`
jzhihui
  • 浏览: 266279 次
  • 性别: Icon_minigender_1
  • 来自: 杭州
社区版块
存档分类
最新评论

Windows下vimerl的配置以及扩展

阅读更多

 

最近开始学习Erlang,一方面出于对其主要语言特征(高并发)的兴趣,另一方面,当前项目的压力测试希望用Tsunghttp://tsung.erlang-projects.org/,基于Erlang,很好的压力测试工具)来做,而当前Tsung的协议支持还不能满足我们的要求(XMPP over Websocket),所以希望对其进行扩展(下一篇会讲到Tsung的具体扩展实现)。当然,学习一门语言就需要一个简单方便的工具来进行一些简单的实验。一开始试用了下Erlidehttp://erlide.org/),但是配起来后,发现保存文件的时候有时候不会自动编译,然后运行一次程序会开一个新的Erlang交互进程,总觉得不太舒服,就放弃了。然后,对vim也挺有兴趣的,就开始配置使用vimerlhttps://github.com/jimenezrick/vimerl)。

 

为了方便,直接下了个Window版的vim,装好后安装vim-pathogen(方便管理vim插件的工具,https://github.com/tpope/vim-pathogen),按vim-pathogen的说明,在vimfilesWindows下)目录下新建了个bundle目录,然后git clone https://github.com/jimenezrick/vimerl。新建个简单的Erlang文件,修改,保存...

… Windows下的cmd窗口一闪而过,也不知道发生什么事情,也不太了解vim的插件工作机制,可一有点是好的,就是有vimerl的源代码,然后就开始苦逼的开始研究它的代码,经过各种调试(对一个从没接触vim脚本,也没写过Erlang程序的苦逼程序员来说,这个时间稍微有点长),最后问题定位在保存文件后,调用外部程序来编译Erlang文件的命令上,源代码如下(vimerl\compiler\erlang.vim):

[1]    execute "setlocal makeprg=" . s:erlang_check_file . "\\ \%"

其中s:erlang_check_file=vimerl\compiler\erlang_check.erl,看了下这个文件的内容:调用Erlangcompile:file来编译一个Erlang源代码文件,并返回编译结果。上面那条命令的主要作用MS就是想调用Erlang的编译器来编译当前的文件,并把结果反馈回vim,但是没有成功。但是,在上条命令的上面有一条类似的命令:

[2]    setlocal makeprg=escript\ -s\ %%代表当前文件)

先不管其它的,看看这个escript程序是干什么的,Google后了解到,这个程序提供的功能跟Linux下的bash一样,可以执行一个标记为Erlang Script(通过#!/usr/bin/env escript来实现,具体可查看vimerl\compiler\erlang_check.erl)的文件。那么命令[1]的目的就是想通过escript程序来执行erlang_check.erl来编译程序,但在Windows下调用没有成功(在Linux下,这个应该不会是问题),问题查明后,修改也就很简单了:

[3]    execute "setlocal makeprg=" . "escript.exe\\ " . s:erlang_check_file . "\\ \%"

修改后,再保存,有编译错误时,可正确在vim的状态栏提示,OK

 

         再看一下,发现vimerl还有自动补全的功能,输入Erlang模块名后(erlang:lists:的形式),按Ctrl+X+O后,会出现提出列表。不过这个功能需要先安装Erlangman文档,从官网下载后安装。再打开一个Erlang源文件,按下Ctrl+X+O… ,也有问题,不过这次的错误比较明显,找不到grep程序: vimerl\autoload\erlang_complete.vimWindow下当然没有grep程序,不过还好有个Window下的开源Grep实现(http://gnuwin32.sourceforge.net/packages/grep.htm),下载安装后,再修改vimerl中相应的参数(let g:erlang_completion_grep = 'Grep'),不过这样还不是不能正常工作,主要是vimerl中使用grep的主要目的是从Erlangman文件中搜索函数定义,但使用的匹配模式是类似/man?/lists.?/(熟悉Linux的都应该知道man文档一般会有好几个目录,以数字区分,比如man1,man2等等,而同一个函数也会有类似的形式lists.1lists.2,当然这里的lists代表Erlang里的模块)的形式,在Linux下,这种模式可以 正确的工作,但是在Windows下,这种形式无法工作,会提示/man?/文件不存在的错误。其实也就是说Windows下的Grep不能递归匹配,那怎么解决呢,只有先找到man的正确目录,在调用Grep去匹配,这样就需要一个类似Linuxfind命令的程序来找到正确的man目录。还好,有个Windows版的findutilshttp://gnuwin32.sourceforge.net/packages/findutils.htm),安装后,再按上面的思路修改erlang_complete.vim相关实现(代码见后面说明),再试,终于OK

