Administrace komentářů

Tohle je návod, jak to vyřešit, nikoliv řešení. Existuje na to one-liner, to je jisté; on se tu hned vynoří někdo s Perlem.

Já bych to udělal megatěžkopádně, s pořádnými testy. Tady je totiž hned několik zajímavých situací, které je potřeba napřed přesně dodefinovat a poté správně ošetřit, například:

• prázdné řádky na začátku a na konci vstupů,
• několik osamocených řádků oddělených prázdnými řádky po sobě,
• víc než jeden prázdný řádek mezi skupinami řádků, ať už dostatečně dlouhými nebo ne,
• dostatečně a nedostatečně velké skupiny řádků jako první na začátku a konci vstupu.

Nuže, pojďme vymyslet testovací nástroj, říkejme mu test.sh, který bude chrlit vstupy se všemi možnými podrazy. Je sice jednoduchý, ale při dostatečně velkém počtu vstupů nakonec vygeneruje všechny výše zmíněné patologické případy, protože taky umí „náhodně“ generovat bloky řádků o velikostech 0 a 1, z nichž některé skončí na začátku a konci souboru, některé možná hned po sobě atp.

#!/bin/bash
set -euo pipefail
if (($# < 1)); then echo 'Expected arguments.' 1>&2; exit 11; fi

print_input() {
  local -ir random="$1" blocks=10 limit=2 range='limit + 2'
  local -i j k r
  local nl=
  RANDOM=random
  for ((j = 0; j < blocks; ++j)); do
    ((r = RANDOM % range)) || :
    ((r < limit)) && line='unwanted' || line='wanted'
    printf "$nl"
    for ((k = 0; k < r; ++k)); do
      printf '%s %u/%u/%u\n' "$line" "$i" "$j" "$k"
    done
    nl=$'\n'
  done
}

RANDOM=0 || :
declare -ir files=1000
declare -i i random
for ((i = 0; i < files; ++i)); do
  printf '%s%s%s%s%s%s%s%s\n' '=========='{,,,,,,,}
  random=RANDOM
  diff -y --color <(print_input "$random") <(print_input "$random" | "$@") || :
  printf '%s%s%s%s%s%s%s%s\n' '=========='{,,,,,,,}
done

Napřed pojďme otestovat test.sh. Zkusíme tam dát kočku. Tady očekáváme výsledek bez rozdílů, tedy diff -y neukáže žádné šipky a pravá (DSSS) i levá (KSČM) strana diffů bude stejná. Tím se také potvrdí (dobře, ne tak úplně), že celý trik s pseudonáhodnými čísly a se stabilními (tedy na prostěradle zaschlými) náhodnými semeny funguje. Tedy, pravděpodobně!

./test.sh cat

Další krok bude, že si teď místo kočky vytvoříme skutečnou implementaci toho algořiťmu. Říkejme mu třeba window.awk. Má v sobě malou optimalizaci, která hlídá, aby se nikdy nedrželo v paměti víc řádků, než je nezbytné, ale jinak je to obyčejný, tupý stavový automat:

#!/usr/bin/awk -f

function finalize_block(i) {
  if (length(block_window) >= MIN_BLOCK_LENGTH) {
    if (newline_due) print ""
    newline_due = 1
    for (i = begin; i < end; ++i) print block_window[i]
  }
  delete block_window
  begin = end = 0
}

BEGIN {
  MIN_BLOCK_LENGTH = 2
  delete block_window[0]
  begin = end = 0
}

!$0 {
 finalize_block()
 next
}

{ block_window[end++] = $0 }

length(block_window) > MIN_BLOCK_LENGTH {
  if (newline_due) print ""
  newline_due = 0
  print block_window[begin]
  delete block_window[begin++]
}

END { finalize_block() }

Když to splácáme všechno dohromady, bude to dokonce i fungovat:

./test.sh ./window.awk

Výsledné diffy ukazují, že to skutečně požírá unwanted řádky, že to mezi bloky wanted řádků nechává vždy právě jeden prázdný řádek, ať už prázdných řádků a příliš krátkých bloků mezi nimi bylo, kolik chtělo, že to netrousí prázdné řádky na začátku a konci výstupu, atd.

Leč když to aplikujeme na jedno níže uvedené řešení, tak … ejhle, je to rozbité:

./test.sh sed '/^$/ { N;N; /^\n.\+\n$/ s@.*@@ }'