@tsanie #25
因为根本就不是 DoH 的事情，所以自然想不通。想不通是对的，Windows 下有些问题就应该想不通。
我的台式机上偶尔会把我笔记本的 NETBIOS 给解析到本机安装的 vbox 虚拟机的 host-only 内网网卡的网关地址 192.168.56.1 上去，正当我费力半天铆足了劲要查个水落石出的时候它又悄咪咪恢复正常了，这种事上哪说理去？
说不定是 doh 在后台依赖额外的程序流程才能正常运行，而这个额外的流程迫使 dns 更频繁地清理缓存、梳理结果，所以意外地“解决”了问题。
说不定过段日子又卷土重来呢。

@Tumblr #8
不要想当然，不要把不知道的事情在认知上作简化假设，不要把自己有限的经验进行无限制的外推。
其实#1 就已经把原因说透了，也不知你是没看到还是不相信。

Windows 下面 nslookup 是按照“正常”逻辑直连上游解析源的（包括 DNS 服务器和本地 hosts 文件之类），而 ping 以及其他各种实际干活的网络工具可就不是这么连的了，中间夹着一堆系统服务、缓存、网卡适配器、中转协议栈。举例而已，在开着 dnscache 这项服务的情况下，如果笔记本在睡眠状态下从单位网络环境瞬变到家里 WiFi ，大概率接下来好一会儿整个系统都搞不清该不该刷新之前留下的解析结果缓存，当然可以用 ipconfig /flushdns 来强制刷新不过这种技巧不知道的人就只能原地抓狂。或者哪怕 dnscache 处于禁用状态，但本机装了不少虚拟网络适配器，VPN 、zerotier 、虚拟机内网诸如此类的东西，也会被一些随机偶发无规律的事情触发冲突矛盾，让整个系统的 dns 解析混乱。
这个现象反正我是早就见怪不怪了，遇到了就敲命令调用脚本复位重启一些东西，或者单纯地等一小会儿，就恢复正常了。

@newbie666 #53 应该不是写入次数或者写入量超，而是某个时候突然有大量的小数据随机写入，把卡灌崩了。总量没那么容易超的。

@phony2r #4 可能就是因为对 TF 卡的写入压力太大了。
不想大改的话，换 TF 卡，选择标注了 A1 、A2 等级的卡，这类卡在保证大量连续读写速度的前提下，大大提升了随机小数据读写（估计就是加大了内置缓存），A1 、A2 等级是针对移动端应用运行时所需要的随机读写量而提出的标准，符合这俩等级的卡基本上可以当成一块小磁盘给 Linux ，不用担心卡会崩。
如果你本来就用的是标了 A 等级的卡，而且是可靠品牌的正品卡的话，那当我上面这段没说。

@Shilion #8
这个是知晓的，但是我装不了，我自己的设备都是 win10 LTSB 2015 或者 2016 ，版本太低了，更何况 LTSB 要装商店 app 还需要额外配置。
话说我看这个 app 的平台要求，怎么 win10 需要 16299 及以上，但却支持 win8.1 ？

@root01 #3
https://github.com/beckzhu/SimpleRemote
试用了一下，挺好的，比 mRemoteNG 好多了，但因为 mstsc 是自带的，所以这个就当个后备工具吧

@whatalittleboy #6
文件名过长这事儿我遇到还挺多的，我的经验是这类问题只会在“动”对应文件时才体现，而且一般是直接报错、弹提示框。我有这方面经验是因为经常拿自己写的 python 脚本处理下载的黄漫本子，转换成 webp 并打包成 cbz ，还要根据元信息里面的标题进行重命名，于是有些标题特别长的就会导致文件名“超标”，其实也就只是在资源管理器里被认为超标，命令行里一切正常，也能正常打开，也能正常生成缩略图。只有当我移动复制这样的文件的时候，资源管理器才会逼着我去重命名，它觉得“太长了”。

还有个可能是文件系统里面的小错误，文件夹的所有信息包括它内部的文件的列表，都是存在 NTFS 的某种“元文件”里面的（我忘了这种数据实体的术语了），如果对应的记录项出错了或者损坏了，是可能导致某个目录进不去或者进去了不对劲的情况的。可以试试 chkdsk 排查一下。

@krixaar #6
启动参数和配置文件里的宽高应该是一回事，命令行确实在某些场景下更方便灵活，但思路是一致的。
那个 smart sizing 看描述就是变形缩放，甚至都不是锁定比例的缩放，所以没必要纠结 mstsc 能不能自适应分辨率这个问题了，可以认定它就是没有这个功能。

@xyfan 为什么有些人总喜欢顶着别人的真实的实践认识来唱反调，或者至少给出一些尝试性的建议，比如你完全可以跟我说“你试试在标题栏右键看看菜单里有没有自动变更分辨率的选项呢”，这好歹也算建设性发言。否则，如果我不是已经反复确认过 mstsc 确实没有这项功能的话，岂不是又要因为你这随口一说的错误二手经验而浪费不少时间精力？

@xyfan 不，它不会，也没看到有对应的选项。移动端、Mac 平台我不知道，win 自带的 mstsc 是不会自动根据窗口大小来变更分辨率的，只会按照屏幕分辨率来自动设置（这是固定值

