vim的简单配置和插件安装

Vim 插件应用篇 vim-plug:简洁高效的Vim插件管理工具 Vim-plug是一个Vim插件管理器,利用异步并行可以快速地安装、更新和卸载插件。它的安装和配置都非常简单,而且在操作过程中会给出很多易读的反馈信息,是一个自由、开源、速度非常快的、并行地安装或更新插件,极简的 vim 插件管理器。Vim-plug的获取链接:https://github.com/junegunn/vim-plug。 阅读详情

提纲:本文简单阐述了一下CentOS6.5下vim的简单配置和插件的安装步骤。

一、为什么要配置vim
作为一个初识Linux的菜鸟,第一次打开vim准备编写一个小程序来练练手,却被它的格式打败了,真是别扭至极,因此就自己尝试着简单配置一下vim,日后如果有需求会做进一步的完善。
二、什么是vim
Vim是一款Linux下的文本编辑器,与我们使用的VS不同,它是通过键盘来进行文本编辑的,要想提高在vim下的编程速度,就必须得熟悉vim下的各种指令,当然前提是必须的有一款配置好的vim。
三、简单的vim配置
首先,要配置vim必须在.vimrc文件中。进入/etc目录中,会发现有一个.vimrc文件,但是这个文件中的vim配置是针对所有用户的,所以一般不在这个文件中进行配置;要配置我们自己的vim就需要在自己的工作目录下进行,具体操作如下:
(1)先看自己的工作目录/home/admin下有没有.vimrc文件,如果没有的话,输入如下指令,创建一个.vimrc文件

touch .vimrc

(2)输入如下指令

vim .vimrc

用vim将.vimrc打开进行配置:
在.vimrc中输入代码如下:

  1 set nocompatible
  2 set number
  3 filetype on
  4 set history=1000
  5 color evening
  6 syntax on
  7 set autoindent
  8 set smartindent
  9 set tabstop=4
 10 set shiftwidth=4
 11 set showmatch
 12 set guioptions-=T
 13 set vb t_vb=
 14 set ruler
 15 set nohls
 16 set incsearch
 17 if has("vms")
 18 set nobackup
 19 else
 20 set backup
 21 endif

输入完成之后,在底行模式下输入wq,保存并退出即可。
对这些代码的解释如下:
注:以//开头的为注释行

//去掉讨厌的有关vi一致性模式,避免以前版本的一些bug和局限
set nocompatible
//显示行号
set number
//检测文件的类型
filetype on
//记录历史的行数
set history=1000
//背景使用夜晚模式
color eveing
//语法高亮度显示
syntax on

//下面两行在进行编写代码时,在格式对齐上很有用;
//第一行,vim使用自动对起,也就是把当前行的对起格式应用到下一行;
//第二行,依据上面的对起格式,智能的选择对起方式,对于类似C语言编
set autoindent
set smartindent
//第一行设置tab键为4个空格,第二行设置当行之间交错时使用4个空格
set tabstop=4
set shiftwidth=4
//设置匹配模式,类似当输入一个左括号时会匹配相应的那个右括号
set showmatch
//去除vim的GUI版本中的toolbar
set guioptions=T
//当vim进行编辑时,如果命令错误,会发出一个响声,该设置去掉响声
set vb t_vb=
//在编辑过程中,在右下角显示光标位置的状态行
set ruler
//默认情况下,寻找匹配是高亮度显示的,该设置关闭高亮显示
set nohls

//查询时非常方便,如要查找book单词,当输入到/b
//会自动找到第一个b开头的单词,当输入到/b
//会自动找到第一个bo开头的单词,依次类推,进行查找时,使用此设置会快速找到答案,当你找要匹配的单词时,别忘记回车
set incsearch

//修改一个文件后,自动进行备份,备份的文件名为原文件名加“~“后缀
if has(“vms”) //注意双引号要用半角的引号” “

set nobackup
else
set backup
endif

对vim简单的配置就到此结束了,配置完成之后,可以用vim打开一个测试文件输入代码,便可看到配置后的效果。

四、vim的进一步配置
在自己对vim进行了简单的配置之后,向同学请教了一下他的配置方法,结果有了意外的收获。
1、如果想要将自己的vim打扮的更加漂亮一点,就必须要使用插件了,而如果你的Linux系统下安装了git的话就好办多了,具体操作如下:
首先在根目录下输入如下指令:

