*

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

Web3.0への会議 / サティー・ポッター

Web3.0への会議 サティー・ポッター アイボーイ ゴマブックス 2007-

記事を読む

500GB 中古ハードディスク HDP725050 ご到着

* ヤフオクで 1100円でセリ落とした日立製のハードディスク Deskstar HDP725

記事を読む

WD20EZRZRT ウエスタンデジタル製HDD(WD Blue) 2TB

WD20EZRZ-RT Western Digital 売り上げランキング :

記事を読む

液晶モニター 23.8型 HP ディスプレイ V24i G5 壊れた

http://yiwasaki.com/wp/post-41001-41001.html 今年

記事を読む

LXLE 12.04.3 / Lubuntu 風の Linux

LXLE プロジェクト日本語トップページ >http://sourceforge.jp

記事を読む

【整備済み品】 東芝 MQ01ABDxxxシリーズ 2.5inch 500GB HDD/ 5400rpm

これもリファービッシュ品の東芝製の 2.5インチHDD です。500GB で 5400回転の

記事を読む

DELLのパソコン

* 思い出話を少々。 DELL と言えば、たくさんのラインアップがあります。 個人やSOH

記事を読む

BMAX N100ミニPC 16GB+512GBSSD Win11 Pro

4台目のミニPCを買いました。メーカーは BMAX。 箱に記載の型番は BMAX-JP

記事を読む

Windows XP での3面

* 相変わらず苦労しております。 Windows2000 ではオンボードのグラフィックチップ

記事を読む

A-DATA ASP900S3-64GM-C-7MM / ADATA 2.5"SSD 64GB SATA6G

A-DATA ASP900S3-64GM-C-7MM ADATA 2.5"SSD

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

「経済とお金の地図」という Youtubeサイト

面白いサイトにはまっています。「経済とお金の地図」という Yo

50年ぶりにリュックサックを買う

50年ぶりにリュックサックを買うことになりました。 ふだんは

WCM 世界成長株厳選ファンド(予想分配金提示型)【愛称】ネクスト・ジェネレーション

「WCM 世界成長株厳選ファンド(予想分配金提示型)」という投資信託は

無題その1

人間の目が最も感度がいい色は黄色。 なぜ? たぶんこれは太陽の

あっちのゴルカン

昨日、「Tracers MSCIオール・カントリー・ゴールドプラス」に

→もっと見る

  • アクセスカウンター
PAGE TOP ↑