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。
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
-
-
クラウド型スクリーンショット Gyazo(3)
前回の記事「クラウド型スクリーンショット Gyazo(2)」の続きです。 キャプチャするとこう
-
-
外付型ハードディスク 2TB
I-O DATA 東芝対応 USB 2.0/1.1接続 外付型ハードディスク 2TB
-
-
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
-
-
Citrix すぐ切れる
職場で使っている NEC の PC で Citrix がしょっちゅう切れます。 Citrix
-
-
DELL Photo 966 安くてきれいなプリンタ
私の書斎で愛用している DELL のプリンタ DELL Photo 966 です。 Win
-
-
USB 簡易電圧・電流チェッカー / 普通の人は不要だけど
ルートアール USB 簡易電圧・電流チェッカー VA同時表示・充電最適化回路内蔵
-
-
DELL PRECISION 490 様ご到着
＊ QuadroFX 4500 のついたワークステーション DELL PRECISION
-
-
日本語変換の単語登録 品詞の設定
パソコンの日本語辞書のユーザー辞書に単語を登録するときに品詞を正しく設定していない人が多いです。
-
-
最近ネットがよく落ちる
＊ 高槻遠隔画像診断センターで使っているメインマシンですが、よく通信が途切れます。 ほかのマ
- PREV
- お勧めの壁紙
- NEXT
- 電脳セッション (ハヤカワ文庫JA) / 東野 司
