画面にこう出れば正解
どの言語で書いても、同じ入力なら画面に出る文字は1文字も違わない、というのが正解の決め方です(例は Python で動かしたときのコマンドです)。
基本(部署ごとの件数)
input.txt の中身
date,dept,amount 2026-11-01,営業,12000 2026-11-01,開発,8000 2026-11-02,営業,3000 2026-11-02,総務,500 2026-11-03,開発,8000 2026-11-03,営業,7000
$ python3 group_count.py dept < input.txt
営業 3
開発 2
総務 1
合計 6件数が同じならキーのコードポイント順(漢字は読みの順にならない)
input.txt の中身
date,dept,amount 2026-11-01,総務,100 2026-11-02,開発,100 2026-11-03,営業,100
$ python3 group_count.py dept < input.txt
営業 1
総務 1
開発 1
合計 3UTF-16 の並べ替えとは順が変わる(絵文字と ¥)
input.txt の中身
id,name,note 1,🍣,x 2,¥,x 3,私,x
$ python3 group_count.py name < input.txt
私 1
¥ 1
🍣 1
合計 3大文字と小文字(国の設定で並べると a が A より先になる)
input.txt の中身
id,tag,note 1,a,x 2,B,x 3,A,x 4,b,x 5,a,x 6,B,x 7,A,x 8,b,x
$ python3 group_count.py tag < input.txt
A 2
B 2
a 2
b 2
合計 8濁点の付け方が違う「が」は別のまとまり
input.txt の中身
id,name,note 1,が,x 2,が,x 3,が,x
$ python3 group_count.py name < input.txt
が 2
が 1
合計 3キーが空の行
input.txt の中身
id,dept,note 1,営業,x 2,,x 3,,x 4,開発,x 5,,x
$ python3 group_count.py dept < input.txt
(空) 3
営業 1
開発 1
合計 5前後の空白は取らない
input.txt の中身
id,dept,note 1,営業,x 2, 営業,x 3,営業,x 4,営業 ,x
$ python3 group_count.py dept < input.txt
営業 2
営業 1
営業 1
合計 4件数が10件と9件(文字として比べると9件が先に来る)
input.txt の中身
id,tag,note 1,A,x 2,A,x 3,A,x 4,A,x 5,A,x 6,A,x 7,A,x 8,A,x 9,A,x 10,A,x 11,B,x 12,B,x 13,B,x 14,B,x 15,B,x 16,B,x 17,B,x 18,B,x 19,B,x 20,C,x
$ python3 group_count.py tag < input.txt
A 10
B 9
C 1
合計 20キーが数字(コードポイント順なので 10 が 2 より先)
input.txt の中身
id,code,note 1,2,x 2,10,x 3,9,x
$ python3 group_count.py code < input.txt
10 1
2 1
9 1
合計 3列の数が違う行と空の行が混ざる
input.txt の中身
date,dept,amount 2026-11-01,営業,12000 2026-11-01,開発,8000 2026-11-02,営業,3000 2026-11-02,総務,500 2026-11-03,開発,8000 2026-11-03,営業,7000 2026-11-04,営業 2026-11-05,開発,100,余分
$ python3 group_count.py dept < input.txt
営業 3
開発 2
総務 1
合計 6
読めない行 2見出しに無い列
input.txt の中身
date,dept,amount 2026-11-01,営業,12000 2026-11-01,開発,8000 2026-11-02,営業,3000 2026-11-02,総務,500 2026-11-03,開発,8000 2026-11-03,営業,7000
$ python3 group_count.py team < input.txt
NG: 列 team がありません空の入力
input.txt の中身
(空)
$ python3 group_count.py dept < input.txt
NG: 列 dept がありません見出しだけ(データの行が無い)
input.txt の中身
date,dept,amount
$ python3 group_count.py dept < input.txt
合計 0改行が \r\n(Windows で保存した CSV)
input.txt の中身
date,dept,amount[CR] 2026-11-01,営業,12000[CR] 2026-11-01,開発,8000[CR] 2026-11-02,営業,3000[CR] 2026-11-02,総務,500[CR] 2026-11-03,開発,8000[CR] 2026-11-03,営業,7000[CR]
$ python3 group_count.py dept < input.txt
営業 3
開発 2
総務 1
合計 6最後に改行が無い
input.txt の中身
date,dept,amount 2026-11-01,営業,12000 2026-11-01,開発,8000 2026-11-02,営業,3000 2026-11-02,総務,500 2026-11-03,開発,8000 2026-11-03,営業,7000
$ python3 group_count.py dept < input.txt
営業 3
開発 2
総務 1
合計 610言語のプログラム
どれもそのまま保存して動かせます。毎朝、上の正解の例をすべて実際に動かして確かめています。
group_count.php8.4.26 で 15 / 15 件の出力が正解と一致
<?php
// 標準入力の CSV を、指定した列の値でまとめて数え、件数の多い順に出す
