*

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

医知悟は Java7 非対応

* 愛用の Windows2000 マシンで勝手に Java がアップグレードしてしまい、その

記事を読む

APC ES 550 BE550G-JP もうだめか

APC ES 550 BE550G-JP エーピーシー・ジャパン 2010-0

記事を読む

Core i3-8100 について

昨日うちにやってきた第8世代 Core i プロセッサーの i3-8100 くんですが、彼には特筆す

記事を読む

Quick Sync Video について

   この前買った DELL のノートパソコン Inspiron 15R ですが

記事を読む

謎の BD-R メディア PBR260TT4X.50SP1

楽天市場で BD-R DL メディア(50GB)で PBR260TT4X.50SP1 というものを見

記事を読む

マジェスタッチ2枚め:FKB108M/JB

FILCO Majestouch 日本語108キーボード・かなあり・黒 US

記事を読む

Vostro260S

Vostro260S[/caption] 昨日来ました。DELL のニューマシン。Core

記事を読む

DELL Optiplex740 またゲット

  * またヤフオクでゲット。2200円。 CPU:Athlon64X2 3

記事を読む

ブルーレイドライブ PC用USB3.0接続外付け 読み書き Windows/Mac 両対応 aelrsoch ブランド

aelrsoch という聞いたことのないブランド。たぶん中国製でしょう。まともな日本語で書かれた

記事を読む

壁紙屋本舗

まな板マウスパッド

100円ショップで買ってきたまな板(未使用)をマウスパッドに使用しています。 冬はプラ

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

平等な税金

以前に紹介した橘玲さんの新作「新・貧乏はお金持ち 「雇われない生き方」

お肉がゴロッとポークカレー 中辛 180g×4袋

お肉がゴロッとポークカレー 中

【FX】Monopolist という EA

久々に FX の話です。 MQL5 で売られている Monopo

新・貧乏はお金持ち 「雇われない生き方」で格差社会を逆転する / 橘玲(2)

以前の記事「新・貧乏はお金持ち 「雇われない生き方」で格差社会を逆転す

キンレイ お水がいらない 天下一品

キンレイの 「お水がいらない天下一品」です。 天下一品の

→もっと見る

  • 2025年6月
     1
    2345678
    9101112131415
    16171819202122
    23242526272829
    30  
  • アクセスカウンター
PAGE TOP ↑