sed で連続した複数の空行を１つにまとめる
公開日：
:
最終更新日：2014/07/16
パソコン
前日の記事「 WSH で初めてのプログラミング 」で行った作業ですが、ちょっと不満があったのでやり直し。
プログラムではなく、データ自体の問題。
6000以上ある個別のテキストファイルのうちのかなりのものが重複しているのですが、改行が１つ余分に入っているだけで同じファイルとは認識されず、ほぼ同じデータが最終データに大量に混入します。
そこでまたいろいろ考えたのですが、たしか sed（ストリームエディタ）で昔やったことがあるな、と。
調べてみるとありました。
/^$/{
N
/^\n$/D
}
上の sed 用コマンドで、複数個の連続した改行（空の行）を１つに縮められます。
> sed –f commandfile < file1 >file2
の書式を使って簡単に終了。
もちろん1個1個こんなことはしておらず、DOS用のsedコマンドを使ったためバッチファイルと組み合わせて一括で処理してしまいました。
前日の結果よりも 500個近い重複ファイルが排除され、ずいぶんスリムになりました。
＊
上は DOS で行ったのでめんどくさいですが、Linux なら sed も標準で装備していますし、強力なシェルスクリプトもありますので、もっと簡単。
上の sed 用コマンドを commandfile というファイルにしておいて次のようなシェルスクリプトを端末から走らせれば、テキストファイルが 6000個だろうと 6000万個だろうと一発ですんでしまいます。
#!/bin/bash
shori_files=”$(find /tmp/shorizen -name *.txt)”
for file in $shori_files
do
sed -f commandfile < $file > /temp/shorigo $file
done
###
関連記事
-
-
USBメモリはとっても壊れやすい
USBメモリ、SSD などのフラッシュメモリは、浮遊ゲートとしてデータを記憶する仕組みです。
-
-
驚くほど手軽に使える3Dプリンター
Gigazine での記事 > 驚くほど手軽に使える3Dプリンターでオバマ米大統領やクライ
-
-
GA-H61M-USB3-B3 REV2
GIGABYTE intel H61(B3) LGA1155 Micro A
-
-
整備済み品東芝製 500GB ハードディスク（2.5インチ 内蔵型）
東芝 の HDD MQ01ABF050 です。2.5インチの 500GB の容量があります。
-
-
Juniper netscreen 5GT(2)
統合型ファイアウォール/VPNアプライアンスである Juniper netscreen 5
-
-
USBメモリ サンディスク SDCZ73
128GB USBメモリー SanDisk サンディスク U
-
-
OCZSSD2-1VTXPL60G
【送料無料】 OCZ 【限定特価】 OCZSSD2-1VTXPL60G (S
-
-
DVI×4出力が可能な1スロット厚のファンレスVGA GF-QUAD-DISP/4DVI
玄人志向 グラフィックボード DVIx4 4画面出力 ファンレス GF-QUAD
-
-
パソコン電源の交換 SSRP440AC
＊ 自宅でのメイン機である愛称 White Base（白い木馬）ですが、ファンがやたらうる
- PREV
- お勧めの壁紙
- NEXT
- 電脳セッション (ハヤカワ文庫JA) / 東野 司