$col = $argv[1];
// \r\n と \n のどちらでも区切り、空の行を落とす。残った最初の行が見出し
$lines = array_values(array_filter(preg_split('/\r?\n/', stream_get_contents(STDIN)), fn($l) => $l !== ''));
$header = $lines === [] ? [] : explode(',', $lines[0]);
// in_array や array_search は、第3引数を付けないと "0" と "" を同じとみなす
$idx = array_search($col, $header, true);
if ($idx === false) {
echo "NG: 列 {$col} がありません\n";
exit;
}
$counts = [];
$total = 0;
$bad = 0;
foreach (array_slice($lines, 1) as $line) {
$fields = explode(',', $line);
if (count($fields) !== count($header)) {
$bad++;
continue;
}
// PHP の配列は "10" のような数字だけの文字列をキーにすると整数に変える。比べるときに (string) で戻す
$counts[$fields[$idx]] = ($counts[$fields[$idx]] ?? 0) + 1;
$total++;
}
$keys = array_keys($counts);
// 件数の多い順、同じ件数ならキーのバイトの並び順(strcmp はバイトで比べるので、コードポイント順になる)
usort($keys, fn($a, $b) => ($counts[$b] <=> $counts[$a]) ?: strcmp((string) $a, (string) $b));
foreach ($keys as $k) {
echo ((string) $k === '' ? '(空)' : $k) . ' ' . $counts[$k] . "\n";
}
echo "合計 {$total}\n";
if ($bad > 0) {
echo "読めない行 {$bad}\n";
}
動かし方(ファイルを保存したフォルダで)
$ php group_count.php dept < input.txt
group_count.py3.14.7 で 15 / 15 件の出力が正解と一致
# 標準入力の CSV を、指定した列の値でまとめて数え、件数の多い順に出す
import sys
col = sys.argv[1]
# 値にカンマや「"」が入る CSV なら csv モジュールを使う。この回は入らないと決めてあるので split でよい。
# \r を落としてから空の行を捨てる。残った最初の行が見出し
lines = [x for x in (line.rstrip("\r") for line in sys.stdin.read().split("\n")) if x != ""]
header = lines[0].split(",") if lines else []
if col not in header:
print(f"NG: 列 {col} がありません")
sys.exit()
idx = header.index(col)
counts = {}
total = 0
bad = 0
for line in lines[1:]:
fields = line.split(",")
if len(fields) != len(header):
bad += 1
continue
counts[fields[idx]] = counts.get(fields[idx], 0) + 1
total += 1
# 件数の多い順、同じ件数ならキーの小さい順。Python の文字列の比較はコードポイント順なので、そのまま使える
# (Java・JavaScript・C# は UTF-16 の並びで比べるので、絵文字が ¥ より先に来る)
for key, n in sorted(counts.items(), key=lambda kv: (-kv[1], kv[0])):
print(f"{'(空)' if key == '' else key} {n}")
print(f"合計 {total}")
if bad:
print(f"読めない行 {bad}")
動かし方(ファイルを保存したフォルダで)
$ python3 group_count.py dept < input.txt
group_count.go1.27.2 で 15 / 15 件の出力が正解と一致
// 標準入力の CSV を、指定した列の値でまとめて数え、件数の多い順に出す
package main
import (
"bufio"
"fmt"
"os"
"sort"
"strings"
)
func main() {
col := os.Args[1]
// 値にカンマや「"」が入る CSV なら encoding/csv を使う。この回は入らないと決めてあるので Split でよい。
// bufio.Scanner は行の終わりの \n と、その手前の \r を取って返す
var lines []string
sc := bufio.NewScanner(os.Stdin)
for sc.Scan() {
if sc.Text() != "" {
lines = append(lines, sc.Text())
}
}
if err := sc.Err(); err != nil {
fmt.Fprintln(os.Stderr, err)
os.Exit(1)
}
var header []string
if len(lines) > 0 {
header = strings.Split(lines[0], ",")
}
idx := -1
for i, h := range header {
if h == col {
idx = i
break
}
}
if idx == -1 {
fmt.Printf("NG: 列 %s がありません\n", col)
return
}
counts := map[string]int{}
