質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
Windows 10

Windows 10は、マイクロソフト社がリリースしたOSです。Modern UIを標準画面にした8.1から、10では再びデスクトップ主体に戻され、UIも変更されています。PCやスマホ、タブレットなど様々なデバイスに幅広く対応していることが特徴です。

Perl

Perlは多目的に使用される実用性が高い動的プログラミング言語のひとつです。

コマンドプロンプト

コマンドプロンプト(cmd.exe)はMicrosoftによって提供されているコマンドラインインタプリタです。OS/2・Windows CE・Windows NTで使用可能です。

文字コード

文字コードとは、文字や記号をコンピュータ上で使用するために用いられるバイト表現を指します。

Q&A

解決済

1回答

1106閲覧

複数のファイルから文字化けせずにデータを取得したい。

FKM

総合スコア3608

Windows 10

Windows 10は、マイクロソフト社がリリースしたOSです。Modern UIを標準画面にした8.1から、10では再びデスクトップ主体に戻され、UIも変更されています。PCやスマホ、タブレットなど様々なデバイスに幅広く対応していることが特徴です。

Perl

Perlは多目的に使用される実用性が高い動的プログラミング言語のひとつです。

コマンドプロンプト

コマンドプロンプト(cmd.exe)はMicrosoftによって提供されているコマンドラインインタプリタです。OS/2・Windows CE・Windows NTで使用可能です。

文字コード

文字コードとは、文字や記号をコンピュータ上で使用するために用いられるバイト表現を指します。

0グッド

0クリップ

投稿2019/05/31 10:22

編集2019/06/24 02:27

今度はPerlに対する質問です。

ある業務において、複数のcsv、sql、テキストファイルからデータを抽出し、重複したデータを削除した上で、一つのテキストファイルに全データを集約しようとして、以下のプログラムを記述しました。

使用環境はWindows10上のコマンドプロンプトです。

Perl

1# 定義 2use warnings; #警告文を表示 3use strict; #型宣言など厳格なルールを警告する 4use utf8; #utf8を使用しますという宣言 5use Encode; 6binmode STDIN, ':encoding(utf8)'; 7binmode STDOUT, ':encoding(utf8)'; 8binmode STDERR, ':encoding(utf8)'; 9 10#ディレクトリを開く 11my @filepaths = glob("./all_issues/*"); 12 13#ディレクトリを横断して全ファイルの内容を取得 14my $stream = ""; 15foreach my $filename (@filepaths){ 16 open(IMP,$filename); 17 #ファイル内の全データ取得 18 while(my $content = <IMP>){ 19 getData($stream,$content); 20 } 21 close(IMP); #ファイルを閉じる 22} 23#print $stream; 24#重複データを削除する 25my @ar_content = split(/\r\n/, $stream); 26#ソート 27@ar_content = sort {$a cmp $b } @ar_content; 28#重複を削除 29my %hash = (); 30foreach (@ar_content){ 31 $hash{$_}++; 32} 33my @unique = keys %hash; 34#文字列に展開する 35foreach my $tmp(@unique){ 36 $stream = $tmp; 37} 38#エンコード 39$stream = Encode::encode('utf-8',$stream); 40#ファイルに書き込む 41 open(DATAFILE, ">> stream.txt") or die("Error"); 42 print DATAFILE $stream; 43 44#データを取得する########################################################## 45sub getData{ 46 my($stream,$filecontent) = @_; #複数の変数を受け取る 47 #chomp($filecontent); #Eof削除 48 $$stream .= $filecontent; 49}

ですが、元のファイルのエンコードが、UTF-8、Shift-JIS、euc-jpなど混在しているため、出力したデータの部分部分が文字化けしてしまい、困っています。

試してみたこと

エンコードの問題なのはわかっているので、
Encode::encode()のほかEncode::decode()、その他Encode::fromto()などもためしてみましたが、どれも決定的な解決とは至らず困っています。また、utf-8を指定した際に、Wide character in printというエラーも表示されることがあり、いろいろとページを巡回したのですが、文字化けの解消法が見つかりませんでした。

こちらも引き続き調査しているのですが、解決法をご教示いただけると助かります。

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

perlでの日本語処理の要諦については昔回答したものがあるので参考にしてください。
https://teratail.com/questions/127212

ここではさらにファイルごとに文字コードの判別を行う必要があります。
https://allabout.co.jp/gm/gc/455808/

投稿2019/05/31 11:19

KojiDoi

総合スコア13669

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

FKM

2019/05/31 12:19

ありがとうございます、さっそくリンク先を閲覧して、試してみましたが、新たな壁にぶつかりました。 perhaps you forgot load cp932 or euc-jp?となっていて、調べたらguess_encoding関数において、どちらか判別できないというものでした。これも調べているのですが、たいてい、信用できない情報なので手動でやるのが望ましいみたいな記事ばかりです。
KojiDoi

2019/06/01 05:11

shift-jisの判定ですが、こうしたテキストには文字コードを示す目印のようなものが存在しているわけではなく、文字の出現パターンを統計的にチェックして判定するしかないのです。なのでたとえば100行の英文の下に1行の短い日本語の要約がついているみたいなテキストでは判別できないです。こういう場合、ファイル名その他から使われている文字コードを見極めて個別に対応するしかないでしょう。
FKM

2019/06/24 02:28 編集

わかりました、それしか方法がないようですね。 結局出力前に、ファイルのエンコードを統一して対応しました。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問