探秘强大的文本对象:evil-textobj-tree-sitter
在Emacs的世界里,高效的代码编辑是至关重要的,而evil-textobj-tree-sitter就是这个领域的一把利器。它是一个强大的扩展,将树解析器的力量引入到evil-mode和thing-at-point中,让你能够以更智能的方式处理代码结构。
项目简介
evil-textobj-tree-sitter是一款基于树解析器的文本对象工具,它允许你在多种编程语言中轻松地创建函数、类、注释等文本对象。通过与evil-mode的无缝集成,你可以享受到如同Vim一般方便快捷的操作体验,而且还能利用thing-at-point来访问这些额外定义的"事物"。

这款扩展不仅能使用内置的treesit库,也能兼容elisp-tree-sitter,为你的编程工作流带来了极大的灵活性。
技术剖析
evil-textobj-tree-sitter的核心在于其对树解析器的运用。它可以根据树解析器(如tree-sitter)生成的语法树,识别并操作代码结构。这使得你能快速、准确地选取函数、类或注释等特定的代码块。例如,你可以通过自定义键绑定,将"函数外层"映射到"f"键,用于在可视化模式下进行选择或复制。
应用场景
无论你是日常编程,还是深入源码阅读,evil-textobj-tree-sitter都能成为你得力的助手。它可以在多个语言环境(如Python、Rust等)下工作,让代码导航和编辑变得更简单。比如:
- 代码跳转:可以设置快捷键,在文件内快速跳转到下一个或上一个函数、类的开头或结束。
- 高亮选中:在查看复杂代码时,能迅速选定一个函数或循环,对其进行高亮或操作。
- 高效编辑:在进行大规模重构时,能快速选择要修改的代码块,提高工作效率。
项目特点
- 多语言支持:不仅限于一种编程语言,支持多种树解析器语法。
- 易于定制:提供API供用户自定义文本对象,满足个性化需求。
- 与
evil-mode深度融合:既可作为evil-mode的插件使用,也可单独配合thing-at-point功能。 - 灵活的查询系统:可以使用来自
nvim-treesitter或helix的查询语句,实现更精细的代码选取。
安装与使用
安装evil-textobj-tree-sitter非常简便,可以通过use-package或者package.el,甚至straight.el进行管理。然后根据提供的示例设置键绑定,即可开始享受智能文本对象带来的便利。
现在,就让我们一起拥抱evil-textobj-tree-sitter,感受它在代码海洋中的强大与智慧吧!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00