 

         功能是好了,不过进行自动补全时,对同一个模块,如果重新打开一个Erlang源文件,vimerl会重新进行匹配,在Linux下问题可能不是很大,但在Windows下,那个cmd窗口每次就不停的弹出,一般一个模块有多少个函数就弹多少次(Linux下没有这个问题,在cmd命令下使用vim也不会有这个问题),多少让人有点烦恼;而且每次打开一个新文件,都重新查找同一个模块的匹配,从速度上来说,也无法忍受。要加快速度,最简单的办法就是加缓存:一个模块在第一次匹配后,将匹配结果缓存到磁盘,并且在打开一个Erlang源文件时,从磁盘加载缓存的匹配结果,这样,在下一次匹配同一个模块时,就直接从缓存里匹配。

加快匹配速度后,还有一个问题,就是在没有Erlang模块名做前缀的情况下,vimerl会尝试从当前模块,或者同一目录下的其它模块匹配函数名(本地函数)。用过Eclipse的同学都知道,这时候,我可能想输入的并不是当前模块(或者同一目录下的其它模块内)的函数名,可能想输入一个内置函数名(ErlangBIFs)或者也有可能只是想输入一个模块名。

有了这些想法就着手实现,缓存放在vimerl\autoload\ erlang_index中,每一行对应一个模块中的函数列表:模块名为键,函数列表为值。在保存一个Erlang源文件编译时,会先加载缓存,然后从缓存中匹配。在加载缓存时,会自动生成一个以module为键,所有已缓存的模块名列表为值的对象,在进行本地函数名(不带模块名的形式)匹配时,先按照默认的方式匹配,再匹配模块名,然后再匹配BIFs,最后将三者的结果都加入到匹配结果列表中。

         总体的实现就是这样的,上述的修改和扩展都可以在我的github上找到(https://github.com/onlychoice/vimerl/tree/win-vimerl )找到,欢迎有兴趣的同学下载试用,有什么问题可以留言讨论。

 

 

PS:有了这些功能后,编辑小的Erlang程序应该够了,但是如果要管理一个稍微有点规模的工程,可能就有点不太方便,后续可能会实现这方面的功能。

0
0
分享到:
评论

相关推荐

    Erlang Editor plugin for QtCreator-开源

    !!!!!!!!!项目已移至 https://sourceforge.net/projects/erlangmodeforqtcreator/ Erlang 编辑器插件 ==================== 插件用于QtCreator 编辑 Erlang 源文件 功能: - 缩进(基于 vimerl ...

    Java毕业设计-基于Springboot+Vue旅游网站设计-源码+数据库+使用文档+演示视频(高分项目).zip

    Java毕业设计-基于Springboot+Vue旅游网站设计-源码+数据库+使用文档+演示视频(高分项目).zip本资源中的源码都是经过本地编译过可运行的,评审分达到95分以上。资源项目的难度比较适中,内容都是经过助教老师审定过的能够满足学习、使用需求,如果有需要的话可以放心下载使用。 Java毕业设计-基于Springboot+Vue旅游网站设计-源码+数据库+使用文档+演示视频(高分项目).zipJava毕业设计-基于Springboot+Vue旅游网站设计-源码+数据库+使用文档+演示视频(高分项目).zipJava毕业设计-基于Springboot+Vue旅游网站设计-源码+数据库+使用文档+演示视频(高分项目).zipJava毕业设计-基于Springboot+Vue旅游网站设计-源码+数据库+使用文档+演示视频(高分项目).zipJava毕业设计-基于Springboot+Vue旅游网站设计-源码+数据库+使用文档+演示视频(高分项目).zipJava毕业设计-基于Springboot+Vue旅游网站设计-源码+数据库+使用文档+演示视频(高分项目).zip

    Music-app-master.zip

    Music-app-master

    基于springboot的权限管理系统.zip

    基于springboot的java毕业&课程设计

    外东洪路中段.m4a

    外东洪路中段.m4a

    基于matlab+Simulink模拟的微电网系统包括包括电源、电力电子设备等+源码+开发文档(毕业设计&课程设计&项目开发)

