改和網上傳輸。在采用計算機投影教學的情況下，使計算機通過局域網與Internet連接，只要任課教師把事先制作好的電子講稿存放在Internet網絡各網站的文件夾或E－mail信箱中，便可空手走進教室，方便地從教室的網絡計算機上取到自己的講稿，輕松自如地進行計算機投影教學，并可在任何有計算機網絡的地方取到該講稿及其他事先存放的文件，也可將自己的講稿和其他資料在網上，使任何有計算機網絡的地方都能接收到網上的信息。
2．網絡查詢資料豐富教師備課內容
我國目前正處于政治體制改革起步和經濟體制改革深化階段，這就要求任課教師在授課過程中，注意結合我國政治體制改革和經濟體制改革的新內容以及市場經濟中出現的新問題進行授課，注重培養學生處理問題和解決問題的能力。任課教師在備課時應充分利用計算機網絡上各網站提供的查詢功能，根據限定條件迅速查詢到備課所需要的內容，既方便、快捷，又全面、系統。而且利用網絡查詢備課資料可以避免任課教師在以往講課舉例中的“假如”、“如果”等虛假的例子，網絡中能為任課教師提供最新的討論課題、豐富教學案例，使任課教師的授課內容更豐富、更生動，理論性更高，實踐性更強，必然會提高任課教師的備課水平和教學質量。
3．擴大案例教學提高教學效果
現代金融教學以案例為主，傳統黑板書寫式教學效率極差，利用計算機投影教學，任課教師只要把教學案例和較大的圖表利用掃描儀掃入計算機，存入計算機硬盤的文件夾或軟盤，便可利用計算機在較短的時間內播放教學案例和圖表。學生也可做到專心聽講，只需對教師講解的重點問題或擴展性問題進行紀錄，不必去抄案例和圖表，既節約時間，又有利于提高教學效果。
4．增加動畫內容，提高PPT電子講稿質量。
多媒體教學的質量在很大程度上取決于PPT講稿的制作質量，利用動畫技術、切換技術等制作高質量的PPT電子講稿，提高教學用電子講稿的“美”感，是多媒體教學的一種必然趨勢。為促進電子講稿質量的提高，學校在制定多媒體教學電子講稿審查、評價、考核、獎勵制度的同時，應加大培訓的力度，并定期地進行多媒體教學大賽，促進多媒體教學水平的提高。
5．利用校園網雙向交流促進教學相長
任課教師可在校園網的個人主頁、聊天室或E－mail信箱中開設教學問題討論專欄，定期或不定期地解答學生提出的問題，對講課中的難點、重點問題進行詳細輔導或給出提示要點、答案等，對布置難度較大的作業給以提示和指導。學生也可對任課教師授課內容的不同觀點發表自己的看法，對任課教師的講課內容、方式等提出要求，對任課教師講課的不足或不良行為提出意見。通過這種雙向的師生交流，可以起到促進教學相長的目的。
6．利用留言板或電子信箱監督考核任課教師的教學效果
利用留言板或電子信箱學生可以對教師的教學狀況提出意見，監督教師的教學情況，管理人員也可以通過查閱留言板了解教學中學生的意見，從而避免過去那種由教師和領導代替學生評價任課教師教學效果的現象，實現對任課教師的公正評價。當然，這種自由發表意見的方式，存在一定缺陷，應加強引導與管理才能有比較好的效果。
三、基本結論
以上根據個人的教學實踐，談了六個方面的教學體會，對現代化教學手段在金融學類課程教學中的應用進行了初步探討。網絡技術及其他現代化教學手段的應用，在促進教學相長，大幅度提高教學效果的同時，也增加了任課教師的工作時間和工作難度，對任課教師提出了更高的要求。一方面，要求任課教師要最大限度增加信息量、合理組織和選擇授課內容，擴展自身知識面及其技能以增加授課的知識性、趣味性和有效性，不斷提高教學效果；另一方面也要求任課教師具有一定的計算機水平、網絡技術水平以及制作PPT電子講稿的技能，以達到更好地發揮各種教學手段的作用。在高等學校的金融學類教學中，利用網絡技術輔助教學是一種必然趨勢，各任課老師應將網絡技術的應用與多媒體教學課件的制作結合起來，充分利用現有的網絡資源，最大限度地利用現代化教學手段改進教學，這樣才能不斷提高金融學類課程的教學質量。
參考文獻
1 唐衛清.信息網絡技術與應用［M］.北京：清華大學出版社，2003
2 馬時來.計算機網絡使用教程［M］.北京：清華大學出版社，2003
克雷洛夫范文3
關鍵詞 水平衰減全反射傅里葉變換紅外光譜； 離散小波特征提取； 人工神經網絡； 鱗毛蕨科植物； 識別分析
2011-05-15收稿；2011-09-09接受
