对齐不同大小和内容的文本列

Question

在past posting 中，我询问了Bash 中用于将文本列逐行对齐的命令。我很清楚，所需的任务（即，按行对齐不同大小和内容的文本列）比最初预期的要复杂得多，而且建议的 answer 虽然对于过去的发布是可以接受的，但在大多数情况下是不够的经验数据集。因此，我想向社区查询以下伪代码。具体来说，我想知道是否可以优化以下伪代码以及以何种方式优化。

假设一个文件包含 n 列字符串。某些字符串可能丢失，其他字符串可能重复。最长的列可能不是文件中列出的第一个列，而是参考列。必须保持此引用列的行顺序。

> cat file  # where n=3; first row contains column headers
CL1 CL2 CL3
foo foo bar
bar baz qux
baz qux
qux foo
    bar

伪代码尝试 1（完全不足）：

Shuffle columns so that columns ordered by size (i.e., longest column is first in matrix)
Rownames = strings of first column (i.e., of longest column)
For rownames
  For (colname among columns 2:end)
    if (string in current cell == rowname) {keep string in location}
    if (string in current cell != rowname) {
      if (string in current cell == rowname of next row) {add row to bottom of table; move each string of current column one row down}
      if (string in current cell != rowname of next row) {add row to bottom of table; move each string of all other columns one row down}
    }

按大小排列列：

> cat file_columns_ordered_by_size
CL2 CL1 CL3
foo foo bar
baz bar qux
qux baz 
foo qux 
bar

寻求的输出：

> my_code_here file_columns_ordered_by_size
CL2 CL1 CL3
foo foo 
    bar bar
baz baz    
qux qux qux
foo
bar

Answer 1

编辑：呃，这不会产生你想要的输出。我想我不明白这个问题。无论如何，也许它会有所帮助。

如果您不介意将整个表放入内存中，关联数组（散列）也可以。 （或者您可以使用树、地图、字典等。）每一列都有一个，将字符串（在该列的单元格中找到）映射到该字符串在该列中找到的次数。让我们在它们的列标题之后命名散列。啜饮后，它们看起来像这样：

CL2 = {'foo':2, 'baz':1, 'bar':1, 'qux':1}
CL1 = {'foo':1, 'baz':1, 'bar':1, 'qux':1}
CL3 = {'bar':1, 'qux':1}

# Store the columns in an array
columnCounts = [CL2, CL1, CL3]

然后编写一个产生输出的循环，在每次迭代时从关联数组中删除：

while (columnCounts still has at least one non-empty hash) {
    key = the hash-key that is present in most (a plurality) of the hashes
    for each hash in columnCounts {
        if the key is in the hash {
            print key
            Decrement hash[key]
        }
        else {
            print whitespace
        }
    }

    print newline
}