total, bad := 0, 0
for _, line := range lines[1:] {
fields := strings.Split(line, ",")
if len(fields) != len(header) {
bad++
continue
}
counts[fields[idx]]++
total++
}
// map を range で回す順番は毎回わざと変えられている。キーを取り出して並べてから出す
keys := make([]string, 0, len(counts))
for k := range counts {
keys = append(keys, k)
}
// Go の string の < はバイトの並びで比べる(UTF-8 なのでコードポイントの小さい順になる)
sort.Slice(keys, func(i, j int) bool {
if counts[keys[i]] != counts[keys[j]] {
return counts[keys[i]] > counts[keys[j]]
}
return keys[i] < keys[j]
})
for _, k := range keys {
name := k
if name == "" {
name = "(空)"
}
fmt.Printf("%s %d\n", name, counts[k])
}
fmt.Printf("合計 %d\n", total)
if bad > 0 {
fmt.Printf("読めない行 %d\n", bad)
}
}
動かし方(ファイルを保存したフォルダで)
$ go run group_count.go dept < input.txt
group_count.js24.15.0 で 15 / 15 件の出力が正解と一致
// 標準入力の CSV を、指定した列の値でまとめて数え、件数の多い順に出す
const col = process.argv[2];
// \r\n と \n のどちらでも区切り、空の行を落とす。残った最初の行が見出し
const lines = require("fs").readFileSync(0, "utf8").split(/\r?\n/).filter((l) => l !== "");
const header = lines.length > 0 ? lines[0].split(",") : [];
const idx = header.indexOf(col);
if (idx === -1) {
console.log(`NG: 列 ${col} がありません`);
process.exit(0);
}
// Map は入れた順に回るが、出す順は自分で決める
const counts = new Map();
let total = 0;
let bad = 0;
for (const line of lines.slice(1)) {
const fields = line.split(",");
if (fields.length !== header.length) {
bad++;
continue;
}
counts.set(fields[idx], (counts.get(fields[idx]) ?? 0) + 1);
total++;
}
// 文字列の < や sort() は UTF-16 の並びで比べるので、🍣(サロゲートペア)が ¥ より先になる。
// UTF-8 のバイトで比べると、コードポイントの小さい順になる
const cmpKey = (a, b) => Buffer.compare(Buffer.from(a, "utf8"), Buffer.from(b, "utf8"));
const keys = [...counts.keys()].sort((a, b) => counts.get(b) - counts.get(a) || cmpKey(a, b));
for (const k of keys) console.log(`${k === "" ? "(空)" : k} ${counts.get(k)}`);
console.log(`合計 ${total}`);
if (bad > 0) console.log(`読めない行 ${bad}`);
動かし方(ファイルを保存したフォルダで)
$ node group_count.js dept < input.txt
GroupCount.java21.0.12 で 15 / 15 件の出力が正解と一致
// 標準入力の CSV を、指定した列の値でまとめて数え、件数の多い順に出す
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.nio.charset.StandardCharsets;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedHashMap;
import java.util.List;
import java.util.Map;
public class GroupCount {
public static void main(String[] args) throws IOException {
String col = args[0];
// readLine は \n でも \r\n でも行を区切り、行の終わりの記号を取って返す
List<String> lines = new ArrayList<>();
BufferedReader in = new BufferedReader(new InputStreamReader(System.in, StandardCharsets.UTF_8));
String line;
while ((line = in.readLine()) != null) {
if (!line.isEmpty()) {
lines.add(line);
}
}
// split は第2引数を付けないと、末尾の空の欄を捨てる("a,b," が2個になる)。列の数を数えるので -1 を付ける
String[] header = lines.isEmpty() ? new String[0] : lines.get(0).split(",", -1);
int idx = Arrays.asList(header).indexOf(col);
