删除根据模式解释的重复项失败

Question

我对这些 awk-sed 脚本有一些问题

sed -E 's/(^[a-zA-Z]+)([[:space:]]+[a-zA-Z]+){0,1}.*/\1\2/' file1.txt | sort | uniq > zz.txt

或其他等价物（Windows GNU）

awk "match($0, /^[a-zA-Z]+( +[a-zA-Z]+)?/) {unq[substr($0, 1, RLENGTH)]} END {for (i in unq) print i}" file.txt > ZZ.txt

或者另一个对于 linux 是

sed -E 's/\s+\S+\s+[0-9]\S+$|[0-9].*//;s/(\S+\s+\S+)\s+\S+$/\1/
        H;x;s/((\n[^\n]*)(\n[^\n]*)*)\2$/\1/;x;$!d;x;s/.//' file

这些脚本有什么作用？获取这样的列表

Chi Allegati N.22021.htm
Casabella Marzo 2021.pdf
Casabella Febbraio 2021.pdf
Chi Allegati N.22021.pdf

使用 sed / awk 脚本后，您将获得此输出

Casabella
Chi Allegati

那么问题出在哪里？好的，现在考虑另一个列表

(Ebook ITA Fumetti) Genius 021 Bersaglio A Gog.cbr
(Ebook ITA Fumetti) Genius 022 Poker Di Delitti.cbr

Corna Vissute - La moglie del ladro.cbz
Corna vissute - Nuova serie 011 - Un'offerta irresistibile.cbr

Il piccolo sceriffo 20 (Dardo 1992-02) [c2c CapitanUltra].cbz
Il piccolo sceriffo 23 (Dardo 1992-05) [c2c dinofelix].cbr

Il mondo di Arkadi - Caza 01 - Gli occhi di Or'Fe (by aquila & Janesek).cbr
Il mondo di Arkadi - Caza 02 - Il grande esterno (by aquila & Janesek).cbr

Il segno di Zorro 21 (Edizioni del fanciullo 9-1976)(BYPico57).cbr
Il segno di Zorro Serie d'oro 07 - Il mistero della miniera (Edizioni del fanciullo 1975-10-01) [c2c Dinofelix].cbr

L'Uomo Mascherato 06 - Il ratto di diana (Nerbini 1938-09) [c2c Scaricatore17-Gitra].cbr
L'Uomo Mascherato 08 - Il ritorno di Diana (Nerbini 1940-10) [c2c Scaricatore17-Gitra].cbr

Le leggende di Batman 017 (Play Press 1997-12 c2c) By Samox.cbz
Le leggende di Batman 018 (Planeta 1998-01 c2c) [Play Press] By Samox.cbz

不幸的是，脚本不再运行良好。其实我很想得到这个输出（或者很接近的东西），但是不可能

    Corna Vissute
    Genius
    Il mondo di Arkadi
    Il piccolo sceriffo
    Il segno di Zorro
    Il segno di Zorro Serie d'oro
    L'Uomo Mascherato
    Le leggende di Batman

脚本背后的逻辑：

1. 处理该行以仅包含所需的字段。
   
2. 附加到保留空间。
   
3. 切换到保留空间，删除重复行并切换回模式空间。
   
4. 删除除最后一行以外的所有内容。
   
5. 在最后一行，交换到保留空间，删除第一个换行符并打印结果。
   

编辑：添加另一个脚本处理不正确的示例

我有这份清单

A porte chiuse 054 - Come la prima notte (Ediperiodici 1985-11) [noc2c Charles].cbr
A porte chiuse 097 - Il demone nella bottiglia (Ediperiodici 1989-06) [c2c noedit Charless].cbr
A Porte Chiuse 138-139 - Una viziosa incallita.cbr
A porte chiuse Special 13 - Il primo amore-Il viziaccio [228pag] (Ediperiodici 1986-03) [c2c Charles-Edit Gitra].cbr
A Porte Chiuse Special 020 [Fumetti.Erotici](1400~).cbz

但我希望只有这个输出

A porte chiuse
A porte chiuse special

但是脚本返回这个

A Porte
A porte

编辑：另一个问题：我有

Il destino di Kakugo - vol 09 (MANGA ITA)(Scan & Edit by DDT)(DDT0580)(MQ jpg).cbr
Il mensile di Barbapap… N. 02 - [A.Mondadori] [1977-01] [ITA][c2c](no pagina centrale).cbz

但它返回我

il
Il destino di Kakugo
Il mensile di Barbapap

或者我有

Y L'Ultimo Uomo.-.Ragazze vol 07.-.(Magic Press)(c2c aquila).cbr
Y L'ultimo Uomo [08] Bambole Di Carta (Magic Press)(c2C Aquila).cbr
Yiu 01 - Inferno.cbr
Yiu 03 - Assassini (Scanlation, Ita, By Eleinad For Lc22Db).cbr

但它返回我

Y
Y L'ultimo Uomo
Yiu

但我期待

Il destino di Kakugo
Il mensile di Barbapap
Y L'ultimo Uomo
Yiu

Answer 1

我上次回答中修改后的awk 脚本应该适合你：

awk '{sub(/^\([^)]+\) */, "")} match($0, /^[a-zA-Z][a-zA-Z\047]*( +[a-zA-Z\047]+)*/) {s = substr($0, 1, RLENGTH); unq[tolower(s)]=s} END {for (i in unq) print unq[i]}' file.txt

Il segno di Zorro Serie d'oro
L'Uomo Mascherato
Il mondo di Arkadi
Il piccolo sceriffo
Le leggende di Batman
Corna vissute
Il segno di Zorro
Genius

更易读的版本：

awk '
{sub(/^\([^)]+\) */, "")}
match($0, /^[a-zA-Z][a-zA-Z\047]*( +[a-zA-Z\047]+)*/) {
   s = substr($0, 1, RLENGTH)
   unq[tolower(s)] = s
}
END {
   for (i in unq)
      print unq[i]
}' file.txt

Answer 2

这是一个 sed 替代方案：

sed -E 's/(^[^0-9\-\.\[\…\-]* ?).*/\1/' input | sort -u