处理编码问题利器之文本编辑器⑵——Vim

接上文，跨平台的开源软件 Vim 和 wxMEdit 是我用过的两个最擅长处理编码问题的文本编辑器。

上文说了 MadEdit

http://wxmedit.github.io/

接下来再看 Vim

http://www.vim.org/

 

Vim 是什么

Vim是世界上公认的第二大文本编辑器（第一大是 GNU Emacs；似有“Emacs 是神的编辑器、Vim 编辑器之神”之说）。很多人会觉得 vim 很不易用，这其中也有一定的误解。

 

首先需要弄清楚的是 vim 不是 vi。如今的 vim 是 Vi IMproved 的缩写，相对原始 vi 做了相当多的改善，原本 vi 的功能只占它现有功能很少的一部分。

 

Vim 易用性

Vim 并不像想象中的那么难用，不习惯用“h、j、k、l”移动光标，完全可以用上下左右，甚至 home、end、page up、page down。

 

如果在 Windows 上安装 vim，按照默认设置，它会生成一个“gVim Easy”，它看起来更像是功能加强版的记事本，可以使用 Ctrl-C、Ctrl-V、Ctrl-Z、Ctrl-A 这些快捷键，也会有菜单、右键菜单、工具栏。 Windows 版 gVim 默认配置也支持这些，差别是默认是普通模式而不是插入模式。

 

当然要想用到 vim 更多强大功能就需要了解它的普通模式、命令模式乃至可视模式和选择模式了。这样就的确需要了解一定量的命令技巧才行。

Vim 编码识别

Vim 的编码识别是基于配置的，未配置或者按照默认配置可能效果很差，这就是我们用 vim 打开一个常看到一堆乱码的原因之一（另外的原因是上面部分 linux 系统安装的是精简版的 vim，不支持相关特性）。

 

如果针对特定环境配置得当，它的编码识别准确率甚至高于 universal-chardet（firefox 的编码识别部分，MadEdit 也用它识别编码的）、enca（一个自动编码识别工具）。例如用下列设置：

set fencs=us-ascii,ucs-bom,utf-8,gbk,gb18030,big5,latin1

去识别简体中文为主有少量繁体中文代码的编码比 universal-chardet、enca 都要精准。这里 fencs 设置只是为了说明编码识别举例，一般很少会单独识别 us-ascii，参见我的 vimrc。

 

如果仍然识别错了，还可以手动指定编码，例如

echo "0: 32 30 30 30 96 32 30 34 39" | xxd -g1 -r > test.txt
vim test.txt

如果 fencs 用上面的设定，这时 vim 会识别编码为 latin1（即 ISO-8859-1），查询 vim 识别到的编码用

:set fenc?

问号可以省略。

 

但是其中字符 '\x96' 在 ISO-8859-1 中未定义（未定义字符 vim 会用蓝色显示其编码值），可以人为判断它是 windows-1252 编码（可显字符是 latin1 的超集）的。可通过下面命令手动指定为 windows-1252 编码。

:e ++enc=cp1252

可以看到，该字符是个短线，但是因为我还设置了 ambiwidth=double，所以它显示一个汉字宽，参见 vim 中文文档-ambiwidth、East Asian Width。这也是 vim 具有良好国际化支持的一个特性，该特性对于中日韩用户尤其重要。

Vim 编码转换
类似上面手动指定读取编码的方式，也可以手动指定写入编码，如以 utf-8 编码保存

:w ++enc=utf8 | e

或

:set fenc=utf8 | w

上面两种方式实际上都是两个命令，竖线“|”是 vim 命令的分隔符，相当于 shell 的分号“;”。
不想立即保存，用

:set fenc=utf8

即可。

BOM 支持
如上文保存为 utf-8 编码的文件时，默认是没有 BOM 的。如果要让其包含 BOM，需要在保存前 set bomb：

:set bomb | w ++enc=utf8 | e

或

:set bomb fenc=utf8 | w

不想立即保存，用

:set bomb fenc=utf8

即可。

如果对一已有 BOM 的 UTF-x 编码的文件，要去掉其 BOM，用

:set nobomb | w

不想立即保存用

:set nobomb

即可。

查询一个 UTF-x 编码的文件是否有 BOM，用：

:set bomb?

问号不可省略。

 

有任何问题和建议可以留言，或者发邮件给我 jiaywe[ａｔ]gmail.com。