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。
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
-
LG製 IPS 液晶モニタ 21.5型 22M35D
LG Electronics Japan 21.5型 TNパネル(非光沢/192
-
レグザ録画用外付けHDD HD-LS2.0TU2D 逝く (2)
昨日の続きです。 レグザ録画用外付けHDD Buffalo 製 HD-LS2.0TU2D とい
-
東芝レグザ42Z1 にUSBハードディスクを増設
TOSHIBA LED REGZA 42V型 地上・BS・110度CSデジタ
-
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
-
DELL Optiplex760 2台目
* これは先月(2013/12/26) 1150円(始値)で落札したもの。未報告。 一番
-
すべてのOSで使える無料でMSオフィス上位互換のオフィスソフト
すべてのOSといっても Windows、MacIntosh、Linux ですが、これらで使える
-
Windows10 で Google日本語変換が止まる
Windows10 にアップグレードした PC で Google日本語変換の途中で止まるのです。
-
デジカメ写真は撮ったまま使うな! / 鐸木 能光
デジカメ写真は撮ったまま使うな!―ガバッと撮ってサクッと直す (岩波アクティブ新
-
ハードディスク+SSD を一台分のスペースで
最近は 4チャンネル同時録画のできるチューナー(PT2)を買ったので、ハードディスクの残量が
-
インクジェットプリンタ用ペーパー
2011.3.27(日) インクジェットプリンタで印刷する場合、私のよく使ってい
- PREV
- お勧めの壁紙
- NEXT
- 電脳セッション (ハヤカワ文庫JA) / 東野 司