    基于matlab+Simulink模拟的微电网系统包括包括电源、电力电子设备等+源码+开发文档,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用~ 项目简介: 这是一个完整的微电网模型,包括电源、电力电子设备、使用MatLab和Simulink的负载和电源模型。该模型基于费萨尔·穆罕默德的硕士论文《微网格建模与仿真》。 什么是微电网 模拟的微电网使用一组电源和负载在与任何集中式电网(宏电网)断开连接的情况下工作,并自主运行,为其局部区域提供电力。该仿真对微电网在稳态下进行建模,以分析其对输入变化的瞬态响应。 此模拟的目的 对系统进行全年模拟,测量负载、产量、电压和频率。 给出简化规划和资源评估阶段的方法。

    MySQL8.4.0 LTS(mysql-server-8.4.0-1debian12-amd64.deb-bundle)

    MySQL8.4.0 LTS(mysql-server_8.4.0-1debian12_amd64.deb-bundle.tar)适用于Debian 12 Linux (x86, 64-bit)

    改进混沌游戏优化(ICgo)matlab代码.zip

    1.版本:matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

    基于SpringBoot,SpringCloud的微服务大型在线学习平台实现.zip

    基于springboot的java毕业&课程设计

    圣经投屏软件(5种语言版本)

    圣经投屏软件(5种语言版本)

    基于SpringBoot,Spring Security实现的前后端分离权限管理简易系统.zip

    基于springboot的java毕业&课程设计

    jSP在线教学质量评价系统的设计与实现(源代码)

    在线教学质量评价系统可以方便和全面地收集教师教学工作的数据,提供师生网上评教的评分结果,快速集中收集各方面的评教信息,使教务管理部门能够及时了解教学动态和师资情况,为教务老师提供相关决策支持,为职称评聘提供教学工作质量的科学依据,同时减轻了教务老师的工作量。

    测障测角小车程序+仿真电路DSN文件+设计报告doc.zip

    包含作品的设计论文doc文档+测障测角小车程序+仿真电路DSN文件,可直接修改,适合于电赛备赛、课程设计、毕设参考等。 设计制作了一款具有智能判断功能的小车,功能强大。小车具有以下几个功能:自动避障功能;寻迹功能(按路面的黑色轨道行驶);趋光功能(寻找前方的点光源并行驶到位);检测路面所放置的铁片的个数的功能;计算并显示所走的路程和行走的时间,并可发声发光。作品可以作为大学生学习嵌入式控制的强有力的应用实例。     作品以两电动机为主驱动,通过各类传感器件来采集各类信息,送入主控单元AT89S52单片机,处理数据后完成相应动作,以达到自身控制。电机驱动电路采用高电压,高电流,四通道驱动集成芯片L293D。其中避障采用红外线收发来完成;铁片检测部分采用电感式接近开关LJ18A3-8-Z/BX检测;黑带检测采用红外线接收二极管完成;趋光部分通过3路光敏二极管对光源信号的采集,再经过ADC0809转化为数字信号送单片机处理判别方向。由控制单元处理数据后完成相应动作,实现了无人控制即可完成一系列动作,相当于简易机器人。 关键字:智能控制   蔽障  红外线收发  寻迹行驶  趋光行驶

    基于Python卷积神经网络人脸识别驾驶员疲劳检测与预警系统设计

    1412基于Python卷积神经网络人脸识别驾驶员疲劳检测与预警系统设计毕业源码案例设计 卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Pooling)。 全连接层(Fully Connected Layer): 在CNN的末端,通常会有几层全连接层(也称为密集层或线性层)。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程: CNN的训练过程与其他深度学习模型类似,通过反向传播算法和梯度下降(或其变种)来优化网络参数(如滤波器权重和偏置)。 训练数据通常被分为多个批次(mini-batches),并在每个批次上迭代更新网络参数。 应用: CNN在计算机视觉领域有着广泛的应用,包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据,如文本(通过卷积一维序列)和音频(通过卷积时间序列)。 随着深度学习技术的发展,卷积神经网络的结构和设计也在不断演变,出现了许多新的变体和改进,如残差网络(ResNet)、深度卷积生成对抗网络(DCGAN)等。

    基于Vue + SpringBoot实现的前后端分离的仿小米商城项目.zip

    基于springboot的java毕业&课程设计

    QKD 协议密钥率的数值评估matlab代码.zip

    1.版本:matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

    基于springboot校园社团管理.zip

    基于springboot的java毕业&课程设计

    基于卷积神经网络的城市感知评估.zip

    卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Po

    课设毕设基于SpringBoot+Vue的医院急诊系统 LW+PPT+源码可运行.zip

    课设毕设基于SpringBoot+Vue的医院急诊系统 LW+PPT+源码可运行.zip

    无人驾驶实战-无人驾驶高精地图

    无人驾驶高精地图,学习无人驾驶高精地图

Global site tag (gtag.js) - Google Analytics