仅用一个替换文件中的多个新行

Question

这个函数应该在一个文本文件中搜索换行符。当它找到换行符时，它会增加newLine 计数器，当有超过 2 个连续的空白新行时，它假设将所有空白行压缩到一个空白行中。

在我的代码中，如果有 2 条新行，则假设将它们删除并将它们压缩为一条，出于测试目的，我还让它在达到 newLine < 2 条件时打印“新行”。现在它为每个新行打印新行，无论它是否为空白，并且它没有摆脱额外的新行。我究竟做错了什么？

编辑：这是我的完整代码 http://pastebin.com/bsD3b38a

因此，基本上该程序假设将两个文件连接在一起，然后对它们执行各种操作，就像我正在尝试做的那样，摆脱多个连续的空白新行。 所以为了在cygwin中执行它我做 ./a -s 文件1 文件2 它假设将 file1 和 file2 连接到一个名为 contents.txt 的文件中，然后去掉连续的新行并将它们显示在我的 cygwin 终端（stdout）上。 （ -s 调用该函数以摆脱连续的行）。传入的第三个和第四个参数（file1 和 file2）是两个文件，它假设要连接在一起形成一个名为 contents.txt 的文件。您可以在下面查看我放入 file1.txt 的内容示例。 file2.txt 只有一堆单词，后面跟着空的新行。

int newLine = 1;
int c; 

if ((fileContents = fopen("fileContents.txt", "r")) == 0) 
{
    perror("fopen");
    return 1; 
}

while ((c = fgetc(fileContents)) != EOF)
{   
    if (c == '\n')
    {
        newLine++;
        if (newLine < 2) 
        {
            printf("new line");
            putchar(c); 
        }
    }
    else 
    {
        putchar(c); 
        newLine = 0;
    }
}

程序在包含这些内容的 .txt 文件中读取的文件。它假设读取文件，摆脱前导和连续的新行，并将新格式化的内容输出到我的 cywgin 终端上的标准输出。

/* hello world program */


#include <stdio.h>

    tab
            2tabs

Answer 1

诊断

逻辑看起来是正确的如果你有 Unix 行结尾。如果您有 Windows CRLF 行结尾但正在 Unix 上处理文件，则在每个 LF 之前都有一个 CR，并且 CR 将 newLine 重置为零，因此您会收到每个换行符的消息。

这可以解释你所看到的。

这也可以解释为什么其他人都说你的逻辑是正确的（它是正确的——前提是这些行只以 LF 而不是 CRLF 结尾）但是你看到了一个意想不到的结果。

如何解决？

公平的问题。一个主要选项是使用dos2unix 或等效机制将DOS 文件转换为Unix 文件。关于 SO 的主题有很多问题。

如果您根本不需要 CR（C 中的 '\r'）字符，您可以简单地删除（不打印，而不是零 newLine）这些字符。

如果您需要保留 CRLF 行尾，则需要更加小心。你必须记录你有一个 CR，然后检查你是否有一个 LF，然后打印这对，然后检查你是否有更多的 CRLF 序列并抑制这些，等等。

工作代码——dupnl.c

这个程序只从标准输入读取；这比更灵活 仅从固定文件名读取。学会避免编写代码 仅适用于一个文件名；它会为你节省大量的重新编译 随着时间的推移。代码仅处理带有换行符 ("\n") 的 Unix 样式文件 在末尾;它还处理带有 CRLF ("\r\n") 结尾的 DOS 文件；和 它还使用 CR 处理（旧式）Mac（Mac OS 9 及更早版本）文件 ("\r") 行尾。事实上，它处理任意交错 不同的行尾样式。如果你想执行一个单一的 模式，你必须做一些工作来决定哪种模式，然后使用 此代码的适当子集。

#include <stdio.h>

int main(void)
{
    FILE *fp = stdin;       // Instead of fopen()
    int newLine = 1;
    int c; 

    while ((c = fgetc(fp)) != EOF)
    {   
        if (c == '\n')
        {
            /* Unix NL line ending */
            if (newLine++ == 0)
                putchar(c); 
        }
        else if (c == '\r')
        {
            int c1 = fgetc(fp);
            if (c1 == '\n')
            {
                /* DOS CRLF line ending */
                if (newLine++ == 0)
                {
                    putchar(c);
                    putchar(c1);
                }
            }
            else
            {
                /* MAC CR line ending */
                if (newLine++ == 0)
                    putchar(c);
                if (c1 != EOF && c1 != '\r')
                    ungetc(c1, stdin);
            }
        }
        else
        {
            putchar(c); 
            newLine = 0;
        }
    }

