vim常用命令

本文详细介绍Vim编辑器的各种实用快捷键,包括光标移动、复制粘贴、删除、搜索替换等功能,并涵盖文件编辑、多窗口操作及保存退出等常用操作技巧。

光标移动

0行首

$行尾

gg第一行

G最后一行

nG<Enter>移到第n行

n<Enter>向后移n行

n<space>向后移n个字符

pageup向上翻页

pagedown向下翻页

插入

i光标前

I行首插入

a光标后插入

A行尾插入

o在下一行插入

O在上一行插入

 

复制

yy复制当前行

5yy复制从当前行开始的5行

 

粘贴

p粘贴到下一行

P粘贴到上一行

 

删除

dd删除当前行

5dd删除从当前行开始向后的5行

dnG删除从第n行到当前行的数据

dG删除从当前行到最后一行的数据

D从光标位置删除到行尾

x向后删除1个字符

nx向后删除n个字符

X向前删除1个字符

 

搜索

/str从光标位置向后搜索str

?str从光标位置向前搜索str

n查找下一个

N查找上一个

 

替换

:s/abc/123/g把abc全部替换成123

:s/abc/123/gc同上,但是要用户确认是否替换

 

保存

:w保存

:w!强制保存

:w filename文件另存为filename

:3,7 w filename将第3到第7行的数据存入filename

 

退出

:q退出

:q!强制不保存退出

:qw!强制保存退出

:x保存并退出

 

撤销

u退回前一个动作

ctrl+r重复前一上动作

:e!文档还原到原始状态

 

块操作

v光标经过的字符被选中

V光标经过的行被选中

y复制被选中的数据

d删除被选中的数据

 

多文件编辑

vim file1 file2同时打开多个文件

:files列出vim当前打开的文件列表

:n编辑下一个文件

:N编辑上一个文件

 

 

多窗口操作

:split file2在新窗口打开另一个文件file2    (split可简写为sp)

:vsplit file2水平分割窗口

ctrl+w =窗口等宽

ctrl+w h移动到左边的窗口

ctrl+w j移动到下边的窗口

ctrl+w k移动到上边的窗口

ctrl+w l移动到右边的窗口

 

显示行号

set nu显示行号

set nonu取消显示行号

 

读入其他文件

:r filename把filename中的内容插入到当前光标所在的位置

 

执行shell命令

:!shellcommand暂时离开vim执行shell命令

源码来自:https://pan.quark.cn/s/a3a3fbe70177 AppBrowser(Application属性查看器,不需要越狱! ! ! ) 不需要越狱,调用私有方法 --- 获取完整的已安装应用列表、打开和删除应用操作、应用运行时相关信息的查看。 支持iOS10.X 注意 目前AppBrowser不支持iOS11应用查看, 由于iOS11目前还处在Beta版, 系统API还没有稳定下来。 等到Private Header更新了iOS11版本,我也会进行更新。 功能 [x] 已安装的应用列表 [x] 应用的详情界面 (打开应用,删除应用,应用的相关信息展示) [x] 应用运行时信息展示(LSApplicationProxy) [ ] 定制喜欢的字段,展示在应用详情界面 介绍 所有已安装应用列表(应用icon+应用名) 为了提供思路,这里只用伪代码,具体的私有代码调用请查看: 获取应用实例: 获取应用名和应用的icon: 应用列表界面展示: 应用列表 应用运行时详情 打开应用: 卸载应用: 获取info.plist文件: 应用运行时详情界面展示: 应用运行时详情 右上角,从左往右第一个按钮用来打开应用;第二个按钮用来卸载这个应用 INFO按钮用来解析并显示出对应的LSApplicationProxy类 树形展示LSApplicationProxy类 通过算法,将LSApplicationProxy类,转换成了字典。 转换规则是:属性名为key,属性值为value,如果value是一个可解析的类(除了NSString,NSNumber...等等)或者是个数组或字典,则继续递归解析。 并且会找到superClass的属性并解析,superClass如...
基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO)的LSTM分类预测研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO),并将其应用于LSTM神经网络的分类预测中,通过Matlab代码实现。该方法结合遗传算法的全局搜索能力与改进的多群粒子群算法的局部优化特性,提升LSTM模型在分类任务中的性能表现,尤其适用于复杂非线性系统的预测问题。文中详细阐述了算法的设计思路、优化机制及在LSTM参数优化中的具体应用,并提供了可复现的Matlab代码,属于SCI级别研究成果的复现与拓展。; 适合人群:具备一定机器学习和优化算法基础,熟悉Matlab编程,从事智能算法、时间序列预测或分类模型研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①提升LSTM在分类任务中的准确性与收敛速度;②研究混合智能优化算法(如GA与PSO结合)在神经网络超参数优化中的应用;③实现高精度分类预测模型,适用于电力系统故障诊断、电池健康状态识别等领域; 阅读建议:建议读者结合Matlab代码逐步调试运行,理解GA-HIDMSPSO算法的实现细节,重点关注种群划分、异构策略设计及与LSTM的集成方式,同时可扩展至其他深度学习模型的参数优化任务中进行对比实验。
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