if (idx < 0) {
System.out.println("NG: 列 " + col + " がありません");
return;
}
Map<String, Integer> counts = new LinkedHashMap<>();
int total = 0;
int bad = 0;
for (String l : lines.subList(1, lines.size())) {
String[] fields = l.split(",", -1);
if (fields.length != header.length) {
bad++;
continue;
}
counts.merge(fields[idx], 1, Integer::sum);
total++;
}
List<String> keys = new ArrayList<>(counts.keySet());
// String.compareTo は UTF-16 の並びで比べるので、🍣(サロゲートペア)が ¥ より先に来てしまう。
// UTF-8 のバイトで比べるとコードポイント順になる。byte は符号付きなので compareUnsigned を使う
keys.sort((a, b) -> {
int c = Integer.compare(counts.get(b), counts.get(a));
return c != 0 ? c
: Arrays.compareUnsigned(a.getBytes(StandardCharsets.UTF_8), b.getBytes(StandardCharsets.UTF_8));
});
for (String k : keys) {
System.out.println((k.isEmpty() ? "(空)" : k) + " " + counts.get(k));
}
System.out.println("合計 " + total);
if (bad > 0) {
System.out.println("読めない行 " + bad);
}
}
}
動かし方(ファイルを保存したフォルダで)
$ java GroupCount.java dept < input.txt
group_count.cs10.0.402 で 15 / 15 件の出力が正解と一致
// 標準入力の CSV を、指定した列の値でまとめて数え、件数の多い順に出す
using System.Text;
string col = args[0];
// Console.ReadLine は \n でも \r\n でも行を区切り、行の終わりの記号を取って返す
var lines = new List<string>();
string? line;
while ((line = Console.ReadLine()) != null)
{
if (line != "")
{
lines.Add(line);
}
}
string[] header = lines.Count > 0 ? lines[0].Split(',') : [];
int idx = Array.IndexOf(header, col);
if (idx < 0)
{
Console.WriteLine($"NG: 列 {col} がありません");
return;
}
var counts = new Dictionary<string, int>();
int total = 0;
int bad = 0;
foreach (string l in lines.Skip(1))
{
string[] fields = l.Split(',');
if (fields.Length != header.Length)
{
bad++;
continue;
}
counts[fields[idx]] = counts.GetValueOrDefault(fields[idx]) + 1;
total++;
}
var keys = counts.Keys.ToList();
// 文字列の CompareTo や OrderBy は国の設定に従うので、a が A より先に来る。StringComparer.Ordinal にしても
// UTF-16 の並びなので、🍣(サロゲートペア)が ¥ より先に来る。UTF-8 のバイトで比べるとコードポイント順になる
keys.Sort((a, b) =>
{
int c = counts[b].CompareTo(counts[a]);
return c != 0 ? c : Encoding.UTF8.GetBytes(a).AsSpan().SequenceCompareTo(Encoding.UTF8.GetBytes(b));
});
foreach (string k in keys)
{
Console.WriteLine($"{(k == "" ? "(空)" : k)} {counts[k]}");
}
Console.WriteLine($"合計 {total}");
if (bad > 0)
{
Console.WriteLine($"読めない行 {bad}");
}
動かし方(ファイルを保存したフォルダで)
$ dotnet run group_count.cs -- dept < input.txt
group_count.rs1.99.0 で 15 / 15 件の出力が正解と一致
// 標準入力の CSV を、指定した列の値でまとめて数え、件数の多い順に出す
use std::collections::HashMap;
use std::io::BufRead;
fn main() {
let col = std::env::args().nth(1).unwrap();
// lines() は \n でも \r\n でも行を区切り、行の終わりの記号を取って返す
let lines: Vec<String> = std::io::stdin()
.lock()
.lines()
.map(|l| l.unwrap())
.filter(|l| !l.is_empty())
.collect();
let header: Vec<&str> = match lines.first() {
Some(l) => l.split(',').collect(),
None => Vec::new(),
};
