保持列表的所有行以相同的开头（记事本++）答案

【问题标题】：Keep all lines of a list with identical beginning (Notepad++)保持列表的所有行以相同的开头（记事本++）
【发布时间】：2017-10-15 00:35:22
【问题描述】：

从列表中，如何保留所有出现的那些行，仅在其他行中出现“第一部分或开头”（从行首到 ^ 字符定义） ? （列表中的线条模式：beginning-of-line^rest_of_line_012345）

^后面的字符类型、长度等无关（但需要保留）。每行只有一 (1) 个 ^ 字符。确定身份的“开始”字符串必须出现在其他行中的相同（类似）位置（即，从行首到^，并且必须完全匹配）。（行中包含对正则表达式有影响的字符，例如\/()*.，因此需要对这些字符进行简要转义。）

例如：原始列表：

abc^123
0xyz^xxx
aaa-123^123
aaa-12^0xyz
0xyz^098
00xyz^098
0xyz^x111xx

保留所有出现的第一部分相同的行：

0xyz^xxx
0xyz^098
0xyz^x111xx

@Lars Fischer((.*)\R(\2\R?)+)*\K.*（预排序后）编写的这个优雅的脚本保留了所有出现的重复行，但它考虑了整行（它被设计为这样做）。 p>

在这个 Q 中，我正在寻找一种解决方案，它只考虑行的“开头”以查看它是否出现多次，如果是，则保留整行。有什么指导吗？

【问题讨论】：

在您的问题中只有一种模式。是否还询问是否存在多种模式？请使用更多示例数据进行说明。
我想知道，如果可以使用 awk、perl 或 python 以不那么具有挑战性的方式来完成，为什么还要使用纯正则表达式方法将其推向边缘？
重新“模式”。在我的例子中，每行总是有一个 (1) 单个唯一字符 (^) 作为行首和其余行的分隔符。关于 "regex" 方法：这将是最简单的，因为我经常使用 Notepad++。 perl 脚本将是我也可以接受的解决方案。

标签： list sorting duplicates notepad++

【解决方案1】：

注意：在此解决方案中，使用字符 # 和 % 是基于假设这些字符不会出现在文件开头的任何位置。如果您不是这种情况，只需使用您知道不会出现在文件中任何位置的不同模式，例如##### 和 %%%%%。

首先使用 Notepad++ 按字典顺序对文件进行排序，方法是转到 Edit -> Line Operations -> Sort Lines Lexicographically Ascending

执行正则表达式查找和替换（取消选中“。匹配换行符”框）：

找到什么：

^(.*?)\^[^\r\n]+[\r\n]+(\1\^.*?[\r\n]+)*\1\^.*?$

替换为：

#$&%

现在执行另一个正则表达式查找和替换（选中“。匹配换行符”框）：

找到什么：

%.*?#

替换为：

\r\n

最后，执行最后一个正则表达式 Find-and-Replace（选中“.matches newline”框）：

找到什么：

^.*?#|%.*

什么都没有。

【讨论】：

【解决方案2】：

您在 cmets 中说过 perl 脚本适合您。

#!/usr/bin/perl
use Modern::Perl;

my %values;
my $file = 'path/to/file';
open my $fh, '<', $file or die "unable to open '$file': $!";
while(<$fh>) {
    chomp;
    # get the prefix value
    my ($prefix) = split('\^', $_);
    # push in array the whole line in hash with the prefix as key
    push @{$values{$prefix}}, $_;
}
foreach (keys %values) {
    # skip the prefix tat have only one line
    next if scalar @{$values{$_}} == 1;
    local $" = "\n";
    say "@{$values{$_}}";
}

输出：

0xyz^xxx
0xyz^098
0xyz^x111xx

【讨论】：