*

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

BMAX N100ミニPC 16GB+512GBSSD Win11 Pro

4台目のミニPCを買いました。メーカーは BMAX。 箱に記載の型番は BMAX-JP

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

MakuluLinux 2020 Flash インストールしてみた(2)

以前の記事「MakuluLinux 2020 Flash インストールしてみた 」の続きです。

記事を読む

XP でも 簡単に 4画面出力 GF-QUAD-DISP/4DVI

玄人志向 グラフィックボード DVIx4 4画面出力 ファンレス GF-

記事を読む

簡単なホームページ作成ソフト(続き)

【上位版】次世代型サイト作成システム「SIRIUS」 忙しくてなかなかいじれません。 昨

記事を読む

久々にヤフオクでPC2台ゲット

* Precision や Optiplex ばかりを狙って入札していたが、最近なかなか落とせ

記事を読む

MOSWAG RCA USBケーブル

前回の「USB – RCA変換ケーブル(384KHz/24-bit Hi-Res DAC搭載

記事を読む

Kubuntu14.04 インストールしてみた

もともと Ubuntu の公式派生だった Kubuntu ですが、現在はコミュニティベースの開発

記事を読む

Windows XP 用の Avira Free Antivirus は 4月8日で期限切れ

Windows XP 用の Avira Free Antivirus は 2015年4月8日でサ

記事を読む

またまた 80GB 中古HDD 2台ゲットだ

1台800円(初期値)で出ていた日立製ハードディスクに入札していたら、その後誰もセリ相手が現れず

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

chatGPT はじめてのプロンプトエンジニアリング / 本郷喜千

★★★☆☆ ChatGPTの初心者向けに「プロンプト(指示文)の

川瀬巴水『旅みやげ』

昭和の広重と言われた版画家 川瀬巴水には『旅みやげ』という人気シリーズ

日本の妖怪について

「お化けと幽霊と妖怪はどこが違うの」と孫に訊かれました。 「幽霊

小林清親『武蔵百景之内』全34枚

小林清親『武蔵百景之内』(全34枚)のオマージュ作品を製作しま

水野利方『三十六花選』のリメイク

本日は水野利方の版画集『三十六花選』を元に今風浮世絵を作ってみ

→もっと見る

  • アクセスカウンター
PAGE TOP ↑