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
-
-
MediaEspresso での MP4 化（続き）
MediaEspresso の体験版を使っています。 自分でエンコードのオプションをカス
-
-
HDCR-U1.0E レグザ用外付けHDD 破損
I-O DATA 東芝対応USB 2.0/1.1接続 外付型ハードディスク 1T
-
-
Windows2000 よさらば、Pentium4 よさらば
昨日、高槻遠隔画像診断センターの一番古いPCが壊れました。 IBM Thinkcentre の
-
-
DTI メール受信ができない
ここ数週間、DTI のメールサーバーの不調で、受信できないメールが多々ある模様。 DTI と言
-
-
Amazon で MP3 買ってみた / Amazon Cloud Player
Amazon で曲のダウンロード販売をやっていますよね。 MP3 形式のファイルなので汎用
-
-
トリプルディスプレー可能なグラフィックカード / GeForce GTX 550 Ti MultiView
GeForce GTX 550 Ti MultiView ZOTAC グラ
-
-
konalinux2.3 / されど USB起動できず
konalinux が新しくなったので、ダウンロードしました。 konalinux2.3 Li
-
-
USB3.0 対応の USBメモリ
そろそろ年末なので経費を増やさなくてはいけない季節。 「無理して増やさなくていいよ~」という税
-
-
Windows10 の必要メモリ多すぎ
この前の記事「Windows10 でファイルマネージャー「反応なし」 」で書いたように、家でのメイン
- 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
