■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]
    3. [3.応用編]
      1. [3-1.固定長データとCSVデータとの変換]
      2. [3-2.重複データの処理]
        1. [3-2-1.キーの重複したデータを1つにする]
        2. [3-2-2.キーの重複したデータだけを出力する]
        3. [3-2-3.キーの重複したデータにマークをつけて、出力する]
        4. [3-2-4.ハッシュを使って、キーの重複したデータを1つにする]
        5. [3-2-5.ハッシュを使って、キーの重複したデータだけを出力する]
        6. [3-2-6.ハッシュを使って、キーの重複したデータにマークをつけて、出力する]
      3. [3-3.フォルダ内の一括処理]
      4. [3-4.1つのファイルを複数のファイルに分割する]
      5. [3-5.文字コードの変換]
      6. [3-6.半角全角変換]
      7. [3-7.多次元配列の処理]
      8. [3-9.その他]
    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。

3-2.重複データの処理

3-2-3.キーの重複したデータにマークをつけて、出力する

CSVファイルを読み込んで、入力データをそのまま出力するとともに、重複データに対して、最後に「重複」という文字をつけるスクリプトです。

基本的には、「3-2-1.キーの重複したデータを1つにする」と「3-2-2.キーが重複したデータだけを出力する」を組み合わせ、それぞれの出力ファイルをマージ処理する方法を採っています。

実際に応用する場合は、入出力データのファイル名などを変更してください。また、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。

なお、同様の処理を行う[3-2-6.ハッシュを使って、キーの重複したデータにマークをつけて、出力する]については、入力データをキー順に並べ替えておく必要はありません。

【スクリプト】
# double2.pl    
# 内容 : 重複チェック後、重複データには、「重複」をつける。   
# 前提 : 重複チェックしたいキーであらかじめソート(並べ替え)しておく。    
# Copyright (c) 2002-2011 Mitsuo Minagawa, All rights reserved.
# (minagawa@fb3.so-net.ne.jp)  
# 使用方法 : c:\>perl double2.pl    
#   
# 初期値設定    
$low_value  =   pack("h8","00000000");  #low-value      
$in1_key    =   $low_value;     #入力キー   
$sv_key     =   $low_value;     #保存した入力キー   
@in1        =   ();             #1件分の入力データ  

open(IN11,"double.txt");        
open(OUT11,">single_temp.txt");     #重複データを除いたレコード 
while   ($line1 =   <IN11>) {       
    chomp($line1);      
    my $tmp =   $line1; 
    $tmp    =~  s/(?:\x0D\x0A|[\x0D\x0A])?$/,/; 
    @in1    =   map {/^"(.*)"$/ ? scalar($_ = $1, s/""/"/g, $_) : $_}   
                ($tmp =~ /("[^"]*(?:""[^"]*)*"|[^,]*),/g);  
    $in1_key    =   $in1[0];        
    if      ($in1_key       ne  $sv_key)    {       
            $out1   =   join(",",@in1);     
            print   OUT11   "$out1\n";      
    }       
    $sv_key     =   $in1_key;   
}       
close(IN11);        
close(OUT11);       
#---------------------------------------------------    
open(IN21,"double.txt");        
open(OUT21,">double_temp.txt");         #重複のみのレコード     

# 初期値設定    
$low_value  =   pack("h8","00000000");  #low-value      
$in1_key    =   $low_value;     #入力キー   
$sv_key     =   $low_value;     #1件前の保存キー    
$sv_key2    =   $low_value;     #2件前の保存キー    
@in1        =   ();             #1件分の入力データ  
$in1_ctr    =   0;              #入力件数   
@save1      =   ();             #保存データ 

