■Windows版Perlの細道・けもの道

■ナビゲータ

[南北館(最初のメニュー)]

  1. [Windows版Perlの細道・けもの道]
    1. [1.準備編]
    2. [2.基本編]
      1. [2-1.基本処理]
      2. [2-2.キーブレイク処理]
      3. [2-3.マッチング(照合)処理]
        1. [2-3-1.マッチング(照合)処理の概要]
        2. [2-3-2.1対1マッチング(照合)]
        3. [2-3-3.マージ処理]
        4. [2-3-4.1対nマッチング(照合)]
        5. [2-3-5.ハッシュを使った1対1マッチング(照合)]
        6. [2-3-6.ハッシュを使ったマージ処理]
        7. [2-3-7.ハッシュを使った1対nマッチング(照合)]
      4. [2-4.ソート(並べ替え)処理]
      5. [2-5.パターンマッチ処理]
    3. [3.応用編]
    4. [スクリプトと入力データのサンプル]
rubyではどう処理する?
同じことをrubyではこうしています。

2.基本編

2-3.マッチング(照合)処理

2-3-4.1対nマッチング(照合)

2つのCSVファイルを読み込んで、同一のキー項目を元に照合を行うスクリプトです。2つのファイルは「マスタファイル」と「トランザクションファイル」と呼びます。照合した結果により、3つのファイルに、<ふるいわけ>をします。3つのファイルとは、、該当するキー項目が「マスタファイル」と「トランザクションファイル」の両者に存在する<マッチングファイル>、該当するキー項目が「マスタファイル」にしか存在しない<マスタオンリーファイル>、該当するキー項目が「トランザクションファイル」にしか存在しない<トランザクションオンリーファイル>のことです。

「1対nマッチング(照合)」は、「トランザクションファイル」において、同一のキーを持つレコードが複数存在する場合のマッチング(照合)処理です。

1対1マッチング(照合)との相違は、マスタファイルのキーとトランザクションファイルのキーがマッチしたとき、トランザクションファイルについて繰り返し処理を行う点です。繰り返し処理は「until」を利用し、「until」処理の内部でトランザクションファイルを入力しています。「until」処理が終了する条件は、マスタファイルのキーと異なることです。

この例では、「マッチング(照合)したときの処理」を「until」処理の内部で行っていますが、トランザクションファイルの合計値を出力するような場合は、「until」処理を抜けた後に行うことになります。

下記に示したのは、スクリプトの構造を示したPAD図です。この図と実際のスクリプトを比較しながら、内容を理解してください。なお、入力データはキー順に並べ替えてあることが前提となっています。Perlを利用して並べ替えを行う場合については、[2-4.ソート(並べ替え)処理]を参照してください。

並べ替えをしなくても1対nマッチング(照合)を行うことができるスクリプトについては[2-3-7.ハッシュを使った1対nマッチング(照合)]にあります。

マッチング(照合)した場合は、「マスタファイル」と「トランザクションファイル」の両方が元データになりますが、どちらのファイルのデータをどのように編集するかは、それぞれのケースによって異なるので、各自工夫してください。

「マスタオンリーの処理」と「トランザクションオンリーの処理」では、それぞれ「マスタファイル」や「トランザクションファイル」からすべてのデータをセットして、出力していますが、必要に応じて、条件をつけたり、集計したり、必要な項目だけをセットするなど、内容を変更して利用してください。

【1対nマッチング(照合)処理のPAD図】
下記のPAD図は「ez-Chart ver1.0」 2003.2-3 cジュン All right received.を使用して作成されたものです。
1対nマッチング(照合)処理のPAD図
【1対nマッチング(照合)処理でのマスタファイル入力処理のPAD図】
1対nマッチング(照合)処理でのマスタファイル入力処理のPAD図
【1対nマッチング処理でのトランザクションファイル入力処理のPAD図】
1対nマッチング(照合)処理でのトランザクションファイル入力処理のPAD図