* E-mail:
1 引 言
隨著現代科學技術的發展，學科之間的聯系越來越密切，出現了許多相互交叉、相互滲透的邊緣科學。20世紀60年代前后，在植物分類學與植物化學這兩門科學之間出現了一門新的邊緣科學――植物化學分類學[1]。植物化學分類學亦稱植物化學系統學，是利用化學的特征，來研究植物各類群間的親緣關系，探討植物界的演化規律。對于一個植物體而言，其化學成分不是單一的，如何利用其復雜的化學成分來進行物種間的鑒別成為一個植物化學分類學的焦點問題[2]。傅里葉變換紅外光譜由于能給出復雜體系的所有物質的化學結構信息，不同植物體具有不同的化學成分或相同的化學成分所占比例的不同，都可以產生不同的傅里葉變換紅外光譜，因而將傅里葉變換紅外光譜技術作為一種分析工具應用于植物的識別具有重要的理論意義和現實依據[3]。借助于化學計量學，能夠更為準確和快速地利用傅里葉變換紅外光譜法進行植物的分類與識別[4～9]。
蕨類植物早在4億年前便已遍布地球表面，它同時兼具原始維管束植物與高等隱花植物雙重演化的地位。大多數蕨類植物均有藥用價值，藥用蕨類植物含有黃酮、甾類、生物堿等活性物質，對多種疾病有明顯療效[10]。本研究選擇形態較為相似的3種鱗毛蕨科的中型草本植物貫眾、闊鱗鱗毛蕨及變異鱗毛蕨為分析對象，采用水平衰減全反射傅里葉變換紅外光譜法測定FT-IR后運用離散小波進行特征提取，得到特征向量值后進行人工神經網絡訓練及檢驗，得到了較高的識別率。
2 實驗部分
2.1 儀器與樣品
NEXUS 670型傅里葉變換紅外光譜儀（美國Thermo公司），配DTGS 檢測器，OMNIC E.S.P. 5.1智能操作軟件，水平衰減全反射（HATR）附件，光譜范圍為4000～650 cm
Symbolm@@ 1，分辨率2 cm
Symbolm@@ 1， 掃描累加次數64次。
貫眾為鱗毛蕨科植物貫眾（Cyrtomium fortunei J. Sm）的干燥全草；闊鱗鱗毛蕨為鱗毛蕨科植物闊鱗鱗毛蕨（Dryopteris championii （Bench） C. Chr. apud Ching）的干燥全草；變異鱗毛蕨為鱗毛蕨科植物變異鱗毛蕨（Dryopteris varia （L.） O. Ktze.）的干燥全草。所有樣品均于2008年3月分別采自于浙江金華北山及四川峨眉山，并經過浙江師范大學植物學教研室及上海師范大學植物學教研室鑒定。將采得的樣品洗凈，不經過任何化學處理，于避光處晾干。然后分別裁取樣品的根部作為分析的對象，放入粉碎機中粉碎，再置于瑪瑙研缽上研磨成約75
SymbolmA@ m的細小均勻粉末。準確稱取每種樣品8 mg，待測。
2.2 測定方法
在采集數據前，按要求將HATR附件水平放置于傅里葉變換紅外光譜儀的樣品倉中，分別將樣品粉末置于鍺晶片與校正壓力裝置之間，轉緊壓力裝置后直接測定樣品的FT-IR。為了降低測定誤差，每次測定接觸面積均固定為0.314 mm.2，圖譜基線采用自動校正法進行校正。
2.3 數據處理
通過測定，得到樣品的FT-IR。采用Matlab 6.1軟件，對拷貝自實驗中所給定的樣品的FT-IR進行一維離散小波變換，在各個分辨率下觀察樣品的FT-IR差異程度，從中選擇兩個具有代表性的分辨率進行提取特征向量值。進行人工神經網絡識別時，以3種蕨類根部的FT-IR作為實驗樣本。樣本的訓練集和測試集各選取240個，每種植物不同產地的訓練數及預測樣本數各選擇40個，樣本經過FT-IR測定后進行一維離散小波特征提取，其所選擇的特征向量值作為特征信息進行ANN的訓練與預測。
3 結果與討論
3.1 鱗毛蕨科3種植物根的HATR-FTIR譜圖比較
貫眾、闊鱗鱗毛蕨和變異鱗毛蕨3種植物根部典型的FT-IR如圖1所示。
圖1 3種蕨類植物根部的FT-IR
Fig．1 FT-IR spectra of the root of three kinds of pteridophyte plants
a. 貫眾； b. 闊鱗鱗毛蕨； c. 變異鱗毛蕨。a. Cyrtomium fortunei J. Sm; b. Dryopteris championii （Bench） C. Chr. apud Ching; c. Dryopteris varia （L.） O. Ktze.
