*

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

Lubuntu 14.04 ライブ起動してみた

Lubuntu 14.04 LTS 発表 先月の2014/4/17、Ubuntu が 14.0

記事を読む

NEC VL300/9 到着

  * CPU: Cel 2.7Ghz メモリ: 256MB HDD: 1

記事を読む

もう非クラウド型遠隔画像診断は使いたくない・・・その理由

* もう時効かな、と思うので書きます。 * ちあきなおみではないが、あれは数年前・・・、私

記事を読む

USBメモリ サンディスク SDCZ73

128GB USBメモリー SanDisk サンディスク U

記事を読む

no image

美麗な壁紙

* 以下のサイトで 超・美麗な壁紙が無料でゲットできます。 > http://www.wa

記事を読む

膵臓癌 スティーブ・ジョブズ

スティーブ・ジョブズが亡くなったそうな。 膵臓癌にしてはよくもったほうですね。 今年のノーベル

記事を読む

WiMAX 申込んでみる

新しい事務所を借りましたので、インターネット回線を引かないと。 まだ電気、ガス、水道も通っていない

記事を読む

Netac M.2 SSD 250GB を NEC Express 5800 に組み込み

Netac という素性の知れない中華メーカーの SSD です。 M.2 形式の NVMe

記事を読む

医局のみんなでパソコンを使いたい

大昔の話なので、今は笑い話かも。 普通の事務所なら普通に行っていることが、パソコン音痴の多い医

記事を読む

Pioneer BD-ROM / BDC-207DBK

BDC-207DBK Blu-rayコンボドライブ ブラックベゼル Pi

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

290点以上のバンクシーのウォールアートプリントセット

290点以上のバンクシーのウォールアートプリントセット を Etsy.

外来種のカニ対策にタコを持ち込んだイタリア人の末路

https://www.youtube.com/watch?v=nCO

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

→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 ↑