■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]
    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]
Perlではどう処理する?
同じことをPerl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しますが、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。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。

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。

また、スクリプトで「重複」という漢字を指定していますので、Ruby1.9以降で使用するものとして、マジックコメントを1行目に指定しています。マジックコメントについては[2-1-5.スクリプトの中で漢字を使う]を参照してください。Ruby1.8以前であれば、$KCODEを使用します。

【スクリプト】
# coding:windows-31j    
# double2.rb    
# 内容 : 重複チェック後、重複データには、「重複」と表示する。  
# 前提 : 重複チェックしたいキーであらかじめソートしておく。    
# Copyright (c) 2002-2015 Mitsuo Minagawa, All rights reserved. 
# (minagawa@fb3.so-net.ne.jp)   
# 使用方法 : c:\>ruby double2.rb    
#   
# 入力ファイル  
in11_file   =   open("double.txt","r")  
# 出力ファイル(重複データを除いたレコード)  
out11_file  =   open("single_temp.txt","w") 

# 初期値設定    
in1         =   []      #入力データ 
in1_key     =   nil     #入力キー   
sv_key      =   nil     #1件前の保存キー    

# 主処理    
while   (line1  =   in11_file.gets) 
    line1.chomp!    
    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]    
    if      ((sv_key        !=  in1_key)    &&  
            (sv_key     !=  nil))   
            out11_file.print in1.join(","),"\n" 
    end 
    sv_key      =   in1_key 
end     

# ファイルのクローズ    
in11_file.close 
out11_file.close    
#-------------------------------------------------      
# 入力ファイル  
in21_file   =   open("double.txt","r")  
# 出力ファイル(重複データのみレコード)  
out21_file  =   open("double_temp.txt","w") 

# 初期値設定    
in1         =   []      #入力データ 
in1_key     =   nil     #入力キー   
in1_ctr     =   0       #入力件数   
sv_key      =   nil     #1件前の保存キー    
sv_key2     =   nil     #2件前の保存キー    
save1       =   []      #保存データ 

# 主処理    
while       (line1  =   in21_file.gets)     
    line1.chomp!        
    in1_ctr =   in1_ctr +   1       
    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]    

    if      (sv_key     ==  in1_key)        
            save1       =   save1.push  ["重複"]    
            out21_file.print save1.join(","),"\n"       
            sv_key2     =   sv_key      

    elsif   ((sv_key2   ==  sv_key)     &&      
            (sv_key     !=  nil))       
            save1       =   save1.push  ["重複"]    
            out21_file.print save1.join(","),"\n"       
    end     

    sv_key      =   in1_key     
    save1       =   in1     
end     

if      ((in1_ctr   >   0)  &&      
        (sv_key2    ==  sv_key))    
        save1       =   save1.push  ["重複"]    
        out21_file.print save1.join(","),"\n"       
end     

# ファイルのクローズ    
in21_file.close 
out21_file.close    
#-------------------------------------------------      
# 入力ファイル(重複データのみレコード)  
in31_file   =   open("double_temp.txt","r") 
# 入力ファイル(重複データを除いたレコード)  
in32_file   =   open("single_temp.txt","r") 
# 出力ファイル(マージファイル)  
out31_file  =   open("double_check.txt","w")    

# 初期値設定    
in1_eof =   ["ffffffff"].pack("h8");        #マスターファイルの終了判定 
in2_eof =   ["ffffffff"].pack("h8");        #トランザクションファイルの終了判定 
in1         =   []      #マスターデータ 
in1_key     =   nil     #マスターキー   
in2         =   []      #トランザクションデータ 
in2_key     =   nil     #トランザクションキー   

#       
#   マスタファイル入力      
#       
class   S_in1       
    def dataset(in31_file,in1_eof)  
        if      (line1  =   in31_file.gets) 
                line1.chomp!        
                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]    
#マスターファイルが終了のとき   
        else    
                in1     =   nil 
#終了判定をセット   
                in1_key =   in1_eof 
        end     
        return  in1,in1_key 
    end     
end     
#       
#   トランザクションファイル入力        
#       
class   S_in2       
    def dataset(in32_file,in2_eof)  
        if      (line2  =   in32_file.gets) 
                line2.chomp!        
                in2     =   (line2 + ',')   
                            .scan(/"([^"\\]*(?:\\.[^"\\]*)*)",|([^,]*),/)   
                            .collect{|x,y| y || x.gsub(/(.)/, '\1')}    
#キー項目が単独のとき   
                in2_key =   in2[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   
#               in2_key =   in2[0] + in2[1] + in2[2]    
#トランザクションファイルが終了のとき   
        else    
                in2     =   nil 
#終了判定をセット   
                in2_key =   in2_eof 
        end     
        return  in2,in2_key 
    end     
end     
#       
#   マッチングしたときの処理        
#       
def s_match(in1,in2,out31_file)     
        out31_file.print in1.join(","),"\n"     
end     
#       
#   マスターオンリーの処理      
#       
def s_master_only(in1,out31_file)       
        out31_file.print in1.join(","),"\n"     
end     
#       
#   トランザクションオンリーの処理      
#       
def s_trans_only(in2,out31_file)        
        out31_file.print in2.join(","),"\n"     
end     

#   マスタファイル1件目入力        
s_in1   =   S_in1.new       
(in1,in1_key)   =   s_in1.dataset(in31_file,in1_eof)    
#   トランザクションファイル1件目入力      
s_in2   =   S_in2.new       
(in2,in2_key)   =   s_in2.dataset(in32_file,in2_eof)    

#       
#   入力データが終了するまで繰り返す。      
#       
until       ((in1_key   ==  in1_eof)    &&  
        (in2_key    ==  in2_eof))       
#   
# 主処理    
#   
#マッチング処理 
    if      (in1_key    ==  in2_key)    
            until   (in1_key    !=  in2_key)    
                    s_match(in1,in2,out31_file) 
                    (in2,in2_key)   =   s_in2.dataset(in32_file,in2_eof)    

            end     
            (in1,in1_key)   =   s_in1.dataset(in31_file,in1_eof)        

#マスターオンリー処理   
    elsif   (in1_key    <   in2_key)    
            s_master_only(in1,out31_file)       
            (in1,in1_key)   =   s_in1.dataset(in31_file,in1_eof)    

#トランザクションオンリー処理   
    elsif   (in1_key    >   in2_key)    
            s_trans_only(in2,out31_file)        
            (in2,in2_key)   =   s_in2.dataset(in32_file,in2_eof)    
    end     

end     

# ファイルのクローズ    
in31_file.close 
in32_file.close 
out31_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】

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

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が、入力データがタブ区切りの場合は

    line1.chomp!    
    in1     =   (line1 + ',')   
                .scan(/"([^"\\]*(?:\\.[^"\\]*)*)",|([^,]*),/)   
                .collect{|x,y| y || x.gsub(/(.)/, '\1')}    
   

となっている箇所を

    in1 = line1.split("\t",-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「+」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) 2004-2015 Mitsuo Minagawa, All rights reserved.