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
-
-
OpenOfficeOrg 下位互換の MS オフィスって意味あるの？
＊ OpenOfficeOrg の下位互換の MS オフィスですが、まだ使っている人がいるとは
-
-
ハードウェアの安全な取り出し
＊ うちの Windows XP マシンですが、いつのまにかトレイアイコンから「ハードウェアの取り
-
-
DELL Optiplex 740 もご到着
＊ CPU：AMD Athlon 64X2 3800+ / 2.0GHz メモリ
-
-
Adobe Acrobat X Standard でOCR
＊ この前 3300円で入手できた Adobe Acrobat X Standard OEM版
-
-
抑制単語使っていますか？
＊ 日本語変換メソッド（IME）で、いつもいつも出てきてほしくない変換候補が出てくるときってあ
-
-
Apacer SSD 256GB(M.2 NVMe)
Apacer アペイサー SSD 256GB M.2 PCI
-
-
Core i 内蔵の Intel HD Graffics は 2面もサポートのはずだが
前回の記事「OZZIO MX35332SDS スタンバイほぼ完了 」の続きです。 CP
-
-
USB3.0 インターフェースカード
USB3.0 端子のないパソコンにはスロットに増設するカードが要ります。 PCI-e X1 ス
-
-
Windows 7 Pro の入った PC が HDD から立ち上がらない
それは昨日のこと。 仕事場の PC で Windows 7 Pro の入ってる DELL Vo
- 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
