*

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

複合語の登録の工夫:品詞を適切に設定する

パソコン辞書の登録単語(複合語)の品詞について パソコンの日本語変換システムの辞書の話ですが、

記事を読む

Dimension9200 突然死

* 高槻遠隔画像診断センターの私のセカンドマシンの Dimension9200 ですが、電源が

記事を読む

Linux100% Vol.18

Linux100% Vol.18 (100%ムックシリーズ) 晋遊舎 2012

記事を読む

Amazon で MP3 買ってみた / Amazon Cloud Player

Amazon で曲のダウンロード販売をやっていますよね。 MP3 形式のファイルなので汎用

記事を読む

手のひらコンピュータ Remix OS搭載 Remix Mini ODMRM1G

手のひらコンピュータ注文しました テックウインド Remix OS搭載 Rem

記事を読む

中古ノートパソコン注文しました

いわゆる再生品です。 ヤガミ電気というところが販売している NEC ノートPC VKシ

記事を読む

驚くほど手軽に使える3Dプリンター

Gigazine での記事 > 驚くほど手軽に使える3Dプリンターでオバマ米大統領やクライ

記事を読む

PATA ハードディスクのチェック(2)

SANWA SUPPLY IDE/SATA-USB変換ケーブル 0.72m US

記事を読む

TS16GUSDHC10 Class10 永久保証の SDHCカード

Transcend microSDHCカード 16GB Class10 永久

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

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

今夜はこういうのを買ってみました。800点以上で 710円。

恐ろしいメガバンドル(2) 32000個入りを買ってみた

昨日の記事「恐ろしいメガバンドル」で紹介したもののうち、18万個(20

壁紙屋本舗
恐ろしいメガバンドル

またまた Etsy.com の話ですが、眺めているとすごい商品が目につ

小原古邨のデジタルアート 200点

Etsy.com をぼーっと見ていたら、大好きな小原古邨のデジ

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

→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 ↑