*

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

Centrych OS 12.04.2 / 不思議な Linux

> SugarMoon : Centrych OS 12.04.2 先週から Sug

記事を読む

7200回転のハードディスクは熱かった

今夜、仕事をしているのだが、どうも PC の動作が遅いような気がする・・・ 先日壊れた

記事を読む

Acer製 ディスプレイ EB321HQUBbmidphx 31.5インチ WQHD(2560 x 1440)/IPS 衝動買い

Acer モニター ディスプレイ EB321HQUBbmidphx 31.5イン

記事を読む

Edubuntu

* 江戸の宇文津 ではなく、Educational Ubuntu という意味。 Edubut

記事を読む

VLCプレーヤー DELL製スピーカーを壊す?

元ネタ⇒ VLCをインストールするだけでスピーカーの保証は無効というDELLの対応に対して掲示板

記事を読む

中古HDD をセットで落札

ヤフオクで、500GB 日立製 HDD 中古動作品 3個を 4710円+送料で落札。

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

【ヤフオク】NEC PC-MKL39EZG1 Mate ME-1 到着

この前落札した NEC の中古パソコン PC-MKL39EZG1 の Mate ME-1 が到着しま

記事を読む

自宅のメインPC、病に倒れる

昨日の夜、自宅のメインPCが壊れました。 ふるさと納税でもらったマウスコンピュータ製のPC。

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

投資信託「世界のベスト」 2026年7月配当

毎月配当の投資信託「愛称:世界のベスト」 の 2026年7月の配当が出

【FX】FX雑感 2026/7/23

MT4 のバグがいっこうに直る気配がないので、最近 FX について い

画像生成系AI「Dreamina AI」

画像生成系の AI の一つに「Dreamina AI」があります。

ハリソン内科学 第3版(原著第17版)が 330円

昨日、久々にブックオフ堅田店に行くと、書籍の置き場がさらに縮小し、バト

韓国ブラックマンデー来たか

昨日の記事「韓国ブラックマンデー来るか」の続きです。 テ

→もっと見る

  • アクセスカウンター
PAGE TOP ↑