從圖1可見，由于黃酮、甾類、生物堿、三萜類化合物、鞣質、甾醇、內酯、氨基酸等是蕨類植物中主要的活性物質，故在3300 cm
Symbolm@@ 1均有羥基伸縮振動吸收峰，并在1030～1200 cm
Symbolm@@ 1間出現不同的CO鍵伸縮振動吸收峰。在3378 cm
Symbolm@@ 1處的吸收峰為三萜類、多糖類和甾醇類化合物的羥基吸收峰。3328，1612和1434 cm
Symbolm@@ 1處的吸收峰為氨基酸的氨基和酸根吸收峰。1031 cm
Symbolm@@ 1處為糖類的CO吸收峰，由于1031 cm
Symbolm@@ 1處的吸收峰為第一強峰，可推斷屬多糖類化合物。在2921和1373 cm
Symbolm@@ 1處的吸收峰為CH2和CH3的吸收峰。
由于3種蕨類植物為同科植物，所含化學成分比較相近，所以從所得FT-IR圖譜很難直接獲得更多分類識別的信息。小波變換是繼傅里葉變換后所出現的一種更為有效的信號處理及特征提取方法，素有“數學顯微鏡”之稱。為了更為直觀地識別3種鱗毛蕨科植物，采用離散小波變換進行提取特征向量值。它能將圖譜變換為一系列小波系數，這些系數可以被高效壓縮和存儲。提取特征向量后進一步采用人工神經網絡進行分類識別。
3.2 3種蕨類植物的離散小波特征提取
在進行離散小波分解時，應該根據信號的光譜特性選擇適當的小波基函數和分解層數。在小波多分辨率分解過程中，根據HATR-FT-IR信號的特性并比較不同分辨率下信號分解的效果， 確定合適的小波基及小波尺度。其標準是突出原始光譜中的若干個特征峰，并選取平滑性好的小波基。常用的小波基有Mexicon hat，Meyer，Morlet，Daubechies，Coiflet及Symlets等（圖2）。以小波基形狀與待分析信號形狀是否更接近及衰減信號是否更快作為選擇的前提，經比較分析，選取了Daubechies小波作為“分析小波”。本研究提取小波域中原始信號FT-IR中的兩個特征峰，以提取其特征值。對3種蕨類植物的FT-IR分別進行了一維離散小波變換，分解的層數為5。經過比較分析，選擇其中兩層（4和5）提取特征值。
圖3為利用離散小波變換分別對貫眾、闊鱗鱗毛蕨及變異鱗毛蕨的FT-IR進行多分辨率離散小波變換分解的結果。由圖3可見，當離散小波變換的分辨率比較低時，從小波域上無法分辨其光譜的主要特征，因為其中有較多的細節干擾信號。而細節信號對光譜變化比較敏感，對原始光譜中各個特征峰反應過于強烈，不利于特征提取。因此，取第4層和第5層這2個分辨率的離散小波細節信號作為特征變
圖2 小波基函數的曲線
Fig．2 Wavelet basis function curves in time domain
（a） Mexicon hat wavelet；（b） Meyer wavelet；（c） Morlet wavelet；（d） Daubechies wavelet；（e） Coiflet wavelet；（f） Symlets wavelet.
