c - 使用 C 从文件中删除相邻的重复行

Question

如果空行是重复的，也应该删除它们。如果行有转义序列(如 \t)，它不同于空行。下面的代码删除了太多行，或者有时会留下重复项。如何解决这个问题？

#include <stdio.h>
#include <stdlib.h>

int main()
{
    char a[6000];
    char b[6000];
    int test = 0;
    fgets(a, 6000, stdin);
    while (fgets(b, 6000, stdin) != NULL) {
        for (int i = 0; i < 6000; i++) {
            if (a[i] != b[i]) {
                test = 1;
            }
        }
        if (test == 0) {
            fgets(b, 6000, stdin);
        } else {
            printf("%s", a);
        }
        int j = 0;
        while (j < 6000) {
            a[j] = b[j];
            j++;
        }
        test = 0;
    }
    return 0;
}

Answer 1

您的逻辑基本上是正确的。您的思路是正确的:

1. 将一行读入previous (a)。
2. 将另一行读入current (b)。
3. 如果previous和current内容相同，则转到第2步。
4. 打印上一个。
5. 将 current 移动到 previous。
6. 转到第 2 步。

然而，这仍然存在一些问题。

---

不必要的行读取

首先，考虑这段代码:

while(fgets(b,6000,stdin)!=NULL) {
    ...
    if(test==0) {
        fgets(b,6000,stdin);
    }
    else {
        printf("%s",a);
    }
    ...
}

如果 a 和 b 具有相同的内容 (test==0)，则使用未经检查的 fgets 再次读取一行，除非在评估循环条件 fgets(b,6000,stdin)!=NULL 时读取again。问题是您几乎忽略了刚刚阅读的行，这意味着您将未知行从 b 移动到 a。由于循环已经读取了另一行并适本地检查了失败，所以让循环读取该行，并将 if 语句的相等性测试反转为打印 a if test !=0.

---

最后一行在哪里？

您的逻辑也不会打印最后一行。考虑一个只有 1 行的文件。您读取它，然后循环条件中的 fgets 尝试读取另一行，但由于您位于文件末尾而失败。循环外没有打印语句，因此您永远不会打印该行。

现在如果一个文件有两行不同的行呢？您阅读第一行，然后是最后一行，看到它们不同，然后打印第一行。然后用最后一行覆盖第一行的缓冲区。您无法阅读另一行，因为没有更多内容，最后一行也没有打印出来。

您可以通过将第一个(未选中的)fgets 替换为 a[0] = 0 来解决此问题。这使得 a 的第一个字节成为空字节，这意味着字符串的结尾。它不会与您阅读的一行进行比较，因此 test==1，即 a 将被打印。由于 a 中没有要打印的字符串，因此不会打印任何内容。然后一切照常进行，b 的内容被移入 a 并读取另一行。

---

独特的最后一行问题

这留下了一个问题:如果最后一行不是重复的，则不会打印它。要解决此问题，只需打印 b 而不是 a。

---

最终配方

1. 将 0 分配给 previous (a[0]) 的第一个字节。
2. 将一行读入current (b)。
3. 如果previous和current内容相同，则转到第2步。
4. 打印当前。
5. 将 current 移动到 previous。
6. 转到第 2 步。

如您所见，它与您现有的逻辑没有太大区别；只有步骤 1 和 4 不同。它还确保检查所有 fgets 调用。如果文件中没有行，则不会打印任何内容。如果文件中只有 1 行，则会打印出来。如果两行不同，则打印两行。如果两行相同，则打印第一行。

---

可选:优化

• 不是检查所有 6000 个字节，而是只检查任一字符串中的第一个空字节，因为 fgets 会自动添加一个以标记字符串的结尾。
• 更快的方法是在 for 循环的 if 语句中添加一个 break 语句。如果单个字节不匹配，则整行都不是重复的，因此您可以尽早停止比较——如果在两个 1000 字节的行中只有字节 10 不同，速度会快得多!