*

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

FLATRON IPS231P-BN

LG 23型ワイド IPSパネル/ホワイトLED BLU採用液晶ディスプレイ (

記事を読む

悲報 ブルーレイレコーダー 発売停止

https://www.youtube.com/watch?v=fAsBrwu-gnk 東芝が

記事を読む

ORICO S500-PRO SSD SATA 128GB

ORICO という中華メーカーの SSD(SATAタイプ)。 ORICO は中華系の中では

記事を読む

8ポートギガビット対応スイッチングハブ HPE OfficeConnect 1405 8G v3 Switch

【76%OFF】【公式】8ポートスイッチングハブ HPE O

記事を読む

【ヤフオク】WD800AAJS 3.5インチHDD 80GBx4台セット 正常品 到着

990円+送料で落札。 正常動作の中古品だということですが、ワタシも一応 Crysta

記事を読む

acer ASX3950-N34D/TF 入院

acer の ASX3950-N34D/TF は昨年 2月にヤフオクで 3000円で落札した

記事を読む

Centrych OS 12.04.2 / 不思議な Linux

> SugarMoon : Centrych OS 12.04.2 先週から Sug

記事を読む

【ヤフオク】 3.5インチ&2.5インチ ハードディスクセット

2920円+送料(691円)で落札。 Western Digital SATA

記事を読む

【AI】Antigravity2.0 で DPI 変換

画像の解像度(DPI)を変換するのには、Photoshop などのソフトや専用のオンラインサイトで行

記事を読む

パソコンが立ち上がらない

今朝、高槻の事務所で使っている(普段使っていない)PCの 1台が立ち上がらなくなっていること

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

ダーク妖怪 Vol.1、33フレームTVアートバンドル

鳥山石燕の『百鬼夜行』から着想を得て、ダークな空想絵巻を作って

chatGPT はじめてのプロンプトエンジニアリング / 本郷喜千

★★★☆☆ ChatGPTの初心者向けに「プロンプト(指示文)の

川瀬巴水『旅みやげ』

昭和の広重と言われた版画家 川瀬巴水には『旅みやげ』という人気シリーズ

日本の妖怪について

「お化けと幽霊と妖怪はどこが違うの」と孫に訊かれました。 「幽霊

小林清親『武蔵百景之内』全34枚

小林清親『武蔵百景之内』(全34枚)のオマージュ作品を製作しま

→もっと見る

  • アクセスカウンター
PAGE TOP ↑