【スクリプト】
# matching2.pl  
# 内容 : マッチングプログラム(2ファイルの1対nマッチングプログラム) 
# 前提 : マスタファイルとトランザクションファイルの両方を   
#        マッチングするキーごとに昇順に並べ替えておくこと   
# Copyright (c) 2002-2011 Mitsuo Minagawa, All rights reserved.
# (minagawa@fb3.so-net.ne.jp)  
# 使用方法 : c:\>perl matching2.pl  
#   

# ファイルのオープン    
open(IN1,"master.txt");         #マスターファイル   
open(IN2,"transaction.txt");    #トランザクションファイル   
open(OUT1,">matching.txt");     #マッチングしたファイル 
open(OUT2,">masteronly.txt");   #マスタのみのファイル   
open(OUT3,">tranonly.txt");     #トランザクションのみのファイル 

# 初期値設定    
$high_value =   pack("h8","ffffffff");  #終了判定   
$low_value  =   pack("h8","00000000");  #low-value  
$in1_key    =   $low_value;     #マスタキー 
$in2_key    =   $low_value;     #トランザクションキー   

# 1件目のデータ入力    
s_in1();    
s_in2();    

# 主処理    
until   ($in1_key   eq  $high_value &&  $in2_key    eq  $high_value)    {

# マッチング(照合)の時(両方のファイルにデータがある)    
    if      ($in1_key   eq  $in2_key)   {   
        until   ($in1_key   ne  $in2_key)   {   
            s_match();  
            s_in2();    
        }   
            s_in1();    
    }   

# マスタオンリーの時(マスタファイルだけにデータがある)    
    elsif   ($in1_key   lt  $in2_key)   {   
            s_master_only();    
            s_in1();    
    }   

# トランザクションオンリーの時(トランザクションファイルだけにデータがある)
    elsif   ($in1_key   gt  $in2_key)   {   
            s_trans_only(); 
            s_in2();    
    }   
}   

# マスタファイル入力    
sub s_in1   {   
    if      ($line1     =   <IN1>)  {   
            chomp($line1);  
#---区切り文字により、処理を変更する----------  
#タブ区切りのとき   
#           @in1    =   split("\t",$line1); 

#カンマ区切りのとき 
            my $tmp =   $line1; 
            $tmp    =~  s/(?:\x0D\x0A|[\x0D\x0A])?$/,/; 
            @in1    =   map {/^"(.*)"$/ ? scalar($_ = $1, s/""/"/g, $_) : $_}
                        ($tmp =~ /("[^"]*(?:""[^"]*)*"|[^,]*),/g);
#-----------------  
            $in1_key    =   $in1[0];    
    }   
    else    {                   #マスターファイルが終了のとき   
            $in1_key    =   $high_value;    
    }   
}   

# トランザクションファイル入力  
sub s_in2   {   
    if      ($line2     =   <IN2>)  {   
            chomp($line2);  
#---区切り文字により、処理を変更する----------  
#タブ区切りのとき   
#           @in2    =   split("\t",$line2); 
#カンマ区切りのとき 
            my $tmp =   $line2; 
            $tmp    =~  s/(?:\x0D\x0A|[\x0D\x0A])?$/,/; 
            @in2    =   map {/^"(.*)"$/ ? scalar($_ = $1, s/""/"/g, $_) : $_}
                        ($tmp =~ /("[^"]*(?:""[^"]*)*"|[^,]*),/g);
#-----------------  
            $in2_key    =   $in2[0];    
    }   
    else    {                   #トランザクションファイルが終了のとき   
            $in2_key    =   $high_value;    
    }   
}   

# マッチング(照合)時の処理    
sub s_match     {   
        $out1   =   join("\t",@in2);    
        print   OUT1    "$out1\n";  
}   

# マスタオンリー時の処理    
sub s_master_only   {   
        $out2   =   join("\t",@in1);    
        print   OUT2    "$out2\n";  
}   

# トランザクションオンリー時の処理  
sub s_trans_only    {   
        $out3   =   join("\t",@in2);    
        print   OUT3    "$out3\n";  
}   

