Vi指令大全

简介: 进入vi的命令vi filename: 打开或新建文件,并将光标置于第一行首 vi +n filename: 打开文件,并将光标置于第n行首 vi + filename: 打开文件,并将光标置于最后一行首 vi +/pattern filename: 打开文件,并将光标置于第一...

进入vi的命令
vi filename: 打开或新建文件,并将光标置于第一行首

vi +n filename: 打开文件,并将光标置于第n行首

vi + filename: 打开文件,并将光标置于最后一行首

vi +/pattern filename: 打开文件,并将光标置于第一个与pattern匹配的串处

vi -r filename: 在上次正用vi编辑时发生系统崩溃,恢复filename

vi filename....filename: 打开多个文件,依次进行编辑

移动光标类命令
h: 光标左移一个字符

l: 光标右移一个字符

space: 光标右移一个字符

Backspace: 光标左移一个字符

k或Ctrl+p: 光标上移一行

j或Ctrl+n: 光标下移一行

Enter: 光标下移一行

w或W : 光标右移一个字至字首

b或B : 光标左移一个字至字首

e或E : 光标右移一个字至字尾

): 光标移至句尾

(: 光标移至句首

}: 光标移至段落开头

{: 光标移至段落结尾

nG: 光标移至第n行首

n+: 光标下移n行

n-: 光标上移n行

n$: 光标移至第n行尾

H: 光标移至屏幕顶行

M: 光标移至屏幕中间行

L: 光标移至屏幕最后行

0: 光标移至当前行首

$: 光标移至当前行尾

屏幕翻滚类命令
Ctrl+u: 向文件首翻半屏

Ctrl+d: 向文件尾翻半屏

Ctrl+f: 向文件尾翻一屏

Ctrl+b: 向文件首翻一屏

nz: 将第n行滚至屏幕顶部,不指定n时将当前行滚至屏幕顶部。

插入文本类命令
i: 在光标前

I: 在当前行首

a: 光标后

A: 在当前行尾

o: 在当前行之下新开一行

O: 在当前行之上新开一行

r: 替换当前字符

R: 替换当前字符及其后的字符,直至按ESC键

s: 从当前光标位置处开始,以输入的文本替代指定数目的字符

S: 删除指定数目的行,并以所输入文本代替之

ncw或nCW: 修改指定数目的字

nCC: 修改指定数目的行

删除命令
ndw或ndW: 删除光标处开始及其后的n-1个字

do: 删至行首

d$: 删至行尾

ndd: 删除当前行及其后n-1行

x或X: 删除一个字符,x删除光标后的,而X删除光标前的

Ctrl+u: 删除输入方式下所输入的文本

搜索及替换命令
/pattern: 从光标开始处向文件尾搜索pattern
?pattern: 从光标开始处向文件首搜索pattern
n: 在同一方向重复上一次搜索命令
N: 在反方向上重复上一次搜索命令
:s/p1/p2/g: 将当前行中所有p1均用p2替代
:n1,n2s/p1/p2/g: 将第n1至n2行中所有p1均用p2替代
:g/p1/s//p2/g: 将文件中所有p1均用p2替换
选项设置
all: 列出所有选项设置情况

term: 设置终端类型

ignorance: 在搜索中忽略大小写

list: 显示制表位(Ctrl+I)和行尾标志($)

number: 显示行号

report: 显示由面向行的命令修改过的数目

terse: 显示简短的警告信息

warn: 在转到别的文件时若没保存当前文件则显示NO write信息

nomagic: 允许在搜索模式中,使用前面不带“\”的特殊字符

nowrapscan: 禁止vi在搜索到达文件两端时,又从另一端开始

mesg: 允许vi显示其他用户用write写到自己终端上的信息

最后行方式命令
:n1,n2 co n3: 将n1行到n2行之间的内容拷贝到第n3行下
:n1,n2 m n3:将n1行到n2行之间的内容移至到第n3行下
:n1,n2 d: 将 n1行到n2行之间的内容删除
:w: 保存当前文件
:e filename: 打开文件filename进行编辑
:x: 保存当前文件并退出
:q: 退出vi
:q!: 不保存文件并退出vi
:!command: 执行shell命令command
:n1,n2 w!command: 将文件中n1行至n2行的内容作为command的输入并执行之, 若不指定n1,n2,则表示将整个文件内容作为command的输入
:r!command: 将命令command的输出结果放到当前行
寄存器操作
"?nyy: 将当前行及其下n行的内容保存到寄存器?中,其中?为一个字母,n为一个数字

