*

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

Makulu 10 Aero について

MakuluLinux 以前の記事「Makulu 10 Aero と Linux Lite 3.8

記事を読む

Vostro3800スリムタワー到着

DELL の年末在庫一掃セールが始まりました。特に法人は税金対策のためパソコンでも買っておこ

記事を読む

【ヤフオク】 NEC PC-MK25TGFCE 液晶一体型PC (2)

3350円+送料で落札したモニタ一体型パソコンですが、ハードウェア的には故障はなさそうです。

記事を読む

Gmail で溜まったメールの一括削除

Gmail の無料の容量は 15GBありますが、使用量が 86%になったころから、しょっちゅう「容量

記事を読む

Windows7 ノートパソコン 激安

* わくわくPC という中古パソコンショップが 楽天市場にありますが、結構安い。 上のバ

記事を読む

WindOS / 風のようなオペレーティング・システム

WindOS[/caption] Windows ではありません。WindOS(風の

記事を読む

プリンタ HP ENVY 5542 半死

年賀状を刷り始めた途端に、プリンタ HP ENVY 5542 が半死状態に。 A4 などの紙に

記事を読む

【ヤフオク】Gateway SX2370-A44D/TF A6-3600 ジャンク 落札

2000円+送料で落札。 「BIOSの設定を変更することができました。 」とのこと。H

記事を読む

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

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

家紋の歴史について

日本の家紋の歴史は、単なる「家のマーク」の歴史ではなく、身分秩序・戦場

ホテルでの快適な読影

盆休みでもあった先週の土日、グランドエクシブ鳥羽に泊まった際には、ミニ

マルタイラーメンご当地セット

いつもご愛顧のマルタイラーメンのご当地シリーズ。 ちょっとお

グランドエクシブ鳥羽

先週の土日に鳥羽にあるグランドエクシブ鳥羽に家族全員で泊まりに行ってき

王位継承戦争

前日の書「血脈の世界史」でヨーロッパによくありがちなのが、継承戦争。

→もっと見る

  • アクセスカウンター
PAGE TOP ↑