Linux下Vim工具常用的指令笔记

为了精通vim编辑工具命令,总结自己平时用的vim工具命令(紫色),还扩展自己没用到,读者可根据自身习惯进行取舍。

一、Vim打开、搜索、保存、退出指令

1、打开文件跳到指定行(行号超过文本的行数,默认跳到文本的最后)  -->   vim  +文件的行号 file  或者  vim  file  +文件的行号 (在搜索文件中的关键字的位置后使用,搜索命令grep -w 关键字 * -rn)

2、打开文件跳到指定关键字的第一个的位置  -->   vim file /关键字

3、打开文件后台运行vim并回到控制端 --> Ctrl+z  查看控制台Vim操作的后台数 --> jobs  控制台回到vim编辑器 -->  fg 数字编号(jobs命令可以查看到vim打开不同文件的数字编号)

4、同一个vim窗口打开不同的文件  -->  :sp  /路径/文件名(Enter)  使用用sp命令后,在两文件间进行切换  -->  Ctrl +ww (需按两次w)

5、搜索关键字光标跳到下一个关键字位置 -->  在光标在关键字处使用 Ctrl+*    或者在vim下面的编辑栏输入/关键字  (再按n,表示重复上次操作,即光标再跳到下一个关键字位置;再按N,表示重复上次相反操作,即光标跳到上一个关键字位置)

6、搜索关键字光标跳到上一个关键字位置 -->  在vim下面的编辑栏输入?关键字(n和N功能同第5条一样)

7、移动光标(上、下、左、右)  -->  k、j、h、l或者对应键盘上、下、左、右按键

8、光标移到当页的第一行的第一个字符   --> H

9、光标移到当页的中间行的第一个字符   --> M

10、光标移到当页的最后一行的第一个字符  --> L

11、在某行向右移动n个字符  -->   n+空格  

13、退出编辑  -->  Esc

14、保存  -->  :w(Enter)

15、关闭  -->  :q(加!强制退出)(Enter)

15、保存关闭  -->  :wq(wq!保存强制退出)(Enter)

 

二、Vim光标移动指令 

1、向下移动一页  -->  Ctrl+f 

2、向下移动半页  -->  Ctrl+d 

3、向上移动一页  -->  Ctrl+b 

4、向上移动半页  -->  Ctrl+u 

5、光标向下移动n行  -->   n(Enter)  

6、从文件头开始计算,移动到指定行  -->  :行数(Enter) 或者行数+gg

7、从文件头开始计算,移动文件的开始行第一个字符  -->  gg

8、从文件头开始计算,移动文件的最后一行第一个字符  -->  GG

9、把文件n1行到n2行中字符串str1替换成字符串str2  -->  :20,50s/str1/str2/g

 

10、把文件中字符串str1替换成字符串str2  -->  :1,$s/str1/str2/g或者%s/str1/str2/g

11、将光标所在行与光标的下一行进行合并 --> J

12、返回改动的上一次状态 --> u(与u相反的操作,即前进:Ctrl+r)

 

三、Vim中的编辑指令

1、在光标字母前进行插入编辑  -->  

2、在光标所在行最前面进行插入编辑  -->  I

3、在光标字母后进行插入编辑  -->  

4、在光标所在行最后面后进行插入编辑  --> A

5、在光标的下一行进行编辑  -->  

6、在光标的上一行进行编辑(大写)  -->  

7、替换光标处的字母  -->  

8、依次替换光标处以及光标后的字母  -->   R

9、批量复制(剪切)  -->  复制行数+yy(dd             

10、单行复制(剪切)  -->  yy(dd)

11、删除 -->  x(向后删除一个字符) 或者X(向前删除一个字符)

12、删除n个字符 -->   nx(向后删除n个字符) 或者nX(向前删除n个字符)

13、删除光标到文件第一行所有的数据(包括光标这一行)  --> d1G (复制操作与它相类似:y1G)

14、删除光标到文件最后一行所有的数据(包括光标这一行)  --> dG(复制操作与它相类似:dG)

15、粘贴  -->  p(粘贴到光标下一行)或者P(粘贴到光标上一行)

 

16、删除光标处到该行的最后一个字符 --> d$(复制操作与它相类似:y$)

17、删除光标处到该行的第一个字符 --> d0(复制操作与它相类似:y0)

 

四、Vim其他命令

1、暂时离开Vim编辑工具    --> :! + 空格 +指令(比如想查看/opt目录有什么文件,:! ls /opt)

2、显示行号  -->  :set nu(取消显示行号 ::set nonu)

3、将n1行到n2行内容保存为/opt目录下的filename文件 -->   :n1,n2 w /opt/filename

4、将/opt目录filename文件的内容追加到光标后面 -->  :r /opt/filename

5、将vim中的内容另存为/opt目录的filename文件 -->  :w /opt/filename

6、以文件最后的内容状态保存并退出 -->  ZZ(大写)

 

18)如果复制过来的代码没有对齐,可以用【:起始行,结束行  <】整体左移,(或者用' < '符号 整体向右移动)

输入指令,移动297行到301行,结果就会跟下面的if对齐了。

19)搜索关键字:【/关键字】,可以用n(或者N)从当前关键字焦点切换到下(上)该关键字的焦点。

 

20)要在文本多行的某列位置添加同样的文本(下图实现在选中行的首部增加文本),首先ctrl+v进入可视化状态,然后上下移动光标(选各种要增加的行),再按shift+i进入编辑状态,输入要增加的内容,最后按两次Esc退出即完成。

21)如果终端的窗口不够用,可以用ctrl+shift+t来增加终端的数量;

22)

 

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值