    return 0;
}

示例运行 - 输入和输出

$ cat test.unx


data long enough to be seen 1 - Unix

data long enough to be seen 2 - Unix
data long enough to be seen 3 - Unix
data long enough to be seen 4 - Unix



data long enough to be seen 5 - Unix


$ sed 's/Unix/DOS/g' test.unx | ule -d > test.dos
$ cat test.dos


data long enough to be seen 1 - DOS

data long enough to be seen 2 - DOS
data long enough to be seen 3 - DOS
data long enough to be seen 4 - DOS



data long enough to be seen 5 - DOS


$ sed 's/Unix/Mac/g' test.unx | ule -m > test.mac
$ cat test.mac
$ ta long enough to be seen 5 - Mac
$ odx test.mac
0x0000: 0D 0D 64 61 74 61 20 6C 6F 6E 67 20 65 6E 6F 75   ..data long enou
0x0010: 67 68 20 74 6F 20 62 65 20 73 65 65 6E 20 31 20   gh to be seen 1 
0x0020: 2D 20 4D 61 63 0D 0D 64 61 74 61 20 6C 6F 6E 67   - Mac..data long
0x0030: 20 65 6E 6F 75 67 68 20 74 6F 20 62 65 20 73 65    enough to be se
0x0040: 65 6E 20 32 20 2D 20 4D 61 63 0D 64 61 74 61 20   en 2 - Mac.data 
0x0050: 6C 6F 6E 67 20 65 6E 6F 75 67 68 20 74 6F 20 62   long enough to b
0x0060: 65 20 73 65 65 6E 20 33 20 2D 20 4D 61 63 0D 64   e seen 3 - Mac.d
0x0070: 61 74 61 20 6C 6F 6E 67 20 65 6E 6F 75 67 68 20   ata long enough 
0x0080: 74 6F 20 62 65 20 73 65 65 6E 20 34 20 2D 20 4D   to be seen 4 - M
0x0090: 61 63 0D 0D 0D 0D 64 61 74 61 20 6C 6F 6E 67 20   ac....data long 
0x00A0: 65 6E 6F 75 67 68 20 74 6F 20 62 65 20 73 65 65   enough to be see
0x00B0: 6E 20 35 20 2D 20 4D 61 63 0D 0D 0D               n 5 - Mac...
0x00BC:
$ dupnl < test.unx
data long enough to be seen 1 - Unix
data long enough to be seen 2 - Unix
data long enough to be seen 3 - Unix
data long enough to be seen 4 - Unix
data long enough to be seen 5 - Unix
$ dupnl < test.dos
data long enough to be seen 1 - DOS
data long enough to be seen 2 - DOS
data long enough to be seen 3 - DOS
data long enough to be seen 4 - DOS
data long enough to be seen 5 - DOS
$ dupnl < test.mac
$ ta long enough to be seen 5 - Mac
$ dupnl < test.mac | odx
0x0000: 64 61 74 61 20 6C 6F 6E 67 20 65 6E 6F 75 67 68   data long enough
0x0010: 20 74 6F 20 62 65 20 73 65 65 6E 20 31 20 2D 20    to be seen 1 - 
0x0020: 4D 61 63 0D 64 61 74 61 20 6C 6F 6E 67 20 65 6E   Mac.data long en
0x0030: 6F 75 67 68 20 74 6F 20 62 65 20 73 65 65 6E 20   ough to be seen 
0x0040: 32 20 2D 20 4D 61 63 0D 64 61 74 61 20 6C 6F 6E   2 - Mac.data lon
0x0050: 67 20 65 6E 6F 75 67 68 20 74 6F 20 62 65 20 73   g enough to be s
0x0060: 65 65 6E 20 33 20 2D 20 4D 61 63 0D 64 61 74 61   een 3 - Mac.data
0x0070: 20 6C 6F 6E 67 20 65 6E 6F 75 67 68 20 74 6F 20    long enough to 
0x0080: 62 65 20 73 65 65 6E 20 34 20 2D 20 4D 61 63 0D   be seen 4 - Mac.
0x0090: 64 61 74 61 20 6C 6F 6E 67 20 65 6E 6F 75 67 68   data long enough
0x00A0: 20 74 6F 20 62 65 20 73 65 65 6E 20 35 20 2D 20    to be seen 5 - 
0x00B0: 4D 61 63 0D                                       Mac.
0x00B4:
$

