如何替换重复的多行组，例如git和diff3

Question

我正在重新设定遗留代码的基础，并发现许多由脚本引起的冲突--通常是代码格式化程序。这些更改既简单又可预测，所以我可以轻松地重新运行脚本，将更改应用到代码中--这通常会给我留下三个完全相同的“片段”，它们被git的diff标记所包围。

我如何编写一个脚本来找到三个匹配的片段，并使用它们的差异标记，并将它们转换为单个代码片段？

示例：

git rebase会产生这样的结果：

<<<<<<< HEAD
    ACA
    BCB
||||||| parent of 0cfd85b8e3... Beautify.
    AAA
    BBB
=======
    AAC
    BBC
>>>>>>> 0cfd85b8e3... Beautify.

重新运行格式化程序会给出如下结果：

<<<<<<< HEAD
    ACC
    BCC
||||||| parent of 0cfd85b8e3... Beautify.
    ACC
    BCC
=======
    ACC
    BCC
>>>>>>> 0cfd85b8e3... Beautify.

我想转化为以下几点：

    ACC
    BCC

我已经尝试过很多很多东西，包括grep (它与新行的斗争)和pcregrep (我与反向引用/捕获-组斗争)。有什么想法吗？

Answer 1

对于这个问题，有状态的Awk程序可以非常清楚：

awk '/^<<<<<<</ { state = 1; next }
     /^=======/ { state = 2; next }
     /^>>>>>>>/ { state = 0; next }
     state == 0 || state == 2' data
foo
prolog
    AAC
    BBC
epilog
bar

其中data包含：

foo
prolog
<<<<<<< HEAD
    ACA
    BCB
||||||| parent of 0cfd85b8e3... Beautify.
    AAA
    BBB
=======
    AAC
    BBC
>>>>>>> 0cfd85b8e3... Beautify.
epilog
bar

最初，我们处于状态0，因为如果state == 0尚未初始化，则state为true。我们在看到<<<<<<时切换到状态1，在看到=======时切换到状态2，然后当我们看到结束标记>>>>>>>时切换回状态0。非常简单。

只有当我们处于初始状态0(任何冲突标记之外)或状态2(冲突标记的最后一部分)时，我们才会打印行。

在所有情况下，next命令都确保我们没有失败行为。只有最后一个案例打印任何东西，所以我们知道前三个案例除了识别冲突标记和更改状态之外，什么也不做，没有打印任何东西。因此，无论处于何种状态，都不会打印冲突标记；我们知道，在状态2和返回状态0时，我们不会意外地打印=======或>>>>>>>行。

在第一个操作中，next并不是绝对必要的，因为它会转移到非打印状态1，但是包含它对于一致性来说是很好的。此外，效率:冲突标记是相互排斥的；如果检测到了=======，为什么要对<<<<<<<进行测试。