.NET TIPS

文字列を1文字ずつ解析するには？（サロゲート文字対応）［C#、VB］

デジタルアドバンテージ　一色 政彦
2008/04/24

　文字列を加工するなどの目的で、文字列の内容を解析したいような場合がある。この際、一般的には正規表現を利用するが（参考「TIPS：正規表現を使って部分文字列を取得するには？」「TIPS：正規表現を使って文字列から部分文字列を取り除くには？」）、もちろん1文字ずつ解析して処理することもできる（正規表現の方がコードがシンプルになるので便利だが、処理速度が遅くなる場合がある。筆者はコードはかっこ悪くても処理速度の速い「1文字ずつの解析処理」を好んでよく用いる）。本稿ではこの1文字ずつの解析処理の方法を紹介する。

　なお、最近ではWindows Vistaの登場などにより、（エンド・ユーザーによって）Unicodeのサロゲート文字が入力される可能性があり、それが文字列解析の処理で問題となる場合もある。サロゲート文字（もしくはサロゲート・ペア文字）とは、通常「1文字＝2bytes」のところが、「1文字＝4bytes」となることがある文字だ。そこで本稿では、サロゲート文字も考慮した文字列解析処理について説明する。

文字列解析処理

　（サロゲート文字を考慮しながら）文字列を1文字ずつ処理するには、TextElementEnumeratorオブジェクト（System.Globalization名前空間のTextElementEnumeratorクラスのオブジェクト）を使用する。

　TextElementEnumeratorオブジェクトは、処理したい文字列をパラメータに指定して、StringInfoクラス（System.Globalization名前空間）の静的メソッドであるGetTextElementEnumeratorメソッドを呼び出せば取得できる。

　実際にTextElementEnumeratorオブジェクトを使って1文字ずつ処理するには、まずMoveNextメソッド（パラメータなし）を呼び出して次の1文字を処理対象とし、Currentプロパティからその文字を取得する（Object型であるが、実際の内容は1文字の文字列）。注意点としては、MoveNextメソッドを呼び出して初めて最初の1文字が取得できることだ（MoveNextメソッドを呼び出さずに、Currentプロパティを使うことはできない）。

　次の画面は、文字列を1文字ずつ処理するWindowsアプリケーションのサンプル・プログラムである。

文字列を1文字ずつ処理するWindowsアプリケーションの実行例
このアプリケーションでは［処理実行］ボタンをクリックすると、上のテキストボックスに入力された文字列を1文字ごとに分解して、それぞれの文字を「 」で囲んで再びすべてを1つ文字列に結合し、それを下のテキストボックス（textBox2）に設定する。

　このアプリケーションでは［処理実行］ボタン（button1）をクリックすると、上のテキストボックス（textBox1）に入力された文字列を、上記の説明の手順で処理し、処理後の文字列を下のテキストボックス（textBox2）に設定する。その処理内容が、次のコード（の太字部分）である。

using System.Globalization;
using System.Text;

public Form1()
{
  InitializeComponent();

  this.textBox1.Text = "生徒を\uD842\uDF9Fる";
}

private void button1_Click(object sender, EventArgs e)
{
  string moji = this.textBox1.Text;

  // テキスト要素を列挙するオブジェクトを取得
  TextElementEnumerator charEnum =
  StringInfo.GetTextElementEnumerator(moji);

  // 1文字ずつ解析して、文字列を加工する
  StringBuilder analyzedMoji = new StringBuilder();
  while (true)
  {
    // 次の1文字を取得する
    if (charEnum.MoveNext() == false)
    {
      break; // 取得する文字がない
    }

    // 1文字ずつ処理する
    analyzedMoji.Append("「" + charEnum.Current + "」");
  }

  this.textBox2.Text = analyzedMoji.ToString();
}
Imports System.Globalization
Imports System.Text

Private Sub Form1_Load(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles MyBase.Load
  Me.textBox1.Text = "生徒を" & ChrW(&HD842) & ChrW(&HDF9F) & "る"
End Sub

Private Sub button1_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles button1.Click

  Dim moji As String = Me.textBox1.Text

  ' テキスト要素を列挙するオブジェクトを取得
  Dim charEnum As TextElementEnumerator = _
    StringInfo.GetTextElementEnumerator(moji)

  ' 1文字ずつ解析して、文字列を加工する
  Dim analyzedMoji As New StringBuilder()
  While (True)
    ' 次の1文字を取得する
    If charEnum.MoveNext() = False Then
      Exit While ' 取得する文字がない
    End If

    ' 1文字ずつ処理する
    analyzedMoji.Append("「" & charEnum.Current & "」")
  End While

  Me.textBox2.Text = analyzedMoji.ToString()

End Sub
文字列を1文字ずつ処理するWindowsアプリケーションのサンプル・プログラム（上：C#、下：VB）

　ちなみにTextElementEnumeratorオブジェクトのElementIndexプロパティからは、文字（＝テキスト要素）のインデックス番号を取得できる。取得した1文字（＝Stringオブジェクト）がサロゲート文字かどうかを調べるには、「TIPS：サロゲート文字かどうかを判定するには？」の方法を使えばよい。End of Article

カテゴリ：クラス・ライブラリ　処理対象：文字列
使用ライブラリ：TextElementEnumeratorクラス（System.Globalization名前空間）
使用ライブラリ：StringInfoクラス（System.Globalization名前空間）
関連TIPS：サロゲート文字かどうかを判定するには？
関連TIPS：正規表現を使って部分文字列を取得するには？
関連TIPS：正規表現を使って文字列から部分文字列を取り除くには？

この記事と関連性の高い別の.NET TIPS
文字と文字列を変換するには？
サロゲート文字かどうかを判定するには？
文字列の長さを取得するには？
文字列のひらがな／カタカナをチェックするには？
文字列中の1文字を取得するには？
このリストは、（株）デジタルアドバンテージが開発した
自動関連記事探索システム Jigsaw（ジグソー） により自動抽出したものです。
generated by

「.NET TIPS」

TechTargetジャパン

Insider.NET フォーラム 新着記事

＠ITメールマガジン　新着情報やスタッフのコラムがメールで届きます（無料）

RSSフィード

＠IT 新着記事

キャリアアップ

- PR -
＠IT Sepcial
→ ＠IT Special ヘ

イベントカレンダー

PickUpイベント

- PR -
もっと見る
- PR -

お勧め求人情報

ホワイトペーパー（TechTargetジャパン）

＠IT Sepcial
→ ＠IT Special ヘ
ソリューションFLASH