Emacs Evil模式下解决o/O命令缩进问题的技术方案
2025-06-20 14:00:09作者:丁柯新Fawn
问题背景
在使用Emacs Evil模式时,许多用户会遇到o/O命令缩进不符合预期的问题。具体表现为:在C++等编程模式下,按o(在当前行下方插入新行)或O(在当前行上方插入新行)时,默认只产生2个空格的缩进,而用户期望的是4个空格或一个制表符的缩进。
问题分析
这个问题实际上涉及多个层面的配置:
- 基础缩进设置:Emacs的缩进行为主要由各编程模式自己的缩进规则控制
- Tree-sitter集成:新版Emacs默认使用tree-sitter模式,需要单独配置缩进参数
- Evil模式集成:Evil的o/O命令需要正确继承当前模式的缩进行为
解决方案
针对C++模式的配置
对于C++代码,正确的配置方式应该是:
;; 基础缩进设置
(setq c-basic-offset 4)
(setq c-guess-guessed-basic-offset 4)
;; Tree-sitter模式下的缩进设置
(setq c-ts-mode-indent-offset 4)
(setq c++-ts-mode-indent-offset 4)
(setq c++-ts-mode-basic-offet 4)
(setq c-ts-mode-indent-offset 4)
针对Go模式的配置
对于Go语言,由于新版Emacs默认使用go-ts-mode,需要特别注意:
(use-package go-mode
:ensure t
:hook ((go-mode . own/go-mode-hook)
(go-ts-mode . own/go-mode-hook))
:config
(defun own/go-mode-hook ()
(setq indent-tabs-mode t) ; 使用制表符
(setq tab-width 2) ; 制表符宽度
(setq go-ts-mode-indent-offset 2))) ; Tree-sitter缩进
通用配置建议
以下是一些通用的缩进相关配置,可以放在Emacs配置文件中:
;; 禁用electric-indent模式
(setq electric-indent-mode nil)
;; 默认缩进设置
(setq-default indent-tabs-mode nil) ; 默认使用空格
(setq-default tab-width 2) ; 制表符宽度
(setq-default standard-indent 2) ; 标准缩进
(setq-default c-basic-offset 2) ; C语言基础缩进
(setq-default sh-basic-offset 2) ; Shell脚本缩进
(setq-default js2-basic-offset 2) ; JavaScript缩进
技术要点
-
Tree-sitter模式:新版Emacs中,许多语言模式都有对应的tree-sitter版本(如c-ts-mode、go-ts-mode等),这些模式的缩进设置需要单独配置。
-
缩进优先级:Emacs的缩进行为遵循以下优先级:
- 语言特定设置(如c-basic-offset)
- Tree-sitter特定设置(如c-ts-mode-indent-offset)
- 全局默认设置(如standard-indent)
-
Evil模式集成:Evil的o/O命令本身不处理缩进逻辑,而是依赖于当前模式的缩进行为。因此正确的做法是配置好对应语言的缩进规则。
常见误区
-
过度配置:很多用户会添加大量冗余的缩进配置,实际上只需要设置正确的语言特定参数即可。
-
忽略tree-sitter:在新版Emacs中,如果不配置tree-sitter模式的缩进参数,即使设置了传统模式的参数也可能不生效。
-
混合使用空格和制表符:建议统一使用一种缩进方式(空格或制表符),避免混合使用导致格式混乱。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
659
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
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146