同HEADER格式多数据集拼接：提取指定块合并并更新TAIL计数

核心处理规则 #

完全匹配业务需求的处理逻辑：

• 按块拆分原文件内容：每块以HEAD 编号 后缀为起始标识，以同编号的TAIL 编号 记录数为结束标识，中间的所有非HEAD/TAIL行即为块主体记录。
• 按块编号做分组归集：
  • 仅出现1次的编号块：完全保留原有内容，不做修改，按原文件中的出现顺序排在输出结果前段。
  • 出现多次的编号块：
    1. 仅保留1次该编号对应的HEAD行，删除其余重复的同编号HEAD行
    2. 按原出现顺序拼接所有同编号块的主体记录，不做记录去重
    3. 统计拼接后主体记录的总条数，将TAIL行的末尾数字替换为两位补零的总条数，仅保留1次更新后的TAIL行，删除其余重复的同编号TAIL行
• 输出排序：所有单块内容按原顺序前置，最后追加合并完成的多块内容，与示例输出顺序完全一致。

可直接落地的参考实现 #

运行下方Python代码即可完成上述处理，处理示例输入后输出结果和给定预期完全匹配：

def merge_same_id_blocks(file_path):
    multi_block_cache = {}
    current_reading_block = {"id": "", "head_line": "", "body_lines": []}

    with open(file_path, 'r', encoding='utf-8') as f:
        all_lines = [line.rstrip('\n') for line in f if line.strip()]

    for line in all_lines:
        if line.startswith("HEAD"):
            # 完成上一个块的归集
            if current_reading_block["id"]:
                block_id = current_reading_block["id"]
                if block_id not in multi_block_cache:
                    multi_block_cache[block_id] = {
                        "head": current_reading_block["head_line"],
                        "body": current_reading_block["body_lines"],
                        "is_single": True
                    }
                else:
                    multi_block_cache[block_id]["is_single"] = False
                    multi_block_cache[block_id]["body"].extend(current_reading_block["body_lines"])
            # 初始化新块读取状态
            line_parts = line.split()
            current_reading_block = {
                "id": line_parts[1],
                "head_line": line,
                "body_lines": []
            }
        elif line.startswith("TAIL"):
            # 完成当前块的归集
            block_id = current_reading_block["id"]
            if block_id not in multi_block_cache:
                multi_block_cache[block_id] = {
                    "head": current_reading_block["head_line"],
                    "body": current_reading_block["body_lines"],
                    "is_single": True
                }
            else:
                multi_block_cache[block_id]["is_single"] = False
                multi_block_cache[block_id]["body"].extend(current_reading_block["body_lines"])
            # 重置块读取状态
            current_reading_block = {"id": "", "head_line": "", "body_lines": []}
        else:
            # 普通主体行追加到当前块
            current_reading_block["body_lines"].append(line)

    # 组装最终输出
    output = []
    # 先输出所有单块
    for block_id, block_content in multi_block_cache.items():
        if block_content["is_single"]:
            output.append(block_content["head"])
            output.extend(block_content["body"])
            output.append(f"TAIL {block_id} {len(block_content['body']):02d}")
    # 再输出所有合并后的多块
    for block_id, block_content in multi_block_cache.items():
        if not block_content["is_single"]:
            output.append(block_content["head"])
            output.extend(block_content["body"])
            output.append(f"TAIL {block_id} {len(block_content['body']):02d}")

    return "\n".join(output)

效果校验 #

针对题中的示例输入，代码会自动计算0001编号块的主体总条数：第一块3条记录、第二块5条记录，合并后共8条，最终生成的TAIL行为TAIL 0001 08，整体输出顺序和格式与给定预期完全一致。

内容的提问来源于stack exchange，提问作者John Bailey