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
-
-
地上・BSデジタルチューナー搭載 フルHD対応 21.5型ワイド パソコンモニタ
I-O DATA 地上・BSデジタルチューナー搭載 フルHD対応21.5型ワイド
-
-
Akismet でスパム退治（WordPress）
＊ このブログは WordPress という CMS を使っています。 最近、プラダXX とかな
-
-
【ヤフオク】NEC Mate MJ34LL-G i3-3240-3.4GHz/250GB/4GB/マルチ/win10 落札
Windows10 Pro 64bit （インストールされたマシンではなく OS そのもの）
-
-
アマゾンサイバーマンデーで衝動買い Fire HD 10
Fire HD 10 タブレット (10インチHDディスプレイ) 32GB p
-
-
複合語の登録の工夫：品詞を適切に設定する
パソコン辞書の登録単語（複合語）の品詞について パソコンの日本語変換システムの辞書の話ですが、
-
-
USBメモリはとっても壊れやすい
USBメモリ、SSD などのフラッシュメモリは、浮遊ゲートとしてデータを記憶する仕組みです。
-
-
One Safe PC Cleaner は詐欺ソフト
One Safe PC Cleaner 知人が新しいノートパソコンが動かないと言ってました。
-
-
ビデオキャプチャー 「アナレコ」 GV-USB2
I-O DATA ビデオ/VHS 8mm DVD ダビング パソコン取り込み ビデオ
-
-
FUJITSU FUTRO MP702 2台落札
FUJITSU のシンクライアントPC である ヒューロ（FUTRO） MP702 の中古動
-
-
【ヤフオク】 NEC Mate ML-G Core i5-3470S 2.9GHz 2GB DVDスーパーマルチ ジャンク 落札
2850円＋送料で落札。 最近中古PCの価格が上がっていると聞いていましたが、結構安い
- 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
