【发布时间】:2018-12-26 07:31:02
【问题描述】:
在一个包含名为 file.txt 的示例文件的 git 项目中,我想要一个脚本:
- 解析当前以空格分隔的单词(在示例中,对于第一次迭代,这将是
Enlargement)。也许通过使用像\b[A-za-z+]\b这样的正则表达式来进行单词检测。 - 检查单词的长度是否至少为 5 个字符。如果不是,请继续移动到下一个单词,直到满足此条件。如果满意,请转到下面的 #3。
- 检查项目的整个历史记录,找出是谁最初提交了引入这个词的提交。
- 如果该特定提交的作者与
johndoe匹配,则从文件中删除正在考虑的单词。 - 重复 #1 -- #3 直到文件中的所有单词都被解析并且特定作者的原始单词被剪掉。
常用词的处理:
忽略a, an, the, of, for, if, then, but, else, not, any, or, nor 等常见关键字很重要。因此,我建议将字符串中的最小长度保持为5 characters,以使单词有资格被删除
基本上,这个想法是消除或还原特定作者所做的类似英语的贡献。如何做到这一点?
latexdiff 后处理:
此问题用于在删除作者的贡献后生成差异报告。在修剪文本之后(即在我得到这个问题的答案之后),我打算使用一个标准但令人惊叹的 perl 脚本 latexdiff 可以检测这些单词删除(或者实际上两个 latex 文件之间的任何其他差异) 并输出一个复合 PDF,用红色的罢工线突出显示删除的单词。我需要做的就是识别并删除其他作者最初介绍的单词(即我的核心问题)。因此,复合 pdf 中的所有句子都应保持连贯,不会失去意义,但会继续将已删除的单词保留在同一位置,但还会在它们上面加上红色的删除线。
背景和背景:
这是在学术背景下。 git 项目是手稿的 LaTeX 存储库。我与一篇论文的共同作者发生了作者权纠纷,因此该论文没有提交给任何期刊。我们都是博士生。为了声明我们在各自论文中使用的词语的版权,我们的博士导师要求提交我们各自对我们每个人在手稿中介绍的词语的声明,以便在我们的论文中重复使用,并避免剽窃指控。我们都致力于同一个 repo,现在我正在考虑利用 git 和 shell 以及 git-grep、sed、awk、perl 或其他任何东西来帮助我正确声明我以诚信贡献的话。非常感谢您的帮助。
【问题讨论】:
-
这是一个非常……特别的要求。上下文是什么?
-
@jonrsharpe 我已经更新了这个问题,引入了一个解释背景和上下文的标题。
标签: git shell revision-history pruning git-plumbing