which git

查看自己的Linux系统下有没有安装git,如果没有找到,则切换到超级用户root之后,输入如下指令,进行git的安装

yum install git

安装完成之后按Ctrl+d退出超级用户,然后进入自己的主工作目录,输入如下代码,开始安装插件

curl https://j.mp/spf13-vim3 -L > spf13-vim.sh && sh spf13-vim.sh

安装完成之后,可以用vim打开一个测试文件进行代码的写入,会出现如下的效果:
这里写图片描述
此时在命令行模式下我用Ctrl+e快捷键打开插件NERDTree,会出现如下效果:
这里写图片描述
还有其他插件的快捷键方式,如果需要用到的话,可自行在网上进行查询。
2、当然上述的安装方式虽然简单快捷,但是如果我们想自己安装一个插件该如何操作呢?这里以插件Taglist为例进行说明:
第一步:首先在根目录下输入

which ctags

查找一下自己有没有安装ctags插件,如果没有,则切换到root用户下,输入

yum install ctags

进行ctags的安装,然后再切换到普通用户。
第二步:在Linux系统下的浏览器中输入网址http://www.vim.org/scripts/script.php?script_id=273
如下图所示:
这里写图片描述
第三步:进入网址之后,会出现如下页面:
这里写图片描述
第四步:下载taglist_xx.zip ,解压完成,将解压出来的doc的内容放到~/.vim/doc,将解压出来的plugin下的内容拷贝到~/.vim/plugin
第五步:在~/.vimrc 中添加:
let Tlist_Show_One_File=1
let Tlist_Exit_OnlyWindow=1
let Tlist_Use_Right_Window=1
至此,Taglist已经安装完成,我们用vim打开测试文件来看一下效果:
在低行模式下输入Tlist打开Taglist窗口,效果如下:
这里写图片描述

如果想要安装其他插件,可参考以上步骤。
最后对常用的插件进行一下简单的介绍:
1.NERDTree
NERD Tree是一个树形文件管理插件,方便浏览当前目录有哪些目录和文件。

2.Tagbar
该插件能够让你浏览源文件包含的标签,从而提供该源文件的结构简览。其官网的插件说明是这样说的:“它通过创建侧边栏,然后以一定顺序展示从当前文件以 ctags 提取的标签来完成这一功能。这意味着,比如,C++ 中的方法将展示在其自身所定义在的类里边。”

3.YouCompleteMe
YouCompleteMe是一个快速、支持模糊匹配的vim代码补全引擎。由于它是基于Clang引擎为C/C++/Objective-C提供代码提示,也支持其他语言代码提示的引擎。YouCompleteMe还集成了Syntastic,所以一旦你编写代码时语法错误,就会有红色错误示。

4.ctrlp
ctrlp是一款相当棒的插件,主要的功能是对文件进行模糊的查找,如果你的工作目录结构复杂,或者你正在阅读一个较大的项目的话,那么帮你ctrlp可以快速的定位到你想要文件而不必在终端不断的cd、ls。

5.Molokai
这是一个vim的颜色主题,里面加入了一些语法高亮。

6.Surrond
surround可以方便的在字符两边插入各种符号,比如单/双引号,大中小括弧等。

云卓遥控器+DIY高清摄像机的方案(完美接入原系统) 发云卓H16 1080P数图控三合一10公里 其中它月 阅读详情

相关推荐

工业视觉开发者的福音:用C#玩转VisionMaster算子(非方案版完整教程)

本文为工业视觉开发者提供了一份完整的C#与VisionMaster算子二次开发教程,详细介绍了环境配置、算子调用原理、性能优化技巧及实战案例。通过模板匹配和二维码识别等实例,展示了如何高效集成VisionMaster算子到现有框架中,提升工业自动化视觉检测系统的灵活性和性能。

weixin_29280657的博客 271

vim插件安装

1.安装vim插件管理器 第一次使用插件推荐安装插件管理器,它可以简化我们安装插件的步骤。 1.下载 plug.vim 文件,根据操作系统不同,放置在以下autoload目录中: Linux: ~/.vim/autoload Windows: ~\vimfiles\autoload\plug.vim plug.vim地址:https://raw.githubusercontent.com/junegunn/vim-plug/master/plug.vim 2.目录结构如下,之后安装的插件将存放在plugg

专注于C/C++/Linux领域创作 1万+

HFSS学习记录——0. HFSS软件安装(ANSYS Electromagnetics Suite 2023 R1)

HFSS 2023 R1安装步骤

plmxu34的博客 15万+

vim安装、配置大全

首先确保自己电脑联网或存在vim安装包。 执行vim命令,屏幕会出现vim的介绍界面,下方有vim的可安装版本,随便选择一个,执行命令 sudo apt-get install vim-nox 等待安装完毕即可。 下面是配置方法,从网络里搜集的,我就不把全部都粘贴过来,保证只要网络上有的90%下面都有(现在啊) " 不要使用vi的键盘模式,而是vim自己的 set noco

