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
-
-
プログラマを笑え! / 藤本裕之
プログラマを笑え! 藤本 裕之 ソーテック社 2004-10 売り上げランキン
-
-
Windows8 を企業は採用するか
＊ 企業の IT 担当者へのアンケートで、Windows8 を採用するかと訊いたところ、予定で
-
-
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
-
-
LG 23型ワイド IPSパネル/ホワイトLED BLU採用液晶ディスプレイ (3)
LG 23型ワイド IPSパネル/ホワイトLED BLU採用液晶ディスプレイ (
-
-
PCスピーカー Altec Lansing ACS41
＊ 大昔、伊東美咲が無名時代に Gateway というパソコンメーカーの
-
-
激安プリンタ B110a
HP Photosmart Wireless B110a インターネット直接接続
-
-
無線LANルーター WN-G300R
I-O DATA IEEE802.11n準拠 300Mbps(規格値) 無線
-
-
３画面出力でつまずいた
＊ 高槻の仕事場のマシンは Halc 時代から使っている Windows2000 の IBM
-
-
Lubuntu 14.04 ライブ起動してみた
Lubuntu 14.04 LTS 発表 先月の2014/4/17、Ubuntu が 14.0
-
-
DELLの販促FAXが来たが
インテルCore2Duoプロセッサー搭載デスクトップPCから第２世代インテルCore i5プロ
- 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
