C# と VB.NET の質問掲示板

環境：VisualStudio 2005
※分類は VB.NET にしていますが、C# でも平気です。

外部の処理からStringオブジェクトを受け取り、";#" で分割してString配列にするという処理です。
単純な処理ではあるものの、うまい方法が見つからずにもやもやしています。

[入力の書式]
<文字列1>;#<文字列2>;#<文字列3>;# (...) ;#<文字列n>

[求めたい結果]
<文字列1'> 〜 <文字列n'> を要素に持つ、長さ n の String配列
ただし、<文字列n> は、<文字列n'> の中にある ";" を ";;" に置換した文字列。

<文字列n'> に ";#" が含まれている場合、<文字列n> では置換されて ";;#" になるわけですが、
これを分割の対象にしてはいけません。
この仕様があるため、String.Split() で単純に分割するということができなくて困っています。
Regex.Split() でいけるかな？ とも考えてみたのですが、うまい正規表現が見つかりません。

で、以下の方法で一応できそうなのですが、<文字列> に含まれることがあり得ないような
ダミーの文字列を考えなくてはならないところに難を感じています。

        Const DUMMY_TEXT As String = "__==__"

        Dim fromString As String = "ほげ;;#ほげ;#ふがふ;;;;#が;#ぴよ;;ぴよ"

        Dim escapeString As String = fromString.Replace(";;", DUMMY_TEXT)
        Dim escapeArray As String() = escapeString.Split(New String() {";#"}, StringSplitOptions.None)

        Dim toList As New List(Of String)
        For Each text As String In escapeArray
            toList.Add(text.Replace(DUMMY_TEXT, ";"))
        Next

        Return toList.ToArray()

[結果]
ほげ;#ほげ
ふがふ;;#が
ぴよ;ぴよ

何かよい知恵がありましたらお貸しください m(_ _)m

■No36290 (みきぬ さん) に返信
> 環境：VisualStudio 2005
> ※分類は VB.NET にしていますが、C# でも平気です。
> Dim fromString As String = "ほげ;;#ほげ;#ふがふ;;;;#が;#ぴよ;;ぴよ"
> 
> [結果]
> ほげ;#ほげ
> ふがふ;;#が
> ぴよ;ぴよ

どうかな…。


using System;
using System.Collections.Generic;
using System.Text.RegularExpressions;

class Sample {
  static void Main() {
     Array.ForEach(Split("ほげ;;#ほげ;#ふがふ;;;;#が;#ぴよ;;ぴよ"), Console.WriteLine);
  }

  static string[] Split(string fromString) {
    List<string> list = new List<string>(Regex.Split(fromString, "(?<!;);#"));
    return list.ConvertAll<string>(delegate(string s) { return s.Replace(";;", ";"); }).ToArray();
  }
}

■No36329 (いしだ さん) に返信
> ほげ;;;#ほげ
> のような場合、期待するのは、
おぉぅ。私のコード(No36327)も、そのパターンに対応できていませんでした。

ところで、セミコロンの対応が不正な場合はどうするべきでしょうかね。
"あいう;" は例外を投げるべきか、それとも "あいう;;" として扱うべきなのか。


>>> <文字列> に含まれることがあり得ないような
>>> ダミーの文字列を考えなくてはならないところに難を感じています。
原始的に一文字ずつ処理していく方法しか思いつかず…。

public static string[] Split(string fromString)
{
    return new List<string>(Iterator(new StringBuilder(fromString))).ToArray();
}

private static IEnumerable<string> Iterator(StringBuilder fromString)
{
    int max = fromString.Length;
    // fromString.Append(';'); // セミコロン補正を行う場合はコメント解除
    StringBuilder sb = new StringBuilder();
    for (int p = 0; p < max; ++p)
    {
        if (fromString[p] == ';')
        {
            if (fromString[p + 1] == '#')
            {
                yield return sb.ToString();
                ++p;
                sb.Length = 0;
            }
            else
            {
                sb.Append(fromString[p]);
                if (fromString[p + 1] == ';') ++p;
            }
        }
        else
        {
            sb.Append(fromString[p]);
        }
    }
    yield return sb.ToString();
}

■No36357 (魔界の仮面弁士 さん) に返信
> 原始的に一文字ずつ処理していく方法しか思いつかず…。

今度はどうかな…。単純に ";#" で千切った後、必要に応じて再連結という処理方法です。


Public Class Form1
    Private Sub Form1_Load(ByVal sender As Object, ByVal e As EventArgs) Handles Me.Load
        TextBox1.Text = "ほげ;;#ほげ;#ふがふ;;;;#が;#ぴよ;;ぴよ"
    End Sub

    Public Shared Function GetFields(ByVal fromString As String) As String()
        If String.IsNullOrEmpty(fromString) Then
            Return New String() {}
        End If

        'とりあえず、";#" で分割しておく
        Dim fields() As String = Split(fromString, ";#")

        ';;# のパターンを補正
        Dim list As New List(Of String)()
        Dim max As Integer = UBound(fields)
        For index As Integer = 0 To max
            Dim s As String = fields(index)
            If (s.Length - s.TrimEnd(";"c).Length) Mod 2 = 1 Then
                If index = max Then
                    'Throw New ArgumentException("末尾に不正な[;]が存在します。", "fromString")
                    list.Add(s & ";")
                Else
                    '末尾の;が奇数個なら再連結
                    fields(index + 1) = s & ";#" & fields(index + 1)
                End If
            Else
                list.Add(s)
            End If
        Next

        '最後に、";;" を ";" に置換
        For n As Integer = 0 To list.Count - 1
            list(n) = list(n).Replace(";;", ";")
        Next
        Return list.ToArray()
    End Function