黑色幽默的专栏 1317

旋转变压器软件解码simulink仿真

旋转变压器软件解码simulink仿真、电机转速位置测量

qq_31446727的博客 2582

飞思卡尔16位单片机(二)——CodeWarrior开发环境搭建及新建、调试工程

一、安装CodeWarrior 飞思卡尔16位单片机的开发环境为CodeWarrior5.1,这个软件安装比较简单,软件的安装文件可以从相应的网站上下载。安装CodeWarrior所需要的电脑的硬件资源也比较宽泛,目前一般的电脑都可以满足这个要求,可以支持win10、win7等操作系统。安装过程按照按照软件的提示一步步操作即可。 二、安装USBDM驱动 USBDM是...

bigmarshal的博客 1万+

VIM插件安装与配置

在某些情况下只能用vim编辑器,而没有类似vscode的图形化界面,为vim配置一系列插件即可方便的在vim下编程建议用vscode,经过一番折腾,发现还是vscode好用。

surfaceyan的博客 2298

计量经济学tempdisagg的python库:年度时序变月度

计量经济学tempdisagg的python库:年度时序变月度

素质云笔记 1528

vim 安装插件

vim插件ctags的安装和使用 sudo apt-get install ctags mkdir .vim mkdir .vim/bundle git clone https://github.com/VundleVim/Vundle.vim.git ~/.vim/bundle/Vundle.vim vim .vimrc vim打开.vimrc文件copy内容如下: ​ let g:ctrlp_map = '<c-p>' set encoding=utf

1210

uniapp中使用canvas生成海报,并下载保存到手机相册

如下图,是在H5中,canvas生成后的效果,首先说明,H5不支持返回图片的临时路径,不能用于保存,APP端生成成功后,会返回图片的临时路径用来保存到相册。本地测试,用的网络图片,没有出现跨域的问题,APP端也正常显示。 完整代码:可以将整个代码复制到你得uniapp项目中直接运行。代码中做了详细的注册,关于API的用法,这里只标注的简单的提示,具体还是参考 官方链接uniapp-canvas吧 <template> <view class="demo"> <c.

sunluyi的博客 3万+

【数据集】GPM IMERG Daily Precipitation Dataset

GPM IMERG Daily Precipitation Dataset

WW、forever的博客 1219

Vim安装与配置教程(非常详细)从零基础入门到精通,看完这一篇就够了

网络安全行业产业以来,随即新增加了几十个网络安全行业岗位︰网络安全专家、网络安全分析师、安全咨询师、网络安全工程师、安全架构师、安全运维工程师、渗透工程师、信息安全管理员、数据安全工程师、网络安全运营工程师、网络安全应急响应工程师、数据鉴定师、网络安全产品经理、网络安全服务工程师、网络安全培训师、网络安全审计员、威胁情报分析工程师、灾难恢复专业人员、实战攻防专业人员…网上虽然也有很多的学习资源,但基本上都残缺不全的,这是我自己录的网安视频教程,上面路线图的每一个知识点,我都有配套的视频讲解。

Javachichi的博客 5万+

嵌入式开发工程师笔试面试指南-Linux驱动

linux驱动

weixin_43491077的博客 473

简单的vim配置及插件安装

vim是Linux系统中最常用的文本编辑器,我们可以通过修改配置文件.vimrc和下载插件来定制专属自己的vim IDE。 1.常规配置 设置行号:在.vimrc中输入set nu即可。 设置高亮:输入syntax enable、syntax on 设置自动缩进:输入set autoindent、set cindent 设置tab键的宽度:set tabstop=4 统一缩进为4:se

tttjp的博客 595

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

5 个简单步骤:快速安装和配置 Julia-vim 插件

Julia-vim 是一款专为 Vim 编辑器打造的 Julia 语言支持插件,提供语法高亮、自动缩进、LaTeX 转 Unicode 等实用功能,帮助开发者提升 Julia 代码编写效率。本文将通过 5 个简单步骤,教你快速完成 Julia-vim 插件的安装与基础配置,让 Vim 秒变专业 Julia 开发环境。 ## 步骤 1:选择合适的插件管理器(新手必看) Julia-vim 推荐使

gitblog_00951的博客 1024

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

简单的整理一下VIM环境配置和插件安装

http://www.zhaiqianfeng.com/2017/02/install-vim-plugins.html 先占个坑,周末有时间再写

笨蛋大乌龟的博客 254

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

vim插件管理器:Vundle的介绍及安装(很全)

