?si=1戰國時期的李構提出了“識人五法”。
即：第壹，居視其所親。看壹個人平常都與誰在壹起：如與賢人親，則可重用，若與小人為伍，就要當心；第二，富視其所與。
看壹個人如何支配自己的財富：如只滿足自己的私欲，貪圖享樂，則不能重用，如接濟窮人，或培植有為之士，則可重用；第三，達視其所舉。壹個人處於顯赫之時，就要看他如何選拔部屬：若任人為賢，則是良士真人，反之，則不可重用；第四，窘其所不為。
當壹個人處於困境時，就要看其操守如何；若不做茍且之事，不出賣良心，則可重用，反之，則不可用；第五，貧視其所不取。人在貧困潦倒之際也不取不義之財，則可重用，反之，不可重用。
2. 文言文在線翻譯器
勾踐被圍困在會稽，悵然感慨說：“我就死在這裏了嗎？（或者是會在這裏終了嗎？）”種說：“古時候有商湯被綁在夏臺上，文王被囚在麥裏，晉國公子重鬥逃往翟，齊國公子小白奔赴苦，他們最終都稱王稱霸，由此可見，何嘗不是福呢？”吳王已經赦免越王，越王勾踐回到國家，於是就憂心苦思，在坐案前放上苦膽，坐著或躺著的時候就能擡頭仰望到膽，吃飯的時候也嘗嘗苦膽。
還對自己說：“妳還記得會稽的恥辱嗎？”親自參與勞作，他的夫人也親自織布，吃飯不加肉（其實就是不吃肉食），穿衣不註重彩色的衣服（其實就是不穿彩衣），屈己禮賢下士，親厚來訪的賓客，接濟窮人，吊唁死者，和百姓們***同勞苦。 下面是翻譯的側重點，可以看壹下： 解釋：第壹句：勾踐之圍會稽也：這裏的“之”有時候在古文中表被動，這句話是被動句。
“湯希夏臺，文王囚麥裏，晉重鬥奔翟，齊小白奔苦，其卒王霸。由是觀之，何速不為福乎？”主要是講述歷代稱王稱霸的人中有很多也是歷經過困苦才成就的。
這裏的“其卒” “其”代表他們，“卒”表示最終，（這裏好像有幾個字寫錯了吧地名好像不對哦（*^__^*） ） 吳既赦越，越王勾踐反國：這裏的“既”是已經的意思，古文中這個很常見的；“反”通“返”，返回的意思。 乃苦身焦思，置膽於坐，坐臥即仰膽，飲食亦嘗膽也：“乃”這裏是於是的意思，古文中常見的；“苦身焦思”：憂心苦思的意思；“置”有“放”的意思，“於”這裏是“在”的意思； 女誌會稽之恥邪？：這裏的“女”是通假字，通“汝”，古文中是“妳”的意思，“誌”是記得的意思，“邪”讀音為ye（和爺爺的爺字讀激場館渡弋盜龜醛駭互音差不多）意思是“嗎”等表示疑問的疑問詞。
身白操作，夫人自織，食不加肉，衣不重采，折節下賢人，厚賓客，臟貧吊死，與百姓同其勞：這裏的“身”在古文中大多為“親自”的意思，當然還有別的意思。 這是根據我自己以前學習文言文的經驗翻譯的，供參考哈。
3. 有沒有專門把現代文翻譯成文言文的軟件
沒有專門的，但是百度翻譯就可以把現代文翻譯成文言文。
百度翻譯： 百度翻譯是百度發布的在線翻譯服務，依托互聯網數據資源和自然語言處理技術優勢，致力於幫助用戶跨越語言鴻溝，方便快捷地獲取信息和服務。 百度翻譯支持全球28種熱門語言互譯，包括中文、英語、日語、韓語、西班牙語、泰語、法語、阿拉伯語、葡萄牙語、俄語、德語、意大利語、荷蘭語、希臘語、愛沙尼亞語、保加利亞語、波蘭語、丹麥語、芬蘭語、捷克語、羅馬尼亞語、瑞典語、斯洛文尼亞語、匈牙利語、越南語、粵語、文言文和中文繁體等，覆蓋756個翻譯方向。
“世界很復雜，百度更懂妳”，百度翻譯擁有網頁版和手機APP等多種產品形態，此外還針對開發者提供開放雲接口服務，日均響應上億次翻譯請求。除文本翻譯外，結合用戶多樣性的翻譯需求，推出網頁翻譯、網絡釋義、海量例句、權威詞典、離線翻譯、語音翻譯、對話翻譯、實用口語和拍照翻譯等功能，讓用戶暢享每壹次翻譯體驗。
2013年2月28日，結合移動手機使用場景，百度翻譯正式推出Android手機客戶端，2013年3月7日，正式發布iOS手機客戶端。2015年5月，發布神經網絡翻譯（NMT）系統，是世界上首個互聯網NMT線上產品。
2015年6月，發布手機端離線NMT系統，支持中英日韓等多種語言。2016年7月5日，百度人工翻譯正式發布，為用戶提供付費的精準人工翻譯服務，致力於更全面地滿足不同場景下用戶的翻譯需求。
2016年9月，百度人工翻譯正式全流量上線。
4. 有壹款可以把白話文翻譯成文言文的手機軟件叫什麽
有壹款可以把白話文翻譯成文言文的手機軟件叫百度翻譯。
百度翻譯是百度發布的在線翻譯服務，依托互聯網數據資源和自然語言處理技術優勢，致力於幫助用戶跨越語言鴻溝，方便快捷地獲取信息和服務。百度翻譯支持全球28種熱門語言互譯，包括中文（簡體）、英語、日語、韓語、西班牙語、泰語、法語、阿拉伯語、葡萄牙語、俄語、德語、意大利語、荷蘭語、希臘語、愛沙尼亞語、保加利亞語、波蘭語、丹麥語、芬蘭語、捷克語、羅馬尼亞語、瑞典語、斯洛文尼亞語、匈牙利語、越南語、粵語、文言文和中文（繁體）等，覆蓋756個翻譯方向。
擴展資料：
所研發的深度學習與多種主流翻譯模型相融合的在線翻譯系統以及“樞軸語言”翻譯等技術，處於業內領先水平。1、對神經網絡翻譯（NMT）方法進行了系統而深入的研究，針對NMT存在的問題提出了系列創新方法，發表於領域頂級會議ACL、EMNLP、AAAI、IJCAI等。
其中『Multi-Task Learning for Multiple Language Translation』被紐約時報評價為『開創性的工作』。2、創新性地提出了將深度學習模型和多種主流翻譯模型相融合，包括傳統的基於規則、基於實例、基於統計等翻譯策略，做到發揮多種方法各自優勢，從而從整體上提升翻譯效果。
3.、系統提出了基於“樞軸語言（pivot language）”的機器翻譯模型，攻克了機器翻譯中小語種覆蓋和語言快速遷移的難題。4.、將百度先進的搜索技術與翻譯技術相結合，基於網頁檢索、網站權威性計算、大數據挖掘、新詞偵測等技術，從海量的互聯網網頁中獲取高質量翻譯知識。