    Private Sub TextBox1_TextChanged(ByVal sender As Object, ByVal e As EventArgs) Handles TextBox1.TextChanged
        ListBox1.DataSource = GetFields(TextBox1.Text)
        ListBox1.SelectedIndex = ListBox1.Items.Count - 1
    End Sub
End Class

■No36364 (魔界の仮面弁士 さん) に返信
> ■No36357 (魔界の仮面弁士 さん) に返信
>>原始的に一文字ずつ処理していく方法しか思いつかず…。
> 今度はどうかな…。単純に ";#" で千切った後、必要に応じて再連結という処理方法です。

さらに別案。


public static string[] GetFields(string fromString)
{
    return new List<string>(Iterator(fromString)).ToArray();
}

private static IEnumerable<string> Iterator(string fromString)
{
    if (string.IsNullOrEmpty(fromString)) yield break;
    string[] fields = Regex.Split(fromString, ";[;#]");
    fromString += ";#";
    StringBuilder sb = new StringBuilder();
    int p = 0;
    foreach (string piece in fields)
    {
        sb.Append(piece);
        p += piece.Length + 1;
        if (fromString[p++] == ';')
        {
            sb.Append(';');
        }
        else
        {
            yield return sb.ToString();
            sb.Length = 0;
        }
    }
}

私も考えてみました。;#、;;#〜;;;;;#のようなものを順番にチェックしておき、
;;;;;#の桁数が偶数なら、区切りとしての";#"ありと判断する方法を取っています。
(末尾に";#"を番兵として加えることはしていないので、後半の処理がうまくまとまって
 おらず美しくありません。)
--

public static string[] Split(string fromString)
{
    List<string> list = new List<string>();
    StringBuilder sb = new StringBuilder(fromString.Length);
    Regex re = new Regex(";+#");    /// ;#や;;#や;;;;;;#のようなものを全部調べるため
    int startIndex = 0;
    foreach (Match m in re.Matches(fromString))
    {
        sb.Append(fromString.Substring(startIndex, m.Index - startIndex));
        startIndex = m.Index + m.Length;
        if ((m.Length % 2) == 0)
        {
            // ↑マッチの文字数が偶数ということは、
            // ;#、;;;#、;;;;;#のように区切りの";#"が含まれるということ
            sb.Append(m.Value.Substring(0, m.Length - 2));  // ";#"の2文字分は分割結果に含めない
            sb.Replace(";;", ";");
            list.Add(sb.ToString());
            sb.Length = 0;

            if (startIndex >= fromString.Length)
            {
                list.Add("");
            }
        }
        else
        {
            sb.Append(m.Value);
        }
    }
    if (startIndex < fromString.Length)
    {
        sb.Append(fromString.Substring(startIndex));
    }
    if (sb.Length > 0)
    {
        sb.Replace(";;", ";");
        list.Add(sb.ToString());
        sb.Length = 0;
    }
    return list.ToArray();
}

要は (奇数個の ";") + "#" で分割できればいいんだよなー、と思ってこねくり回してみました。

    Private Function Split2(ByVal fromString As String) As String()
        Dim list As List(Of String) = New List(Of String)(Regex.Split(fromString, "(?<=[^;](?:;;)*);#"))
        Return list.ConvertAll(Of String)(AddressOf decode).ToArray()
    End Function

    Private Function decode(ByVal s As String) As String
        Return s.Replace(";;", ";")
    End Function

よくよく見たら、 No36321 のいしださんの書き込みにある正規表現の改良版ですね。
これでOKかどうかは後で検証します。

■No36393 (みきぬ さん) に返信
> Dim list As List(Of String) = New List(Of String)(Regex.Split(fromString, "(?<=[^;](?:;;)*);#"))

これだけだと、
　「;#テスト」 →「」「テスト」
のパターンを処理できないので、ちょっと手を加えてみました。


Public Shared Function GetFields(ByVal fromString As String) As String()
    If String.IsNullOrEmpty(fromString) Then Return New String() {}
    Dim list As New List(Of String)(Regex.Split("*" & fromString, "(?<=[^;](?:;;)*);#"))
    list(0) = list(0).Substring(1)
    Return list.ConvertAll(Of String)(AddressOf decode).ToArray()
End Function

Private Shared Function decode(ByVal s As String) As String
    Return s.Replace(";;", ";")
End Function

■No36409 (魔界の仮面弁士 さん) に返信
> これだけだと、
> 　「;#テスト」 →「」「テスト」
> のパターンを処理できないので、

ががーん。
というわけで改良した結果、"(?<=(?:^|[^;])(?:;;)*);#" になりました。

# しかし保守できるのかな、これ

;の個数は、0以上の整数ですので、
奇数であることは、
偶数でないことと同値である
という数学が使えます。

そして、否定戻り読みで偶数でないことをチェックするのです。

Imports System.Text.RegularExpressions

Module Module1
    Sub Main()
        'Dim fromString As String = "ほげ;;#ほげ;#ふがふ;;;;#が;#ぴよ;;ぴよ"
        Dim fromString As String = ";#テスト"
        Dim strArr As String() = Regex.Split(fromString, "(?<!(;;)*;);#")
        'Dim strArr As String() = Regex.Split(fromString, "(?<=[^;](;;)*);#")

        For i As Integer = 0 To strArr.GetUpperBound(0)
            Console.WriteLine(strArr(i).Replace(";;", ";"))
        Next i
        Console.ReadLine()

    End Sub

End Module

Dim fromString As String = "aa;;;#テスト"

のような場合、期待する値は「aa;」と「テスト」ですが、

> Dim strArr As String() = Regex.Split(fromString, "(?<!(;;)*;);#")

の場合に取得出来る値は「aa;;#テスト」になってしまいますね。