*

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 Optiplex740 またゲット

  * またヤフオクでゲット。2200円。 CPU:Athlon64X2 3

記事を読む

Linuxfx(WindowsFX)10.1 登場

2020/5/7 に Distrowatch にて LinuxFX というブラジル産のディストリビュ

記事を読む

ミニPC(N95) 3台目注文

アマゾンのタイムセールで 21400円と安くなっていたので、ミニPC 3台目を注文。 >販売ペ

記事を読む

Crucial V4 128GB SSD

Crucial V4 128GB 2.5inch SSD SATA3Gbps 9

記事を読む

PT2導入

   アースソフト製のクアッドチューナー搭載のキャプチャーボードである PT2を導入

記事を読む

Lilys が進化 ReadRay

私が課金している Lilys という AI アプリケーションがいつのまにか ReadRay という名

記事を読む

エレコム ギガビットイッチングハブ 8ポート EHC-G08PA3-W

エレコム スイッチングハブ 5ポートor8ポート ギガビット

記事を読む

使っていない PC に Windows10 Pro をインストール

先週から PC用メインメモリを 96GB 分ほど買い込みました。 SATA 接続の SSD もだい

記事を読む

サーバーカウボーイが動かない

* レンタルで借りているサーバーは3つあって、Coreserver、ServerCowboy、

記事を読む

Linux Mint 20.1 "Ulyssa" MATE 使ってみた

先月 Linux Mint 20.1 "Ulyssa" が正式に発表されました。 ダウンロード

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

炭水化物on炭水化物

よく「炭水化物on炭水化物なんておかしい」という人がいます。ガイジンに

ダーク妖怪 Vol.1、33フレームTVアートバンドル

鳥山石燕の『百鬼夜行』から着想を得て、ダークな空想絵巻を作って

chatGPT はじめてのプロンプトエンジニアリング / 本郷喜千

★★★☆☆ ChatGPTの初心者向けに「プロンプト(指示文)の

川瀬巴水『旅みやげ』

昭和の広重と言われた版画家 川瀬巴水には『旅みやげ』という人気シリーズ

日本の妖怪について

「お化けと幽霊と妖怪はどこが違うの」と孫に訊かれました。 「幽霊

→もっと見る

  • アクセスカウンター
PAGE TOP ↑