awk：从长线中删除短线

我有一个很长的文本字符串文件，按长度排序。我需要做的是找到包含在长线中的任何短线，将长线拆分为两条短线，并保留原始短线不变，如下所示：

input:
here is an example of a long line
an example of

output:
here is
a long line
an example of

---

您尚未发布足够的数据集，我们无法发布完整的解决方案，但以下是一些帮助您开始的内容：

$ awk '
NR==FNR{
  a[$0]++;
  next
}
{
  for(x in a) 
    if(x!=$0 && index($0,x)>0) {
      sub(x FS,"\n")
    }
}1' file file
here is 
a long line
an example of

• 我们正在对文件进行两次传递。在第一个过程中，读取这些行并将它们存储为数组中的键（重复的行将存储为一个键）
• 在第二步中，我们遍历数组，如果关键字不等于当前行，而是当前行的子集，则用换行符替换较小的单词

  ---

如果存在多种可能性怎么办？例如，如果输入是

A B C D E

，

B C

，

C D

，您希望删除哪一个较短的？如果您给出真实数据示例以及为什么要取出这些数据，会更好。正如Gassa所写，有多种可能得到不同的答案。我试图做的是为任意短语（散文）构建一个vim语法文件。问题是，这些短语之间有很多部分重叠。不包含/嵌套，但部分重叠，这意味着第一个短语高亮显示，但第二个短语未高亮显示。很明显，没有办法进行重叠高亮显示，所以我唯一的选择是消除重叠。我明白你所说的多种可能性，但因为这只是语法突出显示，所以不是什么大问题。无论哪种方式，所有的单词都会被突出显示。你知道，现在我已经写出来了，我发现我错说了我的需要。我需要找到线之间的重叠，而不是嵌套线。这里有更多的例子

第一个

第一个

将不会正确突出显示“第一个”――只有“第一个”。

焦点在别处

在“焦点在别处”中，只有“焦点”将突出显示
三部曲的第三部分
三部曲的一部分
在“三部曲的第三部分”中，“第三部分”和“三部曲”突出显示，但不显示“of”。第二个短语不匹配。在这一点上，我很困惑。我应该研究ngrams吗？我应该澄清一下，我正在使用sed脚本将列表导出到.vim文件。当我继续思考这个问题时，我不认为把短语分开是突出文本的一种有意义的方式。我将把它分解成一个新的，vim语法特定的问题。谢谢你的帮助！