# ファイルのクローズ    
close(IN1); 
close(IN2); 
close(OUT1);    
close(OUT2);    
close(OUT3);    
   
【スクリプトとデータのサンプル】

スクリプトはこちらにあります。

マスタファイルのサンプルはこちらにあります。

トランザクションファイルのサンプルはこちらにあります。

【スクリプトの解説】

それでは、スクリプトの解説を個別に行っていきましょう。

1対nマッチング(照合)

# マッチング(照合)の時(両方のファイルにデータがある)    
    if      ($in1_key   eq  $in2_key)   {   
        until   ($in1_key   ne  $in2_key)   {   
            s_match();  
            s_in2();    
        }   
            s_in1();    
    }   

   

「1対nマッチング(照合)」が「1対1マッチング(照合)」と異なっているのは、マッチしたときの処理だけです。通常、マッチしたときの処理は1回しか行いませんが、「1対nマッチング(照合)」ではuntil処理によって、トランザクションファイルのキーが変わるまで処理を続けています。

この例では、1件ずつ出力しているだけですが、例えば合計値を算出する場合には「s_match」サブルーチンとマッチング(照合)の時の処理を以下のように変更します。サブルーチンには特に引数は必要ありません。このあたりはRubyと異なる点になります。

マッチング(照合)したときの処理

# マッチング(照合)時の処理
sub	s_match     {
        $total  +=  $in2[1];
} 


# マッチング(照合)の時(両方のファイルにデータがある)    
    if      ($in1_key   eq  $in2_key)   {   
        until   ($in1_key   ne  $in2_key)   {   
            s_match();  
            s_in2();    
        }   
            $out1   =   join("\t",$in1_key,$total);
            print   OUT1    "$out1\n";
            $total  =   0;
            s_in1();    
    }   
   


その他注意すべきこと

その他、注意すべき点は入力データがタブ区切りなどの場合とキーが複数ある場合の処理です。

上記のスクリプトでは、入力ファイルがCSVファイルであれば、どのようなものでも対応できるようになっています。具体的には以下の箇所になります。

CSV形式の入力データを配列に変換する

    my $tmp =   $line1; 
    $tmp    =~  s/(?:\x0D\x0A|[\x0D\x0A])?$/,/; 
    @in1    =   map {/^"(.*)"$/ ? scalar($_ = $1, s/""/"/g, $_) : $_}   
                ($tmp =~ /("[^"]*(?:""[^"]*)*"|[^,]*),/g);  
   

上記のスクリプトはCSV2形式以外の引用符(")を使用する場合を含め、あらゆるCSVファイルに対応できるようになっています(CSV2形式などについては、[3-1-1.固定長データとCSVデータ]を参照してください)が、このCSVファイルに分解するロジックは、大崎 博基(OHZAKI Hiroki)さんの「Perlメモ」に記載されていたものを参考にしています。また、CSV2形式のCSVファイルであれば、上記のスクリプトは以下のように簡略化できます。

1.入力データがCSV2形式の場合、

          @in1 = split(",",$line1,-1);
   

とします。

2.入力データがタブ区切りの場合、

          @in1 = split("\t",$line1,-1);
   

とします。

3.キーが複数の項目から成り立っている場合は、

「$in1_key = $in1[0]」の部分を

          $in1_key = $in1[0].$in1[1].$in1[2];
   

のように変更します(文字列の連結は「.」(ピリオド)を使います)。

【入力データ:マスタファイル(master.txt)】
01,11111   
02,22222
03,33333
05,44444
07,77777
08,88888
09,99999
   
【入力データ:トランザクションファイル(transaction.txt)】
01,100   
01,101
01,102
02,200
04,400
04,401
04,402
04,403
06,600
06,601
07,700
08,800
09,900
10,1000
10,1010
10,1020
   
【出力データ:マッチング(照合)ファイル(matching.txt)】
01  100
01  101
01  102
02  200
07  77777
08  88888
09  99999   
   
【出力データ:マスタオンリーファイル(masteronly.txt)】
03  33333   
05  44444
   
【出力データ:トランザクションオンリーファイル(tranonly.txt)】
04  400   
04  401
04  402
04  403
06  600
06  601
10  1000
10  1010
10  1020   
   



Copyright (c) 2004-2013 Mitsuo Minagawa, All rights reserved.