■Windows版Ruby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Ruby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]
        1. [2-2-1.各キーの1件目を出力(until型)]
        2. [2-2-2.各キーの最終レコードを出力(until型)]
        3. [2-2-3.同一キーでの合計処理(until型)]
        4. [2-2-4.同一キーでの件数カウント(until型)]
        5. [2-2-5.各キーの1件目を出力(while型)]
        6. [2-2-6.各キーの最終レコードを出力(while型)]
        7. [2-2-7.同一キーでの合計処理(while型)]
        8. [2-2-8.同一キーでの件数カウント(while型)]
        9. [2-2-9.ハッシュを使った同一キーの合計処理]
      3. [2-3.マッチング(照合)処理]
      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]
Perlではどう処理する?
同じことをPerlではこうしています。

2.基本編

2-2.キーブレイク処理

2-2-6.各キーの最終レコードを出力する---while型の場合

CSVファイルを読み込んで、各キーごとの最終レコードをwhile命令を使って出力する処理です。[2-2-2.各キーの最終レコードを出力(until型)]がuntil命令で行うのに対し、こちらはwhile命令を使います。

until命令での処理と異なり、繰り返し処理の前で1件目の入力を行うことができないので、1件目のみ入力キーを保存キーにセットする処理ができません。このため、入力データが1件目かどうかの判断が必要になります(もし、入力キーと保存キーが異なるかどうかを判定する前に入力キーを保存すれば、毎回、入力キーと保存キーは等しくなり、データが出力されなくなってしまいます)。

機能としては、until命令での処理と同様に、各キーごとの最終データだけを取り出すことができます。処理の中でキーとデータを両方とも保存しておくため、ファイルをクローズする前に入力データがゼロ件の場合かどうかを判断し、1件以上のデータがある場合は、何らかのデータが保存されたまま、出力されない状態で残っていることになるので、そのデータを出力する必要が生じます。

ポイントは、1件目のレコードかどうかの判断をデータ出力の条件に含めることです。これがないと、必ず未定義値の設定された保存キーと値の設定されていない保存データが出力されてしまいます。

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。Ruby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。

【同一キーの最後のデータを出力する場合のwhileを利用したキーブレイク処理の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。
同一キーの最後のデータを出力する場合のwhileを利用したキーブレイク処理のPAD図
【スクリプト】
# keybreak4.rb  
# 内容 : 同一キーの最後のデータを出力する(while型)   
# 前提 : キーごとに昇順に並べ替えておくこと    
# Copyright (c) 2002-2015 Mitsuo Minagawa, All rights reserved. 
# (minagawa@fb3.so-net.ne.jp)   
# 使用方法 : c:\>ruby keybreak4.rb  
#   
# 入力ファイル  
in1_file    =   open("input.txt","r")   
# 出力ファイル  
out1_file   =   open("output.txt","w")  

# 初期値設定    
in1_key =   nil     #入力キー   
in1     =   nil     #入力レコードを格納する配列 
in1_ctr =   0       #入力件数   
sv_key  =   nil     #保存キー   
save1   =   nil     #入力レコードを保存する配列 

# キーブレイク時の処理  
def s_break(out1_file,save1)    
    out1    =   save1.join("\t")    
    out1_file.print out1,"\n"   
end 

# 主処理    
while   (line1  =   in1_file.gets)  
        in1_ctr +=  1   
        line1.chomp!    
# タブ区切りのとき  
#       in1     =   line1.split("\t",-1)    
# カンマ区切りのとき    
        in1     =   (line1 + ',')   
                    .scan(/"([^"\\]*(?:\\.[^"\\]*)*)",|([^,]*),/)   
                    .collect{|x,y| y || x.gsub(/(.)/, '\1')}    
# キー項目が単独のとき  
        in1_key =   in1[0]  
# キー項目が複数のとき  
# 1番目と2番目と3番目の項目がキーとなる場合  
#       in1_key =   in1[0] + in1[1] + in1[2]    

# キーブレイク時    
        if      ((in1_ctr   !=  1)  &&  
                (sv_key !=  in1_key))   
                s_break(out1_file,save1)    
        end 

#入力レコードを格納した配列を保存   
        save1       =   in1 
#入力したキーを保存 
        sv_key  =   in1_key 
end 

# 最終データの処理(入力データがある場合)  
if      (in1_ctr    !=  0)  
        s_break(out1_file,save1)    
end 

# ファイルのクローズ    
in1_file.close  
out1_file.close 
   
【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】

各キーの1件目を出力する場合とほとんど同じですが、多少異なる点について解説しましょう。

保存データを出力するかどうかの判断を行う、以下の箇所は、【例1】のようにすることも可能です。あるいは、このようにした方が理解しやすいかもしれません。また、処理効率を重視するのであれば、【例2】のような方法があります。【スクリプト】であげた例では、1件目のデータかどうかと入力キーが保存キーと異なるかどうかの条件を入力データが2件目以降毎回判定することになるのに対し、【例2】の場合は、入力キーと保存キーが異なる場合しか、入力データが1件目かどうかを判断しないためです。

# キーブレイク時    
        if      ((in1_ctr   !=  1)  &&  
                (sv_key !=  in1_key))   
                s_break(out1_file,save1)    
        end 
   
【例1】
        if      (in1_ctr   !=  1)  
                sv_key =   in1_key   
        end   
        if      (sv_key    !=  in1_key)   
                s_break(out1_file,save1)    
        end
   
【例2】
        if      ((sv_key    !=  in1_key)   &&  
                (in1_ctr    !=  1))   
                s_break(out1_file,save1)    
        end   
   

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形式であれば、すべて対応できるようになっていますが、引用符(")をつけないCSV形式(いわゆるCSV2形式と呼ばれるものです。CSV2形式については、[3-1-1.固定長データとCSVデータ]を参照してください)であれば、

# カンマ区切りのとき    
        in1     =   (line1 + ',')   
                    .scan(/"([^"\\]*(?:\\.[^"\\]*)*)",|([^,]*),/)   
                    .collect{|x,y| y || x.gsub(/(.)/, '\1')}    
   

上記の箇所を

          in1 = line1.split(",",-1)
   

と変更します。

また、入力ファイルがタブ区切りの場合は以下のようにします。

入力データがタブ区切りの場合、

          in1 = line1.split("\t",-1)
   

とします。

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「+」(プラス)を使います)。

【入力データ(input.txt)】
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(output.txt)】
aaa,3   
bbb,1
ccc,2
ddd,4
eee,1
fff,1
ggg,1
hhh,3
   



Copyright (c) 2004-2015 Mitsuo Minagawa, All rights reserved.