テキスト処理のアルゴリズムについて

質問

テキスト処理のプログラミング（アルゴリズム）についてご教示下さい。

以下に示します。

-----------------------
hogehoge
xxxxxxxxx
example.com
Header_1
color RED
Header_2
color BLACK
type M
Header_3
color GREEN
weight 40
type L
Header_4
color GREEN
END
afterhogehoge
zzzzxxxxxyyyy
-----------------------
↑このようなテキストを・・・・

↓こう並べ替えたいのです。
-----------------------
Header_1,color RED,,
Header_2,color BLACK,,type M
Header_3,color GREEN,weight 40,type L
Header_4,color GREEN,,
-----------------------

ポイントは二つあって、以下の通りとなります。

a）Header_[1234]に関するcolor、weight、typeといった情報は、次の"Header_"で始まる行までに全て記述される。
b）並べ替え後の書式は、必ず第２フィールドがcolor、第３フィールドがweight、第４フィールドがtypeでなくてはならない。
c)並べ替え前の、先頭行からHeader_1で始まる行までは削除
d)同じく、END（フラグとします）で始まる行以降を削除

当方、PowerShell3.xで苦戦しているのですが、ご回答例は別の言語でも構いません。（出来れば ライトウェートな言語のいずれかで・・・）

回答No.3

ki073 · ベストアンサー

正規表現を使えばかなり出来そうに思います。

Rubyでやっていましたが、変数strに全文を読み込んだとして
str.scan(/^Header.+?(?=^Header|END)/m)
でHeaderからHeaderまたはENDの前までを切り分けられます。
["Header_1\ncolor RED\n", "Header_2\ncolor BLACK\ntype M\n", "Header_3\ncolor GREEN\nweight 40\ntype L\n", "Header_4\ncolor GREEN\n"]
これを1要素ずつ処理すれば簡単にできます。

他の方法では、YAMLに変換して読み込むのも簡単だと思います。次の形式に変換できれば
Header_1:
　color: RED
Header_2:
　color: BLACK
　type: M
Header_3:
　color: GREEN
　weight: 40
　type: L
Header_4:
　color: GREEN
（要するにHeader以外を字下げして、行始めの最初の単語の後ろにコロンを入れる、表示の関係で全角空白で字下げしていますが、実際には半角空白2つ程度で）
YAML.load(str)で読み込むと
{"Header_1"=>{"color"=>"RED"}, "Header_2"=>{"color"=>"BLACK", "type"=>"M"}, "Header_3"=>{"color"=>"GREEN", "weight"=>40, "type"=>"L"}, "Header_4"=>{"color"=>"GREEN"}}
このように変換できます。
複雑な構造をしている場合にはこちら方が簡単なことが多いです。

質問欄の程度なら、前者かな。

お礼

うまくいきそうです。
あと、YAMLは調べてみたところ、理想的なような気がするので、そのうちこれでやってみます。
ありがとうございます。

回答No.2

kmee

Header だったら
　既存のデータがあれば、$header, $color,$weight,$type を出力
　$headerを記憶, $color,$weight,$type をリセット
color,weight,typeだったら
　それぞれを記録
ENDだったら
　既存のデータがあれば、$header, $color,$weight,$type を出力
　終了

一回きりの捨てプログラムなら、こんな感じかな
汎用性を持たせるなら
$header, $color,$weight,$type を辞書型リストを使ったり、
出力をサブルーチンにしたり
といったところです。

お礼

まだピンときていませんが、やってみます。
ありがとうございます。

回答No.1

kamikami30

一行ずつテキスト読み込んで正規表現で判定して処理をわければいいかと。

お礼

やってみます。
ありがとうございます。