*

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

Ubuntu14.04LTS 32ビット版 インストールしてみた(2)

あれから少し遊んでみました。 leafpad をインストール 私の好きなエディタの leaf

記事を読む

作家になるパソコン術 / 松本侑子

作家になるパソコン術 (にこにこブックス) 松本 侑子 筑摩書房 1998-1

記事を読む

Philips SpeechMike LFH5276

* ヤフオクでオフィスワールド( officeworldoa )という業者さんから入手。

記事を読む

ネットワーク過剰防衛マニュアル / 網野 嵐

ネットワーク過剰防衛マニュアル 網野 嵐 秀和システム 2002-12 売り上

記事を読む

Pioneer BD-ROM / BDC-207DBK

BDC-207DBK Blu-rayコンボドライブ ブラックベゼル Pi

記事を読む

パソコンの故障 おそらくメモリの接触不良

* 一昨日、長年の知人からケータイメール(私はパソコンで受信)。 以前作ってあげた(完全自作

記事を読む

自宅メインパソコンHDDが壊れた(3) teamviewer でスーイスイ

自宅メインパソコンHDDが壊れた(2) の続きです。 2台めの 2TB HDD にコピー中です

記事を読む

Zorin 12.3 Core 試用&インストールしてみた

5日前にリリースされた Zorin 12.3 Core。 だいぶよくなったということでしたので

記事を読む

自宅の WindowsXP PC 昇天

自宅で WindowsXP で動いていた自作 PC(愛称 WhiteBase) がついに逝きました。

記事を読む

LG電子製 SATA内蔵スーパーマルチドライブ GH24NSC0 BL BLK

LG電子 S-ATA 内蔵スーパーマルチドライブ ブラックベゼル バルク ソフト

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

Gemini 3.5Flash について

NHK で好きな番組でほぼ毎回録画しているものに『美の壷』があります。

AXI Select ようやくエッジスコアが上昇傾向に

プロップファームの一種である AXI Select はインキュベーショ

ワークライフバランス

ワークライフバランスという言葉が一般的になって久しいですが、われわれ昭

チームラボ バイオヴォルテックス京都に行ってきました

3人めの孫の誕生日に京都のチームラボ バイオヴォルテックスに行ってきま

高槻遠隔画像診断センターに置いてきたもの

先週の日曜日、高槻遠隔画像診断センターから自宅近くの仕事部屋へ引っ越し

→もっと見る

  • アクセスカウンター
PAGE TOP ↑