Vim文本处理技巧:runpaint/vim-recipes中的搜索替换详解
2025-06-09 16:29:43作者:田桥桑Industrious
问题场景
在日常文本编辑中,我们经常需要批量替换文本内容。比如你正在用Vim撰写一部小说,主角名字原本是"Curtis",现在想改为更具特色的"Excalibur"。手动逐个修改不仅效率低下,还容易遗漏某些位置。这时就需要掌握Vim强大的搜索替换功能。
基础解决方案
Vim提供了简洁而强大的替换命令:
:%s/目标字符串/替换字符串/g
以小说主角改名案例为例,具体命令为:
:%s/Curtis/Excalibur/g
这个命令会将当前文件中所有的"Curtis"替换为"Excalibur"。
命令详解
基本语法解析
%:表示在整个文件范围内执行操作s:substitute的缩写,表示替换操作/:分隔符,用于区分搜索模式和替换文本g:global标志,表示对每行中所有匹配项进行替换(而不仅仅是每行的第一个匹配项)
作用范围控制
- 全文替换:使用
%前缀,如:%s/old/new/g - 当前行替换:省略
%,如:s/old/new/g - 指定行范围替换:
- 行号范围:
10,20s/old/new/g(替换10-20行) - 可视模式选择后执行替换(先选择文本区域,再输入
:会自动填充为:'<,'>s/old/new/g)
- 行号范围:
高级技巧
精确单词匹配
基础替换可能会误伤部分单词。例如:
:%s/and/or/g
这会把"supply and demand"变成"supply or demor"(因为"demand"中的"and"也被替换了)。解决方案是使用单词边界锚点:
:%s/\<and\>/or/g
\<:表示单词开始\>:表示单词结束
大小写处理
-
临时忽略大小写:在命令后添加
i标志:%s/linux/unix/gi这会匹配"Linux"、"linux"、"LiNuX"等各种大小写组合
-
全局忽略大小写:在vimrc中设置或临时执行
:set ignorecase
正则表达式支持
Vim的搜索模式支持完整的正则表达式,可以实现更复杂的匹配规则。例如:
:%s/[Cc]urtis/Excalibur/g
这会匹配"Curtis"和"curtis"两种写法。
实用建议
-
预览确认:在执行替换前,可以先使用搜索命令确认匹配项
/Curtis -
交互式替换:添加
c标志进行确认替换:%s/Curtis/Excalibur/gcVim会逐个询问是否替换
-
特殊字符处理:当替换内容包含
/时,可以使用其他分隔符避免冲突:%s#old/path#new/path#g
掌握这些Vim搜索替换技巧,可以大幅提升文本编辑效率,特别是在处理大型文档或代码文件时。建议读者在实际工作中多加练习,逐步熟悉这些强大功能。
登录后查看全文
热门项目推荐
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
383
457
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
680
暂无简介
Dart
804
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
210
昇腾LLM分布式训练框架
Python
119
146
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781