sed(awk?)删除几乎重复的行

Question

我有一个文件，它将HTML风格的注释与其真实文本交替使用：

<!-- Here's a first line -->
Here's a first line
<!-- Here's a second line -->
Here's a third line

如果一个注释除了标签本身之外与下面的行完全相同，我想删除它，但在其他情况下保留它：

Here's a first line
<!-- Here's a second line -->
Here's a third line

我在这里读过类似的问题，但无法推断出我的情况的解决方案。

Answer 1

sed '/^<!-- (.*) -->$/N;s/^<!-- (.*) -->n1$/1/'
#
#    /^<!-- (.*) -->$/   match an HTML comment as its own line, in which case
#                       N; add the next line to the pattern space and keep going
# 
#                         s/^<!-- (.*) -->n1$/     detect a comment as you
#                                                 1/  described and replace it
#                                                      appropriately

如图所示：

$ sed '/^<!-- (.*) -->$/N;s/^<!-- (.*) -->n1$/1/' <<EOF
> <!-- Foo -->
> Foo
> <!-- Bar -->
> Baz
> <!-- Quux -->
> Quux
> 
> Something
> Something
> Another something
> EOF

提供：

Foo
<!-- Bar -->
Baz
Quux
Something
Something
Another something

您可能需要对此进行调整以处理缩进，但这不应该太令人惊讶。您可能还想切换到sed -r，这将要求括号不转义。

Answer 2

您可以使用此awk:

awk '/<!--.*?-->/{h=$0; gsub(/ *(<!--|-->) */, ""); s=$0; next}
$0!=s{$0=h ORS $0} 1' file.html
Here's a first line
<!-- Here's a second line -->
Here's a third line

Answer 3

这可能对你有用(GNU sed)：

sed -r '$!N;/<!-- (.*) -->n1$/!P;D' file

这将比较整个文件中请求条件的所有连续行，如果找到，则不打印对中的第一行。

注意：这迎合了的连续评论行