Vi命令实践

vi命令大全:从新手到精通
本博详细介绍了vi编辑器的常用命令,包括文本编辑、查找替换、移动、复制粘贴、增删改查等操作,帮助读者快速掌握vi编辑器的基本使用技巧。


Vi使用专题

常用vi命令:

1)A 到本行结尾,为编辑模式。

2)Ctrl+$ 到本行结尾,为操作模式。

3)G 到文章最后一行首,操作模式。

4):set nu 命令模式下,设置行号。

5):%s#OCP#OCM命令模式下,把OCP替换成OCM。

6)f 在操作模式下,查找当前行想费move(移动)到的地方。(发现只能从左往右,不能从右到左)

7)dd 删除当前行。

8):1,99d 命令行模式下,从第1行到99行删除。

9)C 操作模式下,删除当前光标到行尾。

10)cw 删除光标当前单词。

11)J操作模式下,光标所在的下一行(只下一行)上移到光标处,并光标右移1位。

12)i 光标当前位置,编辑模式。

13)I 编辑模式,光标move本行首。

14)O 编辑模式,在光标的上一行。

15)o 编辑模式,在光标的下一行。

16)gg 操作模式下,光标move本文行首。与H效果一样。

17)Ctrl+( 操作模式,本行首。

18)dg 操作模式,从光标当前删除到文章结尾。

19)X 操作模式下,删除光标前一个字符(空格也是一个字符)。

20)x操作模式下,删除光标当前一个字符。

21)Shift+% 操作模式下,括号匹配。

22)Ctrl +A操作模式下,数字加1。

23)Ctrl+X操作模式下,数字减1。

24)wq! 命令模式下,保存退出。

25)ZZ操作模式下,保存退出。

26)ZQ操作模式下,不保存退出。

27)h操作模式下,向左move  5h为向下move5行

28)j操作模式下, 向下move

29)k操作模式下,向上move

30)l操作模式下, 向右move

31)ctrl+v操作模式下,选中列编辑。

32)q 宏启用,a~z(任意字母),为操作寄存器,再次q宏停止,100@a调用寄存器a中的操作执行100遍。

33)xp操作模式下,删除当前字符,向右复制刚删除的字符。

34)xP操作模式下,删除当前字符,向左复制刚删除的字符。

35)yyp操作模式下,复制粘贴。

36)ci( 操作模式下,删除括号内字符。

37)ci’ 操作模式下,删除单引号内字符。

38)ci” 操作模式下,删除双引号内字符。

39)ci{ 操作模式下,删除{}内字符。

40)ci[ 操作模式下,删除[]内字符。

41)ca(操作模式下,删除括号内字符含括号,并在编辑模式下。

42)da(操作模式下,删除括号内字符含括号,并在操作模式下。

43). 操作模式下,再输入一遍刚刚输入的内容。(注意:例如输入123456这是按ESC光标会在6上,这时.结果为123451234566,所以需要在123456后输入1个空格,这样就可以实现123456123456了。)

44)M操作模式下,move到文章中间段首。

45)w 操作模式下,move到下一个单词的字母首。
46)set nu 设置行号,set nonu 取消行号。



来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/20985606/viewspace-1063973/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/20985606/viewspace-1063973/

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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