圖3 離散小波分解3種蕨類根部FT-IR的結果
Fig．3 Result of pre-processed spectra of FTIR spectra of the root of three kinds of pteridophyte plants with multiresolution discrite wavelet transform （DWT）
量提取空間。特征變量定義為離散小波域內第4層和第5層這2個分辨率下光譜的能量。為了有效提取離散小波域內兩個分辨率下的具有代表性的特征值，對每個分辨率下的光譜分別劃分特征區間?？紤]到植物FT-IR譜的復雜性，本研究從區別比較大的兩個區域劃分了特征區間（圖4）。由圖4可見，第4層和第5層每層劃分為兩個區域，每種植物共獲得4個特征值，作為人工神經網絡的輸入與輸出值。
圖4 3種蕨類植物特征區間劃分示意圖
Fig．4 Division of two feature regions of detail signal in DWT domain
a. 貫眾； b. 闊鱗鱗毛蕨； c. 變異鱗毛蕨。a. Cyrtomium fortunei J. Sm; b. Dryopteris championii （Bench） C. Chr. apud Ching; c. Dryopteris varia （L.） O. Ktze.
3.3 反向傳播（Back-propagation，BP）算法
由于本研究主要用于植物的分類和識別，故采用人工神經網絡的反向傳播（BP）網絡模型。對于反向傳播神經元網絡，當各節點均采用Sigmoid 型函數時，一個隱含層就足以實現任意的判決分類問題。采用本研究組已建立的算法[11]，并采用隨機輸入方式。
3.4 網絡確定與應用結果
經實驗確定BP網絡結構為4個輸入節點、6個隱層節點和3個輸出節點，誤差0.05， α為0.8，η為0.02。考察訓練成功的網絡對3種蕨類植物如何進行識別。所用的BP網絡結構中4個輸入節點依次為歸一化為0～1之間的4個特征向量，輸出節點按作為教師信號的蕨類植物種類分為：1類（貫眾）；2類（闊鱗鱗毛蕨）；3類（變異鱗毛蕨）。訓練后的網絡對240個不同產地樣品的FT-IR經過離散小波變換后的特征向量數據的預測結果見表1。
從預測結果可見，貫眾、闊鱗鱗毛蕨及變異鱗毛蕨這3種蕨類植物均基本上被正確判別，只有采自四川峨眉山的闊鱗鱗毛蕨和變異鱗毛蕨各有一個樣本被錯誤分類，兩產地的預測準確率平均值分別達100.00%, 98.75%和98.75%。
3.5 結論
（1）蕨類植物作為藥用多使用根部，考慮到根部受環境的影響相對比較小，所以研究時采用蕨類根部作為實驗對象；（2）與壓片法及液膜法不同，利用HATR-FT-IR法測定蕨類植物，能進行直接測定獲得譜圖，從而使所得FT-IR有較好的可比性。采用離散小波變換進行數據壓縮可以對紅外吸收較為相似的貫眾、闊鱗鱗毛蕨及變異鱗毛蕨3種蕨類植物的FT-IR進行特征提取。選擇第4層和第5層分辨率下的特征值作為分析的基礎，從所得特征值進行人工神經網絡分類能夠較為有效地進行分類。此方法在形態較為相似的同科植物貫眾、闊鱗鱗毛蕨及變異鱗毛蕨3種蕨類植物的分類上具有較高的可行性，從而為光譜學與計算機科學技術相結合在植物分類學中的更為廣泛的應用提供了較為科學的研究基礎。
References
1 LIU Shu-Qian, ZHENG Jun-Hua, GUO De-An, XU Bing-Jiu. Northwest Pharmaceutical J., 1999, 14（5）: 222～225
劉叔倩, 鄭俊華, 果德安, 徐秉玖. 西北藥學雜志, 1999, 14（5）: 222～225
2 HUANG Hao, SUN Su-Qin, XU Jin-wen, WANG Zhao. Spectrosc. Spec. Anal., 2003, 23（2）: 253～257
黃 昊, 孫素琴, 許錦文, 王 釗. 光譜學與光譜分析, 2003, 23（2）: 253～257
3 Lv H F, Cheng C G, Tang X, Hu Z H. Acta Bot. Sinica, 2004, 46（4）: 401～406
4 CHENG Cun-Gui, TIAN Yu-Mei, ZHANG Chang-Jiang. Chinese J. Anal. Chem., 2008,36（8）: 1051～1055
程存歸, 田玉梅, 張長江. 分析化學, 2008,36（8）: 1051～1055
5 CHENG Cun-Gui, XIONG Wei, JIN Wen-Ying. Chinese J. Anal. Chem., 2009, 37（5）: 676～680
程存歸, 雄 瑋, 金文英. 分析化學, 2009, 37（5）: 676～680
6 Cheng C G, Liu J, Zhang C J, Cai M Z, Xiong W. Appl. Spectros. Rev., 2010, 45（2）: 148～164