while   ($line1 =   <IN21>)             {       
    chomp($line1);      
    $in1_ctr++;     
    my $tmp =   $line1; 
    $tmp    =~  s/(?:\x0D\x0A|[\x0D\x0A])?$/,/; 
    @in1    =   map {/^"(.*)"$/ ? scalar($_ = $1, s/""/"/g, $_) : $_}   
                ($tmp =~ /("[^"]*(?:""[^"]*)*"|[^,]*),/g);  
    $in1_key    =   $in1[0];        
    if      ($sv_key    eq  $in1_key)       {       
            $out1   =   join(",",@save1,"重複");    
            print   OUT21   "$out1\n";      
            $sv_key2    =   $sv_key;        
    }       
    elsif   (($sv_key2  eq  $sv_key)        
        &&  ($sv_key    ne  $low_value))    {       
            $out1   =   join(",",@save1,"重複");    
            print   OUT21   "$out1\n";      
    }       
    $sv_key     =   $in1_key;       
    @save1      =   @in1;       
}       
if      (($in1_ctr  >   0)      
    &&  ($sv_key2   eq  $sv_key))   {       
        $out1   =   join(",",@save1,"重複");    
        print   OUT21   "$out1\n";      
}       
close(IN21);        
close(OUT21);       
#------------------------------------------------       
open(IN31,"double_temp.txt");           #重複のみのレコード     
open(IN32,"single_temp.txt");           #重複データを除いたレコード 
open(OUT31,">double_check.txt");        #マージしたファイル     

# 初期値設定    
$high_value =   pack("h8","ffffffff");  #終了判定   
$low_value  =   pack("h8","00000000");  #low-value  
@in1        =   ();             #マスタデータ   
$in1_key    =   $low_value;     #マスタキー 
@in2        =   ();             #トランザクションデータ 
$in2_key    =   $low_value;     #トランザクションキー   

s_in1();        
s_in2();        

#   
# 入力データが終了するまで繰り返す。    
#   
until   (($in1_key  eq  $high_value)        
    &&  ($in2_key   eq  $high_value))   {       
#   
# 主処理    
#   
    if      ($in1_key   eq  $in2_key)   {       
        until   ($in1_key   ne  $in2_key)   {       
            s_match();      
            s_in2();        
        }       
            s_in1();        
    }       
    elsif   ($in1_key   lt  $in2_key)   {       
            s_master_only();        
            s_in1();        
    }       
    elsif   ($in1_key   gt  $in2_key)   {       
            s_trans_only();     
            s_in2();        
    }       
}       
#   
# マスタファイル入力    
#   
sub s_in1   {       
    if      ($line1     =   <IN31>) {       
            chomp($line1);      
            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     =   <IN32>) {       
            chomp($line2);      
            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)したときの処理      
#   
sub s_match     {       
        $out1   =   join(",",@in1);     
        print   OUT31   "$out1\n";      
}       
#   
# マスターオンリーの処理    
#   
sub s_master_only   {       
        $out2   =   join(",",@in1);     
        print   OUT31   "$out2\n";      
}       
#   
# トランザクションオンリーの処理    
#   
sub s_trans_only    {       
        $out3   =   join(",",@in2);     
        print   OUT31   "$out3\n";      
}       
close(IN31);        
close(IN32);        
close(OUT31);       
    
【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。

入力データのサンプルはこちらにあります。

【スクリプトの解説】

スクリプトはキーが重複しないように出力したレコードと、重複したレコードをマッチング(照合)することで、最初の入力データに対して、重複したレコードに「重複」の文字を表示するようにしたものです。

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。

1.入力データがタブ区切りの場合

下記のスクリプトは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が、入力データがタブ区切りの場合は

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

上記の部分を

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

と変更します。

2.キーが複数の項目から成り立っている場合

「$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)を使う)。

【入力データ】
aaa,1
aaa,2
aaa,3
bbb,1
ccc,1
ccc,2
ddd,1
ddd,2
ddd,3
ddd,4
eee,1
fff,1
ggg,1
hhh,1
hhh,2
hhh,3
    
【出力データ】
aaa,1,重複
aaa,2,重複
aaa,3,重複
bbb,1
ccc,1,重複
ccc,2,重複
ddd,1,重複
ddd,2,重複
ddd,3,重複
ddd,4,重複
eee,1
fff,1
ggg,1
hhh,1,重複
hhh,2,重複
hhh,3,重複
    



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