*

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

Acer ディスプレイ EB321HQUBbmidphx とってもキレイ

Acer モニター ディスプレイ EB321HQUBbmidphx 31.5イン

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

高槻でネットが遅い

今朝、高槻遠隔画像診断センターで PC を立ち上げるとなんか嫌な予感・・・ やっぱり。ネットが

記事を読む

ヒューレットパッカードのノートパソコン HP 15-bw000 狂う

2018年6月に余った経費で買ったまま、ほとんど使っていなかったヒューレットパッカードのノートパソコ

記事を読む

医知悟は Java7 非対応

* 愛用の Windows2000 マシンで勝手に Java がアップグレードしてしまい、その

記事を読む

PC用メモリの価格低下

本日、以前に買った本にレシートが挟まっていることに気が付きました。 2012年11月11日 ソ

記事を読む

SPD S200(SSD SATA 256GB)

SPD SSD 256GB 3D NAND 長寿命TLC S

記事を読む

高速AMD Athlon 64×2-2.0GHz 2G 160G DVDコンボ Win7認証済

* またまたヤフオクで落札。 いつもの DELL Optiplex 740 です。リース落ち

記事を読む

ミニPC RINGREAT T9-PLUS 到着

昨日の記事「ミニPC(N95+16GB RAM+512GB SSD)注文」の続き。 R

記事を読む

SAPPHIRE HD6450 1G DDR3 PCI-E HDMI/DVI-D/VGA

SAPPHIRE HD6450 1G DDR3 PCI-E HDMI/DVI-D

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

ポート開放/閉鎖用バッチファイル

以前から、ある一定時間だけ PC の特定の通信ポートを遮断できないか考

配当ローテーション戦略

配当ローテーション戦略とはなにか? その名もずばり「iFreeETF

GS日本株・プラス(米ドルコース)について

「GS日本株・プラス(米ドルコース)」という投信はまだ買っていませんが

GS日本株・プラス(通貨分散コース)の最初の配当

超高配当(現時点では)で有名な「GS日本株・プラス(通貨分散コース)」

久々の linux体験

Distrowatch.com を久々に見てみると、過去6ヶ月の注目度

→もっと見る

  • 2026年3月
     1
    2345678
    9101112131415
    16171819202122
    23242526272829
    3031  
  • アクセスカウンター
PAGE TOP ↑