"?nyw: 将当前行及其下n个字保存到寄存器?中,其中?为一个字母,n为一个数字

"?nyl: 将当前行及其下n个字符保存到寄存器?中,其中?为一个字母,n为一个数字

"?p: 取出寄存器?中的内容并将其放到光标位置处。这里?可以是一个字母,也可以是一个数字

ndd: 将当前行及其下共n行文本删除,并将所删内容放到1号删除寄存器中

转自http://kb.discuz.net/index.php?title=Vi%E6%8C%87%E4%BB%A4%E5%A4%A7%E5%85%A8

目录
相关文章
|
2月前
|
人工智能 自然语言处理 API
阿里云百炼Token Plan个人版和团队版怎么选?适用场景、Credits计费区别、支持的模型对比与选择参考
Token Plan是阿里云百炼推出的AI大模型订阅服务,以Credits统一计量,兼容主流AI编程与智能体工具,覆盖全模态模型与Harness工具。产品分个人版和团队版,个人版三档套餐限时39元/月起,团队版支持多席位管理与数据安全合规承诺,当前叠加夜间5折、满减券等多重优惠,适配个人开发者到企业团队的不同降本需求,目前仅支持华北2(北京)地域。
|
3月前
|
人工智能 Cloud Native 安全
Agentic Cloud 架构重构:AI桌面管理系统在阿里云原生环境下的规模化落地
本文剖析云原生与Agentic时代下内部威胁新形态,揭示传统桌面管理失效困境;提出AI驱动的智能终端治理方案,依托阿里云Agentic Cloud全栈能力(Agentic OS、ACK、FC、百炼模型),实现秒级风险识别、自然语言审计与Agent自治闭环,兼顾安全合规与降本增效。(239字)
|
5月前
|
JSON 人工智能 测试技术
告别硬编码断言!基于Skills的接口测试,智能体自动组合请求与校验(附代码)
接口测试常陷“脚本地狱”:字段一改,满屏硬编码断言全崩。AI生成也难解耦,效率反被维护吞噬。本文提出“Skills”模块化校验方案——将状态码、字段存在性等校验逻辑封装为可复用技能,由智能体依接口契约自动组合执行。解耦断言与脚本,让测试真正随业务演进。
|
7月前
|
SQL 人工智能 Java
Claude Code + 积木报表:一分钟生成复杂报表(JimuReport v2.3.2 发布)
JimuReport AI专题研究 20260413 发布,Claude Code Skills 接管报表生成 划重点:现在可以一句话生成报表了![JimuReport AI 生成报表效果](https://oscimg.oschina.net/oscnet/upaa112e14274775ac
447 0
Claude Code + 积木报表:一分钟生成复杂报表(JimuReport v2.3.2 发布)
|
7月前
|
机器学习/深度学习 数据采集 人工智能
IDC发布Agent基础设施报告,阿里云无影AgentBay总分第一
IDC正式发布《中国 Agent 基础设施平台/执行平台技术评估,2026》报告,凭借在沙箱、工具、记忆、可观测、安全、开放性与兼容性六大核心维度的卓越表现,阿里云无影AgentBay斩获总分第一,全面领跑中国Agent基础设施市场。
|
12月前
|
人工智能 搜索推荐 安全
商务邮件沟通效率提升85%:一套AI指令解决企业邮件痛点
本文基于3000+企业邮件案例,提供一套专业的AI商务邮件指令,通过数据驱动的方法论,帮助企业实现邮件沟通效率提升85%,客户转化率增加60%,年度ROI达400%。包含完整指令代码、实战案例和量化收益分析。
997 11
|
人工智能 语音技术 iOS开发
MiniCPM-o 2.6:面壁智能开源多模态大模型,仅8B参数量就能媲美GPT-4o,支持实时交互,在ipad等终端设备上运行
MiniCPM-o 2.6 是面壁智能开源的多模态大模型,支持视觉、语音和多模态直播,性能媲美GPT-4o,能够在端侧设备上高效运行。
1620 10
MiniCPM-o 2.6:面壁智能开源多模态大模型,仅8B参数量就能媲美GPT-4o,支持实时交互,在ipad等终端设备上运行
|
存储 固态存储 NoSQL
数据存储策略——lsm-tree
数据存储策略——lsm-tree
数据存储策略——lsm-tree
|
存储 安全 Java
傻傻分不清楚?: 一文看懂Java中String的New操作和直接赋值字符串的区别
傻傻分不清楚?: 一文看懂Java中String的New操作和直接赋值字符串的区别
2171 0
傻傻分不清楚?: 一文看懂Java中String的New操作和直接赋值字符串的区别
|
机器学习/深度学习 计算机视觉 Python
【YOLOv11改进 - 注意力机制】EMA(Efficient Multi-Scale Attention):基于跨空间学习的高效多尺度注意力
【YOLOv11改进 - 注意力机制】EMA(Efficient Multi-Scale Attention):基于跨空间学习的高效多尺度注意力.EMA(Efficient Multi-Scale Attention)模块是一种高效多尺度注意力机制,旨在提高计算机视觉任务中的特征表示效果。该模块通过结合通道和空间信息、采用多尺度并行子网络结构以及优化坐标注意力机制,实现了更高效和有效的特征表示。EMA模块在图像分类和目标检测任务中表现出色,使用CIFAR-100、ImageNet-1k、MS COCO和VisDrone2019等数据集进行了广泛测试。
【YOLOv11改进 - 注意力机制】EMA(Efficient Multi-Scale Attention):基于跨空间学习的高效多尺度注意力