背景Vim缺乏默认的插件管理器,所有插件的文件都散布在~/.vim下的几个文件夹中,插件的安装与更新与删除都需要自己手动来,既麻烦费事,又可能出现错误。Vundle简介Vundle 是 Vim bundle 的简称,是一个 Vim 插件管理器. Vundle 允许你做… 在.vimrc中跟踪和管理插件 安装特定格式的插件(a.k.a. scripts/bundle) 更新特定格式插件 通过插件名称

zhangpower1993的博客 13万+

如何安装最新的Vim8.2与Vim插件管理器vim-plug

我个人最喜欢的是vim-plug,它是vim的漂亮而简约的插件。让我们看看如何在Linux或类似Unix的系统上安装和使用此插件。 对于有兴趣安装此新版本的用户,可以通过根据其系统执行以下命令之一来进行安装。 Ubuntu及其衍生版 [linuxidc@linux:~/www.linuxidc.com]$ sudo add-apt-repository ppa:jonathonf/vim...

u014389734的博客 5744

安装vim管理插件 pathogen

1、下载  pathogen 并安装  pathogen的下载地址为:https://github.com/tpope/vim-pathogen 在~ 下面创建 .vim  然后在.vim下面创建 bundle  autoload # cd ~ #   mkdir  .vim #  mkdir .vim/bundle #  mkdir .vim/autoload

小白的博客 4709

Vim插件管理插件Vim-plug

Vim/Neovim插件管理Vim-plug Vim是一款古老但不过时,强大但让人望而却步的编译器 Vim是上世纪的编译器,但是随着时代的发展,Vim现在依然受广大程序员的喜爱 Vim现在依旧受广大程序员喜爱的原因之一就是他又非常多、非常强大的插件,但是Vim的插件需要插件来安装。没错,就是用Vim插件来安装Vim插件,今天主要给大家介绍一个管理Vim插件的插件Vim-plug 虽然现在Vim和Neovim都开始自带插件管理功能,但一个插件管理器会让你安装以及升级vim插件的过程变得更加方便快捷。 安装vi

victory_gx的博客 2936

vim 配置_【环境搭建】VIM简明从头配置

问题新的环境下总是要配置环境,vim是重要的一环(用习惯了vim,其它编辑器总是差点意思),这里记录简单配置vim的步骤(其实大部分高级炫酷的功能很少用到,大部分时间还是写一下bash脚本,修改服务配置啥的)步骤一:安装git & vimsudo apt-get install vim git步骤二:安装Vundle(vim的插件管理)git clone https://github.co...

weixin_39851914的博客 147

Bundle管理vim插件

bundle管理vim插件

jinyingqi22的博客 719

vim插件管理器vim-plug

插件vim-plug有如下优点 · 轻量级、单个文件且支持一些直观的安装选项。 · 支持并行插件加载(要求Vim编译带有Python或Ruby支持,这几乎已经是现代Vim的标配)。 · 支持大多数插件的延迟加载,即只为特定命令或文件类型触发必要的插件。 1.安装vim-plug的方式非常简单 · 下载插件文件。 · 保存为$HOME/.vim/autoload/plug.vim。 curl -fLo ~/.vim/autoload/plug.vim --create-dirs htt..

octopus的专栏 1450

Vim-Plug: 极简主义Vim插件管理器指南

Vim-Plug: 极简主义Vim插件管理器指南 【免费下载链接】vim-plug :hibiscus: Minimalist Vim Plugin Manager 项目地址: https://gitcode.com/gh_mir...

gitblog_00399的博客 641

5分钟上手vim-plug:让Vim插件管理像搭积木一样简单

你是否还在为Vim插件安装繁琐而头疼?手动下载、复制到目录、设置runtimepath的日子该结束了!作为一款极简主义的Vim插件管理器(Plugin Manager),vim-plug用不到20行配置就能让你轻松掌控所有插件,从安装到更新全程自动化。本文将带你从零开始,掌握这款工具的核心用法,让你的Vim启动速度提升30%,插件管理效率翻倍。 ## 为什么选择vim-plug? vim-pl...

gitblog_00080的博客 1020

用Vundle管理Vim插件

作为程序员,一个好用的Vim,是极其重要的,而插件能够使原本功能羸弱的Vim变得像其他功能强大的IDE一样好用。然而下载、配置插件的过程比较繁琐,大家往往需要自己进行下载/配置等操作,如果还涉及到更新/删除插件,那就更麻烦了。 幸运的是我们有Vundle来管理Vim插件。Vundle本身就是个Vim插件,有了这个插件,我们只需要配置好~/.vimrc这个文件,就可以通过命令管理其他Vi...

agn7047的博客 211
上一篇: Linux下的粘滞位
下一篇: 实现一个简单的进度条
LP9127
博客等级 码龄11年 15粉丝 47原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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