*

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

ネットワーク過剰防衛マニュアル / 網野 嵐

ネットワーク過剰防衛マニュアル posted with amazlet at

記事を読む

Haze OS 6 試用してみた

チーズケーキというオペレーティングシステム 「ライブCDの部屋」で Haze OS 6.0.1 C

記事を読む

自宅のメインの WindowsXP が立ち上がらなくなった (3)

「自宅のメインの WindowsXP が立ち上がらなくなった (2)」の続きですが、 Fire

記事を読む

壁紙屋本舗

Windows 10 の Microsoft Defender ウイルス定義ファイルは 2028年10月まで更新を継続

Windows10 のサポートが一昨日で切れたと思っている人が多いですが、Microsoft が 6

記事を読む

賢いモニタ

ナナオ FORIS 23インチ TFTモニタ 1920x1080 DVI-D24

記事を読む

【整備済み品】 東芝 MQ01ABDxxxシリーズ 2.5inch 500GB HDD/ 5400rpm

これもリファービッシュ品の東芝製の 2.5インチHDD です。500GB で 5400回転の

記事を読む

儲かる!ヤフオクマル得活用ガイド

裏テク探偵団 VOLUME7 (7) 儲かる!ヤフオクマル得活用ガイド アスペク

記事を読む

インテルがデスクトップPC向けマザーボード市場から撤退

* 「インテルがデスクトップPC向けマザーボード市場から撤退」というニュースが入って来ました。

記事を読む

記録可能 BD ドライブ iHES112-02

LITEON iHBS112-04 BD-R12倍速記録対応内蔵型Blu

記事を読む

2GPU搭載カード廉価版

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-QU

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

日本史で遊ぶ

ChatGPT などの AI に こそこそと「プロンプト」なる呪文(日

最後は文字で

たとえば 動画を観るとき、そのまま観っぱなしにしていると だんだん記憶

なぜ人気なのか、フェルメール

フェルメールの生涯と特徴 ヨハネス・フェルメール(1632年 - 1

次世代通信関連 世界株式戦略ファンド(予想分配金提示型) の7月分配金決定

次世代通信関連 世界株式戦略ファンド(予想分配金提示型) 、愛称「Th

PRESIDENT 年収が10倍になるAI仕事術

★★★☆☆ プレジデントの 2026年5/29号 です。 AI

→もっと見る

  • 2026年7月
     12345
    6789101112
    13141516171819
    20212223242526
    2728293031  
  • アクセスカウンター
PAGE TOP ↑