7 Cheng C G, L J, Wang H, Xiong W. Appl. Spectros. Rev., 2010, 45（3）: 165～178
8 CHENG C G, Liu J, Cao W Q, Zheng R W, Wang H, Zhang C J. Vib. Spectrosc., 2010, 54（1）: 50～55
9 CHEN Zhi-Cheng, LIU Jun-Xian, HUANG Shu-Shi, TAO Zhan-Hua, WANG Yi-Bing. Com. Appl. Chem., 2009, 26（4）: 482～486
陳植成, 劉軍賢, 黃庶識, 陶站華, 王一兵. 計算機與應用化學, 2009, 26（4）: 482～486
10 CHENG Cun-Gui, MAO Jiao-Yan. Chem. Indu. Forest Prod., 2005, 25（2）: 107～110
程存歸, 毛姣艷. 林產化學與工業, 2005, 25（2）: 107～110
11 CHENG Cun-Gui, Tian Yu-Mei, Zhang Chang-Jiang. Acta Chim. Sinica, 2008,66（7）: 793～798
程存歸, 田玉梅, 張長江. 化學學報, 2008, 66（7）： 793～798
Recognition Among Three Kinds of Pteridophyte Plants Based on
Fourier Transform Infrared-Discrete Wavelet Feature Extraction
and Artificial Neural Network Classification Method
YU Peng.1, XU Rui.2, CHENG Cun-Gui*1
.1（College of Chemistry and Life Science, Zhejiang Normal University, Jinhua 321004, China）
.2（College of Chemical and Pharmaceutical Engineering,
Henan University of Science and Technology, Luoyang 471003, China）
Abstract Fourier transform infrared （FT-IR） and horizontal attenuated total reflectance （HATR） techniques were used to obtain the FT-IR of three kinds of pteridophyte plants （the root of Cyrtomium fortunei J. Sm, Dryopteris championii （Bench） C. Chr. apud Ching and Dryopteris varia （L.） O. Ktze.）. The similar features of FT-IR among the root of Cyrtomium fortunei J. Sm, Dryopteris championii （Bench） C. Chr. apud Ching and Dryopteris varia （L.） O. Ktze. were extracted by discrete wavelet transform. The scale 4 and 5 were used to extract the feature vectors, which were used to train the artificial neural network（ANN）. The trained neural network was used to classify the root of Cyrtomium fortunei J. Sm, Dryopteris championii （Bench） C. Chr. apud Ching and Dryopteris varia （L.） O. Ktze., which were collected from different places. According to 240 prediction samples, we could effectively identify the root of Cyrtomium fortunei J. Sm, Dryopteris championii （Bench） C. Chr. apud Ching and Dryopteris varia （L.） O. Ktze. by FT-IR with discrete wavelet feature extraction and artificial neural network classification.
