*

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

またまた DELL Optiplex 740(HDD 付き)を2台ゲット

 * すいません、またまた DELL Optiplex 740 を2台ヤフオクで落としました。

記事を読む

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 (4)

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 (

記事を読む

SSD の進化

これまで結構な数の SSD を買いました。 一番最初に買ったのではないが、うちでのかなりの古株の

記事を読む

【ヤフオク】NEC PC-MKL39EZG1 Mate ME-1 落札

さらにもう一台ヤフオクで落札できました。 2,477円(税込)+送料 1,606円 でした。

記事を読む

オフィスファイルの印刷

* .docx などの拡張子を有する Microsoft オフィスのファイルを印刷するのに、L

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

ストレージサービス「Ubuntu One」本年6月1日で終了

* みなさんにとってはどうでもいいことでしょうが、Ubuntu には無料のオンラインストレージ

記事を読む

Ubuntu のデータバックアップ用ソフト「deja dup」がいいね!

パソコンで最も重要なものは自分の作ったデータです。 世界のどこにもないオリジナルなものですので

記事を読む

玄人志向 HDDスタンド USB3.0接続 KURO-DACHI/CLONE/U3

玄人志向 HDDスタンド USB3.0接続 KURO-DACHI/CLONE/U3

記事を読む

Zorin ってこんな Linux

* 「Zorin ってこんな OS です」という紹介用のビデオを自分でも作ったのですが、な

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

よい子悪い子普通の子

以下のチャートは「これ買って放置しておけばみんなお金持ちになれる」と好

元祖スタミナ満点らーめん すず鬼監修 スタ満まぜそば

ファミリーマートで売っている冷凍食品はだいたい制覇しているが、

投資信託への乗り換え

現在の楽天証券での運用資金は、 国内株 米国株

さらば銀河鉄道2866

今月も 日本市場に上場している ETF である 2865,2866、2

日本市場で買える毎月配当の投資信託?

「日本の市場に上場している投資信託の中で毎月配当で実績の高いものを5つ

→もっと見る

  • アクセスカウンター
PAGE TOP ↑