*

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

Ubuntu 13.04 日本語 Remix

* 簡単フレンドリーな Linux として普及している Ubuntu ですが、新バージョンの

記事を読む

GA-H61M-USB3-B3 REV2

GIGABYTE intel H61(B3) LGA1155 Micro A

記事を読む

自宅の WindowsXP PC 昇天

自宅で WindowsXP で動いていた自作 PC(愛称 WhiteBase) がついに逝きました。

記事を読む

BOOKSCAN を初利用

* 自分で書籍をバラしてスキャンして PDF 化することを「自炊」と言いますが、手間と時間がも

記事を読む

Windows Live Writer を使ってみた

Windows Live Writer というブログエディタ(Microsoft 製フリーソフト

記事を読む

PLANEX 11n/b/g 300Mbps ハイパワー無線LANルータ MZK-W300NH2

PLANEX 11n/b/g 300Mbps ハイパワー無線LANルータ MZK

記事を読む

Makulu 10 Aero について

MakuluLinux 以前の記事「Makulu 10 Aero と Linux Lite 3.8

記事を読む

画像のダイエット

* 先ほど使った画像ですが、もう一つ並べてみました。 左が jp

記事を読む

【ヤフオク】Win10☆自作945CGT-M/E5800/QuadroFX580☆動作品ジャンク 落札

capibara2007さんから 2650円で落札。 ◎動作確認済みですが、もともと全て地

記事を読む

Windows10 のアホなところ

Windows10 は Windows7 からするとまだマシなほうですが、いろいろとイラつか

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 ↑