克雷洛夫范文4
這篇寓言說的是：有個善做鮮魚湯的杰米揚，不了款待朋友?？ǎ隽擞窒阌殖?，凝結得像琥珀似的魚湯請客。他一盆一盆在敬客人，不讓休息，不讓停止，一個勁地勸。?？ǔ缘么蠛谷缱ⅲ餐χ粤怂谋P，撐得苦不堪言，還得假裝吃得津津有味的樣子?！斑@樣的朋友我才喜歡，那幫吃東西挑剔的大人先生，我就覺得惹氣?！苯苊讚P嚷道，“吃得痛快！好再來的盤吧！”
結果如何呢？克雷洛夫告訴我們：老?？m然喜歡吃湯，卻馬上站起來，趕緊拿起帽子、腰帶和手杖，用足全力跑回家去，再也不上杰米揚家了。
寓言的結尾，克雷洛夫發了幾句議論，言簡意明，很富哲理性。他說：“我的作家你不要以不自已是稀有的天才，可是如果你不懂得適當的節制，老是在人家的耳旁鼓噪不休，久而久之，你的朋友，你的詩歌和散文，就要比杰米揚的湯更加令人討厭。”
這個故事和作者點題的話說明，任何事物都有保持其一定量的數量界限。好客、熱情也有一定的度。在一定的界限內，量的變化不會改變事物的質，而一旦超出這個界限，量的變化就會引起質的變化。鮮美無比魚湯無疑是款待客人的佳品，過量了，就會好心不得好結果，存心敬客反而把客人嚇跑。
克雷洛夫范文5
“推敲”，是一則耳熟能詳的故事。
元代辛文房《唐才子傳》載：
（賈）島字閬仙，范陽人也……當冥搜之際，前有王公貴人，皆不覺。游心萬仞，慮入無窮……雖行坐寢食，苦吟不輟。嘗跨蹇驢張蓋，橫截天衢，時秋風正厲，黃葉可掃，遂吟曰：“落葉滿長安?！狈剿紝俾?，杳不可得，忽以“秋風吹渭水”為對，喜不自佟R蛺仆淮缶琢跗艸，被系一夕，旦釋之。后復乘閑策蹇，訪李余幽居，得句云：“鳥宿池中樹，僧推月下門?！庇钟鳌吧谩?，煉之未定，吟哦，引手作推、敲之勢，旁觀皆訝。時韓退之尹京兆，車騎方出，不覺沖至第三節。左右擁到馬前，島具實對：“未定推敲，神游象外，不知回避。”韓駐馬久之，曰：“敲字佳。”遂并轡歸。
此段文字記載了唐代詩人賈島苦吟的兩件事。第一件事是賈島為吟出“落葉滿長安”的屬聯而冥思苦想，不覺“唐突大京兆劉棲楚，被系一夕”，幸得“旦釋之”。第二件事是為斟酌“僧推月下門”句用“推”抑或“敲”，賈島“不覺沖至第三節”，冒犯了京兆尹韓退之。這次賈島未因冒犯而致禍，并獲退之“敲字佳”之肯定，享受了與“并轡歸”之待遇。
賈島前后兩次不自覺地沖撞位高權重的京兆尹，足見其錘煉字句的癡醉情狀，為“吟安一個字”，不知耗費了幾多心血！
不只賈島，李白、杜甫、韋應物、歐陽修和范仲淹都是錘煉字句的典范，并贏得了后人的高度贊賞。
老杜詩“花蕊上蜂須”妙在“上”字。李白詩“清水出芙蓉”妙在“出”字。韋蘇州詩“微雨暗深林”更妙在“暗”字。歐陽永叔詞“綠楊樓外出秋千”妙在“出”字。（明?何孟春《馀冬詩話》）
歐公《醉翁亭記》：“峰回路轉，有亭翼然臨于泉上者，醉翁亭也?！币弧耙怼弊郑瑢⑼ぶ?、亭之景、亭之形象俱寫出，如在目前，可謂妙絕矣……（明?李騰芳《文字法三十五則》）
錘煉字句，我國現代文學大家亦不遜于古人。請看朱自清《荷塘月色》中的一段：
月光如流水一般，靜靜地瀉在這一片葉子和花上。薄薄的青霧浮起在荷塘里。葉子和花仿佛在牛乳中洗過一樣；又像籠著輕紗的夢。
文中描寫荷葉荷花，選用“瀉”“浮”“洗”“籠”等動詞，以動寫靜，形神兼具，勾勒出一幕十分迷人的夢幻一般的情景，用詞相當精準。
再看魯迅《藥》的一組句子：
