*

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

DELL Optiplex 740 Athlon64X2 3800+ ミニタワー動作品(2)

  この前書いた商品が昨日到着。2300円。 本日動作確認しました。スペックは

記事を読む

Seagate製HDD Barracuda 2000GB(ST2000DM001)調べてみた

レグザで使っていて一昨日壊れた外付けドライブの中身のハードディスクは、Seagate製の Bar

記事を読む

Zorin9 使ってみた

待望の Zorin9 ですが、本家サイトから 32bit 版をダウンロードして、USB メモリに

記事を読む

企業の Linux 化

* 企業内部で使われている OS は Windows が多いですが、全部 Linux にしてし

記事を読む

Seagate HDD 2TB 逝く

なにかの外付けHDD(バッファロー製?)に入っていた Seagate の 2TB HDD が壊れ

記事を読む

Windows10 のコマンドラインで winzip を使いたい

Windows のコマンドラインで winzip(zip) を使いたいと思ったが、Windows10

記事を読む

アンチウィルスを変えて Windows XP をあと 1年使う!

Avira Free Antivirus で Windows XP を 2015年4月まで使う

記事を読む

Chalet OS 16.04 試用してみた

久々の Linux ネタです。 Zorin 12 Core 版を常用しているワタシで

記事を読む

絵のうまい ChatGPT も課金するべきか?

「うそ しんいち」ばりにウソばっかりついていた印象のあった ChatGPT ですが、最近ハルシネーシ

記事を読む

2号機の後処理

   旧 2号機のハードディスク 2台、合計 1.1TB を USB2.0 で繋いで

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

国芳の猫

歌川国芳(うたがわ くによし、1798–1861)は、江戸時代末期に活

板間クモ膜瘤

よく、クモ膜顆粒と混同されている板間クモ膜瘤についての話です。

日産セレナ e-Power

息子が車を買い替えるとか。 今まで乗った Honda のフリードから

ママ投資家が育休中に1億貯めた株式投資 / ちょる子

★★★☆☆ 育休中にスマホで1億円を稼いだママ投資家として有

AI絵師の締め出し

最近、イラスト投稿サイトにおける AI 作成物の禁止が話題になっている

→もっと見る

  • 2026年7月
     12345
    6789101112
    13141516171819
    20212223242526
    2728293031  
  • アクセスカウンター
PAGE TOP ↑