用 elevate （其实类似的工具还挺多的）
http://code.kliu.org/misc/elevate/
https://github.com/PaoJiao/elevate

可能跟 qttabbar 没关系，我也在用这个
可能是该目录下某个文件导致的，也可能是缩略图缓存导致的
你可以把目录下所有文件移动到另一个文件夹下面看看，有没有变化
也可以把缩略图缓存重置一下看看

@yhvictor #2
别一被怼就反问对方是否生活不如意，先不提别的，光这个反击模式就已经被用烂了，既没新意也没气势，用了先输一半。
再说，他批评得又没错。

如#3 所言，先排查触摸板、摇杆等等指针输入设备

@2i2Re2PLMaDnghL #5
UTF-8 默秒全

本来就是，不开玩笑。
就算出于某些原因真的不能用、不适合用，也可以在接口或者数据库里加一份自带的对照表

@ch2 #59
tesseract 单就字符识别这块其实不算落后，它只是没有对输入的图像进行很强针对性的预处理，这活交给用户了。
很多现代的 ocr 工具都是杂糅了大量的图像处理、内容分块、排版识别、以及字符处理，运算量极大，多数都是依托于机器学习、深度学习的，不上显卡的话运算速度非常慢。
然后这类新式工具如果要加几个特别的字符的话，就得重新训练一个模型出来。扩展性这方面 tesseract 反而方便得多。
tesseract 就是功能比较少、比较基础，很多字符识别之外的事情得用户自己做。

OCR 这东西我上半年摸鱼玩了一会儿，也是拿 python 写的代码（基本只会这个语言目前），也是着重尝试了 tesseract 。
我个人觉得 tesseract 还是很不错的，性能也好，扩展性也好。不过就是对输入图像的要求有点高，需要预先处理一下，我当时也趁着这个机会玩了玩 opencv 里面的二值化，平均权重、高斯权重窗口之类的。
只要对图像进行合理的预处理，效果还是很好的。其实现在很多不管是开源还是商用闭源的 OCR 库，也都是在输入图像的预处理、和识别模型这两个方面同时下手，单抓一手的效果是不尽如人意的。
tesseract 的模型其实一直在更新迭代，版本号也一直在动。说它落后是不对的，只能说它是个很基础的工具，要想用 tesseract 实现更好的效果需要自己额外做一些工作。
我不是机器学习、人工智能之类的科班出身，不过能确定的是 tesseract 的引擎也是神经网络，长短期记忆 LSTM 。
我当时玩下来的经验是，喂的图像得够干净，最好是白底黑字的二值图，或者浅色底深色字符，如果深色底色的话识别效果会明显劣化。完事噪声一定要少，不管是噪点、摩尔纹、还是大片的强光。
图像预处理的时候最好分区块，除非是电子文档的截图，否则总会有不同内容的区块互相干扰，哪怕同样是文字区块，亮度颜色如果不同也不能用相同的方法和参数来处理。
但即使得到了黑白分明字符清晰的二值图，依然是不够的。tesseract 并不能很好地识别各种段落结构、表格结构、复杂排版，它只能应付相对简单的（也有不小的出错概率）。所以最好是先识别出小的文字区块单元，把整个“文章”打散，变成单行、单词。这个可以用 tesseract 自带的接口，也可以用其他什么算法工具，反正只要把所有的字符区块和对应的坐标提取出来，后面只要把这些区块批量识别，再重新按照坐标把结果区块拼起来就行。
思路就是这么个思路，其实其他 OCR 库也基本上是这个套路，去噪、归一、化整为零。
至于 easyocr 和 paddleocr 这种，我也试用过，准确率和适应性确实比 tesseract 好上不少。不过这类工具一般都是机器学习 /深度学习的范畴，虽然也是神经网络为内核，但一般对算力要求更高，得上显卡，否则纯靠 CPU 算就很慢，明显比 tesseract 要慢得多。我手头的二手闲鱼本，4 代酷睿 2C4T 的 CPU ，用 opencv+tesseract 处理一帧 640x480 的图像差不多 300ms 左右，用 easyocr 需要 1 、2 秒，用 paddleocr 得要 5 、6 秒。我当时拿我自己写着玩的代码，python+OpenCV+tesseract ，基本可以在这个分辨率下“实时”显示摄像头中的文字了，而且是窗户阳光直射下，文字媒介表面不平整（键盘上的字，饮料瓶身贴纸），虽然有不少错误识别，但至少画面移到哪儿，一眨眼的功夫就能在命令行里看到对应的文字。换用 easyocr 和 paddleocr ，得等“半天”，而且同样有不少错误（当然比 tesseract 少一些）。
OCR 这个东西虽然算是“半成熟”的技术了吧，但还远没有完整。很多开源项目还在发展，还有很多公司已经在用自己改进的半成品在赚钱了，更有大型企业组织在积极推动底层关键技术。这里面的门道很多，水非常深。如果只是自己玩玩或者要求不太严格的应用的话，请善用他人智慧成果和“权宜之计”，真想短时间做个“尽善尽美”的东西出来是做梦。