那人便焦急起來，嚷道，“怕什么？怎的不拿！”老拴還躊躇著；黑的人便搶過燈籠，一把扯下紙罩，裹了饅頭，塞與老拴；一手抓過洋錢，捏一捏，轉身去了。嘴里哼著說，“這老東西……”
文中的動詞用得太好了，動詞錘煉可謂爐火純青！若把這些動詞換成別的動詞，效果會如何？把“嚷”改為“說”，把“搶”和“扯”分別改為“拿”和“取”，把“裹”改為“包”，把“塞”改為“交”，把“抓”改為“拿”，把“捏一捏”改為“數一數”，把“哼著說”改為“低聲地說”，如此一改，哪稱得上生動、準確、形象呢？
由此觀之，字句錘煉得法，字詞用得恰當，就如“紅杏枝頭春意鬧”“云破月來花弄影”一樣，著一“鬧”字、“弄”字，而境界全出矣。
修改須忍痛割愛
修改文章，有如羅丹砍掉巴爾扎克雕像的雙手，是一個忍痛割愛的過程。然而，即使再痛苦，文章也得修改。正如俄國作家契訶夫所說：“寫作的藝術，其實并不是寫的藝術，而是刪去寫得不好的東西的藝術?！?/p>
據說，克雷洛夫寫的《杜鵑和公雞》的草稿原有兩百行左右，后來，克雷洛夫對之進行了一遍又一遍的修改，修改中注意錘煉字法、句法、章法，最終，《杜鵑和公雞》只剩下了二十一行。由此可見，克雷洛夫在修改上是怎樣煞費苦心、忍痛割愛的！
文章修改，亦為我國歷代文人所重視。清代“桐城派”的奠基人、文學家戴名世就有“割愛”之說。
戴名世在《張貢五文集序》中言及他年輕時，在山里遇到一個賣藥老者。談到如何寫作，這位老者說：“為文之道，吾贈君兩言，曰‘割愛’而已。”回到家中，戴名世將其得意之作拿出來一讀，果真發現，自認為很多“辭采工麗，議論激越，才氣馳驟”的部分，“皆可愛也，則皆可割也”。將“皆可割”的部分忍痛割下來，則他的文章可保存者不到十分之二三了。陸機說：“茍背義而傷道，文雖愛而必捐?！币簿褪钦f，文章有不符合道義之處，即使文句再精彩可愛也必須捐棄之。而根據老翁的意思，文章中游離或枝節的部分，即使符合道義，也不可以因為私心愛之而不捐棄。以此觀之，老翁之論比陸機更精當。
此后，戴名世即將“割愛”作為修改文章之道。
當代作家中，魏巍堪稱“割愛”的典范。在《誰是最可愛的人》初稿中，他選用了二十多個感人事跡，后來，他對初稿進行了反復修改，刪去了許多內容，最后只選取了三個事例，分別從革命英雄主義、愛國主義、國際主義三個方面歌頌志愿軍戰士。文章改短了，內容精練了，事跡也更感人了。
劉紹棠也是勇于“割愛”的一位作家。他的長篇小說《地火》初稿時有五十萬字。當時，許多出版社爭著向他索稿，然而，劉紹棠卻遲遲沒有交稿，他說：“再刪一回，爭取更少浪費一點國家的紙張、工人的勞動、讀者的時間和金錢?！痹诖撕髢纱未蟮男薷闹?，他大刀闊斧，忍痛割愛，竟刪去了二十萬字。
“割愛”，字雖簡而意深?！案類邸?，可使文章去掉陳詞濫調。留下的文字，即使不算字字珠璣，卻是精而又精，讀之鏗鏘，吟之有味。
克雷洛夫范文6
1、繪本漫畫類，包括：《猜猜我有多愛你》、《爺爺一定有辦法》、《愛心樹》、《石頭湯》、《犟龜》、《一只孤獨的烏鴉》等；
2、寓言神話圣經類，包括：《中國古代寓言故事》、《中國民間故事》、《成語故事365》、《伊索寓言》、《克雷洛夫寓言全集》、《中國神話》、《天方夜譚》等；
3、童話故事類，包括：《木偶奇遇記》、《柳林風聲》、《 綠野仙蹤》、《小豬稀里呼?！?、《笨狼的故事》、《青鳥》等；