新闻详情

新闻详情

首页 / 资讯中心 / 详情

Linux中的Vim基本操作

发布时间:2026/11/15 23:29:30来源:尧图网络
Linux中的Vim基本操作
Linux中的Vim基本操作一、安装软件源码安装不推荐软件包安装不推荐包管理器yum/apt✅二、命令行实用操作vim 打开新文件名如果 wq 退出不论有没有写入都会保存vim code.c 14打开 code.c 时定位到指定行CtrlR搜索之前的命令 x自动执行上一次以 x 开头的命令三、Vim 编辑器1. 进入先 touch 一个 code.c然后 vim code.c 就能写代码了2. 三种模式光标移动/删除 —— 编辑a/i/oi光标位置a下一个位置o插入新一行默认 —— 底行模式shift命令模式 —— 替换模式shiftR视图模式 —— 插入模式shiftI3. 普通模式移动光标左下右上hjkl整个文本开头gg末尾shiftG按行行首shift^行尾shift$按词下个词前w上个词前b这一行x 位置数字xl按面上翻一页Ctrlb下翻一页Ctrlf上翻半页Ctrlu下翻半页Ctrld编辑撤销u退出 vim 之后就不能撤销了重做Ctrlr复制整行复制yy删除/剪切整行复制yy剪切/删除dd行内向后从光标开始向后删x向前shiftX粘贴p替换为 xrx从光标所在字符开始批量化替换shiftR大小写切换shift~4. 退出及保存方法一进入底行进入底行 shift冒号w 是保存 wq 是保存退出 q 退出都可以加上感叹号表示强制方法二shiftzz5. 区域选择CtrlQ / Ctrlv 被占用了6. 批量注释/写CtrlQ 进入区域选择 2. 选择好 3. shiftI 进入 insert 模式 4. 输入 // 5. esc 回到普通模式7. 批量删除CtrlQ 进入区域选择 2. 选择好 3. d 删除8. 查找光标所在单词shift# —— n 逆向查找四、底行模式加!执行系统命令! man 3 printf —— 查找 printf批量化替换%s/xxx/aaa/ —— 把 xxx 替换为 aaa两侧打开文件vs 文件名这时候默认操作左侧光标到另一个终端Ctrlww五、gccgcc code.c ~o mycodemycode 不写默认为 a.outgcc ~o mycode.exe code.c code2.c code3.c多个文件的方法可以进行命令行级别的宏定义预处理的本质就是重新编辑代码六、静态库与动态库库库是一套方法或者数据集提供基本接口/功能加速二次开发动态库/共享库用的时候去找多人共享一旦缺失所有程序无法执行本质让公共代码在内存中只存在一份静态库静态库只有在链接的时候有用拷贝给使用者。链接后就不需要了比较动态库形成的可执行程序小可执行程序对静态库依赖小动态库相反所以不能缺失程序运行需要加载到内存—— 静态链接有大量重复代码 —— 动态链接比较节省资源七、make 和 Makefilemake 是一个指令Makefile 是一种文件类型m 可大写可小写
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