以$ ta 开头的行是提示覆盖先前输出的地方（而“足够长以被看到”部分是因为我的提示通常比$ 更长）。

odx 是一个十六进制转储程序。 ule 用于“统一行尾”并分析或转换数据，使其具有统一的行尾。

Usage: ule [-cdhmnsuzV] [file ...]
  -c  Check line endings (default)
  -d  Convert to DOS (CRLF) line endings
  -h  Print this help and exit
  -m  Convert to MAC (CR) line endings
  -n  Ensure line ending at end of file
  -s  Write output to standard output (default)
  -u  Convert to Unix (LF) line endings
  -z  Check for zero (null) bytes
  -V  Print version information and exit

Answer 2

示例代码解析的是：

1) 将连续的几个 '\n' 压缩成一个 '\n'

2) 如果有的话，去掉开头的'\n'。

  input:   '\n\n\naa\nbb\n\ncc' 
  output:   aa'\n'    
            bb'\n' //notice, there is no blank line here
            cc

如果这是目标，那么你的代码逻辑是正确的。

• 通过定义 newLine = 1 ，它将去掉任何前导的 '\n' 输入txt。

• 并且当处理后还有一个'\n'时，会输出一个new line进行提示。

回到问题本身，如果实际目的是将连续的空行压缩到一个空行（需要两个连续的'\n'，一个用于终止前一行，一个用于空行）。

1) 我们先确认输入和预期输出，

输入文字：

aaa'\n' //1st line, there is a '\n' append to 'aaa'  
'\n'    //2nd line, blank line
bbb'\n' //3rd line, there is a '\n' append to 'bbb'
'\n'    //4th line, blank line
'\n'    //5th line, blank line
'\n'    //6th line, blank line
ccc     //7th line,

预期的输出文本：

aaa'\n' //1st line, there is a '\n' append to 'aaa'  
'\n'    //2nd line, blank line
bbb'\n' //3rd line, there is a '\n' append to 'bbb'
'\n'    //4th line, blank line
ccc     //5th line,

2) 如果是上面那个确切的程序目标，那么

if (c == '\n')
{
    newLine++;
    if (newLine < 3) // here should be 3 to print '\n' twice,
                     // one for 'aaa\n', one for blank line 
    {
        //printf("new line");
        putchar(c); 
    }
}

3) 如果你必须在Cygwin下处理Windows格式文件（以\r\n结尾），那么你可以这样做

while ((c = fgetc(fileContents)) != EOF)
{   
    if ( c == '\r') continue;// add this line to discard possible '\r'
    if (c == '\n')
    {
        newLine++;
        if (newLine < 3) //here should be 3 to print '\n' twice
        {
            printf("new line");
            putchar(c); 
        }
    }
    else 
    {
        putchar(c); 
        newLine = 0;
    }
}

Answer 3

[已编辑] 最小的变化是：

if ( newLine <= 2)

请原谅我忘记之前的代码。

一个稍微简单的替代方案：

int c;
int duplicates=0;
while ((c = fgetc(fileContents)) != EOF)
{
    if (c == '\n') {
        if (duplicates > 1) continue;
        duplicates++;
    }
    else {
        duplicates=0;
    }
    putchar(c);
}

Answer 4

干跑代码： 如果文件以换行符开头并且newLine 是1：

第一次迭代：

if (c == '\n') //Will be evaluated as true for a new-line character. 
{
    newLine++; //newLine becomes 2 before next if condition is evaluated.
    if (newLine < 2) //False, since newLine is not less than 2, but equal.
    {
        printf("new line");
        putchar(c); 
    }
}
else //Not entered
{
    putchar(c); 
    newLine = 0;
}

第二次迭代时：（假设是连续换行符大小写）

if (c == '\n') //Will be evaluated as true for a new-line character.
{
    newLine++; //newLine becomes 3 before next if condition is evaluated.
    if (newLine < 2) //False, since newLine is greater than 2.
    {
        printf("new line");
        putchar(c); 
    }
}
else //Not entered
{
    putchar(c); 
    newLine = 0;
}

所以，

• 将newLine初始化为0。

Answer 5

if newline > 2     

如果你想去掉第二行，那应该大于或等于。 此外，您的换行符从一开始，然后递增到二，然后重置为零。相反，我建议用布尔值替换计数

boolean firstNewlineFound = false

然后每当您找到换行符时，将其设置为 true；只要为真，删除一个换行符并将其设置回假。