*

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

ポート開放/閉鎖用バッチファイル

以前から、ある一定時間だけ PC の特定の通信ポートを遮断できないか考えていました。 MT4

記事を読む

自宅メインパソコンHDDが壊れた(2)

「自宅メインパソコンHDDが壊れた」 の続きです。 結局20時間以上かかってハードディスクのコ

記事を読む

I-O DATA 高速・多機能・ブロードバンド有線ルーター ETX-R

I-O DATA 高速・多機能・ブロードバンド有線ルーター ETX-R I-O

記事を読む

imation A320(2.5″ SATA3 240GB SSD)

imation 社の 2.5" SATA3 SDD の A320 です。容量は 240GB。

記事を読む

2021/5/13 Windows アップデーっと

ついうっかり、自宅のメインPC の Windows10 のアップデートを許したら、その後 2時間ほど

記事を読む

またまた DELL Optiplex 740(HDD 付き)を2台ゲット

 * すいません、またまた DELL Optiplex 740 を2台ヤフオクで落としました。

記事を読む

Panasonic 録画用4倍速ブルーレイディスク片面2層50GB 50枚 LM-BRS50L50S【WEB限定】

Panasonic 録画用4倍速ブルーレイディスク片面2層50GB(追記型)スピ

記事を読む

マジェスタッチ2枚め:FKB108M/JB

FILCO Majestouch 日本語108キーボード・かなあり・黒 US

記事を読む

DELL Optiplex760 2台目(3) USBメモリからのブート問題

* これは昨日紹介したマシンでの話ですが、4GB の USB メモリに入れた KONA Lin

記事を読む

ADATA製 SSD 256GB ASP600S3-256GM-C

ADATA SSD 256GB 2.5インチ SATA3 6Gb/s MLC採用

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

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

日本史で遊ぶ

ChatGPT などの AI に こそこそと「プロンプト」なる呪文(日

→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 ↑