python 点击tree目录、执行下一个操作_学习vim有这一篇就足够了

vi/vim 的重要性不言而喻,比如登录服务器操作。那么如何掌握呢?看这一篇足矣。

因为小闫同学最近迷上了 vim,正在使用并打算以后也用其彻底替代 Pycharm 等编辑工具,所以才有了此文。

更多精彩文章请关注公众号『Pythonnote』或者『全栈技术精选』

1.介绍

vi/vim 是 Linux 上内置的一款文本编辑器,就如同 Windows 上的笔记本工具一样。

要想使用它,先要了解它的三种模式:命令模式、输入模式、末行模式(也被称为底线命令模式 Last line mode)。命令模式可以操作一些快捷键,比如滚屏操作,定位操作等;输入模式就是编辑模式,可以自由的打字输入;末行模式可以输入一些命令,来达到预期效果。

使用 vi/vim 打开一个文件时,默认就是命令模式;在命令模式下输入 i 时,便进入了输入模式;在输入模式下按 esc 键时,又会返回命令模式。在命令模式下,按 : (也就是按shift + ;)时,会看到光标在窗口底部,此时进入了末行模式,在 : 后便可以输入命令。

vi 是老版本文本编辑器,vim 现在成为了主流,他俩命令一样,只是 vim 扩展插件丰富,支持的功能更多而已。本文以常用的 vim 为例进行说明。

2.操作

打开一个文件:

vim test.txt

输入上述命令会在当前目录下寻找并打开 test.txt 文件,如果没有,则在当前目录下新建一个 test.txt 文件。

2.1 命令模式

以下内容全为快捷键,直接按即可,不会有什么显示。

2.注意区分大小写。

3.打开文件默认进入的就是命令模式,输入模式或者末行模式下按 esc 键进入命令模式

控制光标:H是左; J 是下;K 是上;L 是右。

可以使用方向键 (←↓↑→)控制,但是通常不这么做,因为程序员的双手一般都放在字母区域,去按方向键,再回到字母区域所需时间太长。使用 hjkl ,标准打字姿势中右手完全可以操作,方便快捷。

滚屏操作:需要与 Ctrl 键配合使用,向上滚动半屏是 Ctrl + u ,向下滚动半屏是 Ctrl + d。当然为了快速操作,还有滚动一屏:向上滚动一屏 Ctrl + b ,向下滚动一屏 Ctrl + f。

为了记忆,滚动半屏可以看做是 up/down ,分别是 u/d;滚动全屏可以看做 back/forword,分别是 b/f

移动到行首或行尾:这个快捷键一定要记忆,超级方便。

0 :它是数字0。可以快速移动光标到所在行的行首。

$ :英文输入下,按 shift 和数字键 4 即可。可以快速移动光标到所在行行尾第一个不是非空字符下。

^ :英文输入下,按 shift 和数字键 6 即可。可以快速移动光标到所在行,第一个非空字符处。因为敲代码时总有缩进,当然希望到这一行代码的第一个字母,而不是这一行行首的空格了。

其他移动光标的操作:

G :到文件最后一行。如果想要到指定的哪一行可以输入行号,再输入 G 。(注意:是大写的 G)比如到 67 行,输入 67 + G

到指定行是我最喜欢的功能。当然需要配合显示行号使用,显示行号会在末行模式处讲。

gg :到文件第一行。

>> :文本向右移动

<< :文本左移

删除操作:

x :删除光标后一个字符

X :(大写)删除光标前一个字符

d :删除键

dd :删除光标所在行。如果想要删除指定多少行,先输入数字,再输入 dd 即可,比如删除往下的 37 行内容(包含光标所在行),输入 37 dd 。

d0 :删除光标前所有内容

D :删除光标后所有内容

daw :删除光标所在单词(超级常用)

配合可视模式选中一些内容,再按 d 就可以删除这些内容了。

可视模式:v 按字符移动光标选择内容,V (大写) 按行上下移动选择内容。

撤销:u 撤销一步操作,Ctrl + r 反撤销。

复制粘贴:y 是复制,p 是粘贴。配合可视模式,选中内容后,按 y 即可复制,按 p 粘贴。yy 是复制光标所在行。

注意:如果是复制一行内容,粘贴时会向下粘贴一行;如果是复制几个字符,会向光标后粘贴。只针对当前文件有效,也就是退出当前文件后,复制的内容不在了。

重复操作:. 重复上一步操作

替换操作:

按 r 后再按要替换的字母。如将 n 替换为 m :将光标移动到字母 n 下,然后按 r ,再按 m 即可。

按 R 后,再按要替换的字母,替换后,光标会移动到后一个字符,可以再次执行替换操作,不必一直按 r。

进入输入模式:

i:插入光标前一个字符

a:插入光标后一个字符

I:插入行首

A:插入行尾

o:向下新开一行,插入行首

O:(大写)向上新开一行,插入行首

2.2 输入模式

输入模式下,不能使用快捷键,可以正常打字或者使用方向键控制光标。按 Esc 键进入命令模式。

2.3 末行模式

在命令模式下,按 : 进入末行模式。退出末行模式按 esc 键,即可进入命令模式。

显示行号

:set nu

查找

:/要查找的内容

按 n 查找下一个;按 N 查找上一个。

高亮显示查找内容

:set hlsearch

替换

# 末行模式下,将当前文件中的所有abc替换成123

:%s/abc/123/g

# 末行模式下,将第一行至第10行之间的abc替换成123

:1, 10s/abc/123/g

1.%表示整个文件;1, 10表示1到10行范围内

2.s 表示替换

3.g 表示全局

退出文件

# 保存并退出

:wq

# 直接退出

:q

# 强制退出

:q!

3.总结的一些骚操作

1.要查找光标所在单词,直接按下面的快捷键:

*

也就是按 shift + 键盘字母区上方数字键8

2.如何快速选中一个单词:先把光标移动到该单词下方,然后按 b 移动光标到单词首字母,按 v 进入可视模式,再按 e 选中当前单词,即 bve。选中之后就可以按 y 复制,或者按 d 删除了。

3.我想把内容复制后,其他文件也使用,就好像 ctrl c 那样。可以使用如下快捷键:

"+y

先选中所有复制内容,然后按上述快捷键(注意上述快捷键是三个字符)即可复制到系统的剪切板中。

4.如果我想在新打开的文件中粘贴上一个文件中复制的内容呢?

"+p

4.插件

vim 优秀就优秀在它可以使用插件,然后打造出一款类似 Pycharm 的 IDE 工具。本文列举一些常用插件,具体安装对应 GitHub 上操作,自己 google 一下。

插件管理工具 :Vundle

目录树:NERDTree

搜索文件:CtrlP

基于内容搜索文件:ack

python函数跳转功能:ptags 可以查看我的文章『vim 实现 python 函数跳转』

代码折叠:这个不是插件,而是修改 .vimrc 配置文件,Google 一下

代码补全:YCM (YouCompleteMe)

暂时就想起这么多,以后再扩展吧。

更多精彩文章请关注公众号『Pythonnote』或者『全栈技术精选』

深度学习是机器学习一个子领域,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