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
-
-
日本関連のアートが欧米で人気(2)
一昨日の記事「日本関連のアートが欧米で人気」で、 ＞上のようなアヤシイ漢字の入ったデジタルアー
-
-
Crucial V4 128GB SSD
Crucial V4 128GB 2.5inch SSD SATA3Gbps 9
-
-
激安プリンタ B110a
HP Photosmart Wireless B110a インターネット直接接続
-
-
ノートパソコン NEC PC-VK25LXZEN 到着
「中古ノートパソコン注文しました」の続きです。 アマゾンで売っている「Amazon整備
-
-
NEC PC-MK25MBZV1F3C Mate MB-C Core i5-2400S 出番ですよ
「NEC PC-MK25MBZV1F3C Mate MB-C Core i5 2400S 2
-
-
シリコンパワー 2.5インチ SSD SATAII 32GB SP032GBSSDE20S25
シリコンパワー 2.5インチSolid State Disk 高速転送 SA
-
-
Citrix すぐ切れる
職場で使っている NEC の PC で Citrix がしょっちゅう切れます。 Citrix
-
-
A-DATA ASP900S3-64GM-C-7MM / ADATA 2.5"SSD 64GB SATA6G
A-DATA ASP900S3-64GM-C-7MM ADATA 2.5"SSD
-
-
こんなの焼いています ブルーレイ
＊ 通常（民生用ブルーレイレコーダー）なら 180分しか録画できない BD-R の片面2
- 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
