*

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

男の山脈

エアリア 男の山脈 USB3.0接続 2.5/3.5HDD両対応外付アダプタ E

記事を読む

で、新しいマシンを作った

* で、新しいマシンを作ったワケ。 マザボは GIGABYTE の MA78GM-US2H。

記事を読む

Outlook の添付ファイルは極窓に調べてもらおう

* 私はメーラーには Gmail を使っていますが、ときどき添付ファイルで拡張子が eml の

記事を読む

MSオフィス信者は困る

* そう言えば、ちょっと前にどこかの医療系大学の教官がレポートの宿題を出して、MSワードで提出

記事を読む

理系と文系のハナシ Macintosh の好き嫌い

先日の「パソコンの故障 おそらくメモリの接触不良」という記事で書きました. 文系の人はメモ

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

USBメモリはとっても壊れやすい

USBメモリ、SSD などのフラッシュメモリは、浮遊ゲートとしてデータを記憶する仕組みです

記事を読む

HP Pavilion 15-ab200

WEB限定モデルのノートパソコンです。 詳しくはこちらを> HP Pavilion 1

記事を読む

3番組同時録画対応ハードディスクレコーダー HVTR-T3HD2

I-O DATA 3番組同時録画対応ハードディスクレコーダー 2TB HVTR-T3

記事を読む

WiMAX 到着

WiMAX の機器(Speed Wi-Fi HOME 5G L13+nanoシムカード)が到着しまし

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

鳥山石燕『今昔画図続百鬼』について

江戸時代中期の絵師・鳥山石燕(とりやま せきえん)は妖怪を描いた人とし

小渕優子の財政感覚

最近は政治ネタはあまり書いていませんでしたが、これはひどいと思ったのが

鳥山石燕『百器徒然袋( 百鬼徒然袋)』について

江戸時代中期の絵師・鳥山石燕(とりやま せきえん)は妖怪を描いた人とし

炭水化物on炭水化物

よく「炭水化物on炭水化物なんておかしい」という人がいます。ガイジンに

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

→もっと見る

  • アクセスカウンター
PAGE TOP ↑