*

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。

sed マニュアル

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

KURO-DACHI/CLONE/CRU3 玄人志向 クローン機能搭載 2ベイ外付けドッキングステーション

これは 2台の HDD または SSD を縦に差して、外付けドライブとして使ったり、ドライブ

記事を読む

BD-Rドライブで 4GB超のファイルを焼く

* BD-Rドライブで 4GB超のファイルを焼こうとすると、「ファイルシステムの制限で焼けない

記事を読む

激安プリンタ B110a

HP Photosmart Wireless B110a インターネット直接接続

記事を読む

できるポケット 使って覚える HTML&CSS の基本がマスターできる本 / 佐藤和人

できるポケット 使って覚える HTML&CSS の基本がマスターできる本佐

記事を読む

便利なサービス Giga File 便

* 手持ちのデジタルデータを遠方の人に送りたいことってありますよね。 その人がメールアドレス

記事を読む

NEC Mate MK36LB-M の欠点

「【ヤフオク】 NEC Mate MK36LB-M Xeon E3-1225v3 メモリ4GB HD

記事を読む

ミニPC Hitabt M30A 到着

この前買った中華製のミニPC です。 アマゾンのセールで 17999円だったので衝動買い。

記事を読む

SPD Q300SE(SSD SATA 512GB)

【18日限定ポイント5倍】SPD SSD 512GB 【5年

記事を読む

Zorin OS 12 Lite を USBメモリにインストール

Zorin 12 Lite を使用 32GB の USBメモリに Zorin OS 12 Lite

記事を読む

最近ネットがよく落ちる

* 高槻遠隔画像診断センターで使っているメインマシンですが、よく通信が途切れます。 ほかのマ

記事を読む

Message

メールアドレスが公開されることはありません。 が付いている欄は必須項目です

WiMAX 到着

WiMAX の機器(Speed Wi-Fi HOME 5G L13+n

不思議な AXI Select

AXI Select は海外FXブローカーの Axi が提供する参加費

WiMAX 申込んでみる

新しい事務所を借りましたので、インターネット回線を引かないと。 まだ

バーチャルCEO / クリス・ダッカー

★★★☆☆ バーチャルCEO とは著者の造語で、遠隔でテレワ

Claude Codeに投資を全部任せてみたら、利益は出るのか?【AI投資実験】

これも Kindle 本の一つ。 AI アプリケーション

→もっと見る

  • 2026年5月
     123
    45678910
    11121314151617
    18192021222324
    25262728293031
  • アクセスカウンター
PAGE TOP ↑