*

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

崎ともう一つのサキ

齊齋斎斉・・・ この前、サイトウさんの「サイ」の字は25文字もある、とTV 番組でやっておりま

記事を読む

Remastersys / Linux で実行環境をiso化する

* なんのこっちゃと思われる方もおられるでしょうが、Linux のコマンドで、remaster

記事を読む

【AI】Claude 使ってみる

Claude についていろいろ調べてみていたわけですが、いよいよ使ってみることにしました。 最

記事を読む

CFD MGAXシリーズ 2.5型 SSD 512GB CSSD-S6L512MGAX

【CFD販売公式店】CFD MGAXシリーズ 3D NAND

記事を読む

百度(バイドゥ)IME はキーロガーかも

* 中国企業の「百度(バイドゥ)」 が無料で提供する日本語かな漢字変換ソフト「Baidu IM

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

Linuxをすぐに使いこなす本

Linuxをすぐに使いこなす本 (100%ムックシリーズ) 晋遊舎 2012-

記事を読む

【パソコン】 LM-iH301S-IIYAMA の SSD への換装

自宅横の事務所のメインPC である LM-iH301S-IIYAMA はふるさと納税でもらったパ

記事を読む

昨日の戦利品

ヤフオクの昨日の戦利品です。 DELL DIMENSION 3100C VO

記事を読む

Windows7 延命計画

日経PC21 2018年 7 月号 日経BP社 2018-05-24 売り上げラ

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

20万点以上のデジタルウォールアートバンドル(2)

「20万点以上のデジタルウォールアートバンドル」という Etsy.co

300点以上の日本の壁掛けアート

Etsy.com で「300点以上の日本の壁掛けアート」と称した作品集

【AI】Gemini 3.8Flash 登場

Gemini 3.8 Flash を Google DeepMindが

20万点以上のデジタルウォールアートバンドル

「20万点以上のデジタルウォールアートバンドル」という製品を

歌川広重の日本美術版画800点以上:高解像度(デジタルダウンロード)R-159(2)

昨日買った歌川広重(安藤広重)の日本美術版画800点以上です。

→もっと見る

  • 2026年9月
     123456
    78910111213
    14151617181920
    21222324252627
    282930  
  • アクセスカウンター
PAGE TOP ↑