let Some(idx) = header.iter().position(|h| *h == col) else {
println!("NG: 列 {} がありません", col);
return;
};
let mut counts: HashMap<&str, usize> = HashMap::new();
let mut total = 0;
let mut bad = 0;
for line in &lines[1..] {
let fields: Vec<&str> = line.split(',').collect();
if fields.len() != header.len() {
bad += 1;
continue;
}
*counts.entry(fields[idx]).or_insert(0) += 1;
total += 1;
}
// HashMap を回す順番は動かすたびに変わる。並べてから出す。
// str の比較はバイトの並び(UTF-8 なのでコードポイントの小さい順)
let mut items: Vec<(&str, usize)> = counts.into_iter().collect();
items.sort_by(|a, b| b.1.cmp(&a.1).then(a.0.cmp(b.0)));
for (k, n) in &items {
println!("{} {}", if k.is_empty() { "(空)" } else { k }, n);
}
println!("合計 {}", total);
if bad > 0 {
println!("読めない行 {}", bad);
}
}
動かし方(ファイルを保存したフォルダで)
$ rustc group_count.rs && ./group_count dept < input.txt
group_count.rb4.0.7 で 15 / 15 件の出力が正解と一致
# 標準入力の CSV を、指定した列の値でまとめて数え、件数の多い順に出す
col = ARGV[0]
# 文字コードを UTF-8 と決めて読む。chomp は行の終わりの \n も \r\n も取る
lines = $stdin.read.force_encoding("UTF-8").each_line.map(&:chomp).reject(&:empty?)
# split は第2引数を付けないと、末尾の空の欄を捨てる("a,b," が2個になる)。列の数を数えるので -1 を付ける
header = lines.empty? ? [] : lines[0].split(",", -1)
idx = header.index(col)
if idx.nil?
puts "NG: 列 #{col} がありません"
exit
end
counts = Hash.new(0)
total = 0
bad = 0
lines.drop(1).each do |line|
fields = line.split(",", -1)
if fields.length != header.length
bad += 1
next
end
counts[fields[idx]] += 1
total += 1
end
# 件数の多い順、同じ件数ならキーの小さい順。String の <=> はバイトで比べる(UTF-8 なのでコードポイント順)
counts.sort_by { |k, n| [-n, k] }.each do |k, n|
puts "#{k.empty? ? '(空)' : k} #{n}"
end
puts "合計 #{total}"
puts "読めない行 #{bad}" if bad > 0
動かし方(ファイルを保存したフォルダで)
$ ruby group_count.rb dept < input.txt
group_count.kt2.4.21 で 15 / 15 件の出力が正解と一致
// 標準入力の CSV を、指定した列の値でまとめて数え、件数の多い順に出す
fun main(args: Array<String>) {
val col = args[0]
// readLine は \n でも \r\n でも行を区切り、行の終わりの記号を取って返す
val lines = mutableListOf<String>()
while (true) {
val line = readLine() ?: break
if (line.isNotEmpty()) lines.add(line)
}
// Kotlin の split は末尾の空の欄も残す(Java の String.split は捨てるので限界値 -1 が要る)
val header = if (lines.isEmpty()) emptyList() else lines[0].split(",")
val idx = header.indexOf(col)
if (idx < 0) {
println("NG: 列 $col がありません")
return
}
val counts = LinkedHashMap<String, Int>()
var total = 0
var bad = 0
for (line in lines.drop(1)) {
val fields = line.split(",")
if (fields.size != header.size) {
bad++
continue
}
counts[fields[idx]] = (counts[fields[idx]] ?: 0) + 1
total++
}
// 文字列の compareTo は UTF-16 の並びで比べるので、🍣(サロゲートペア)が ¥ より先に来てしまう。
// UTF-8 のバイトで比べるとコードポイント順になる。byte は符号付きなので compareUnsigned を使う
val keys = counts.keys.sortedWith { a, b ->
val c = counts[b]!!.compareTo(counts[a]!!)
if (c != 0) c else java.util.Arrays.compareUnsigned(a.toByteArray(), b.toByteArray())
}
for (k in keys) {
println("${if (k.isEmpty()) "(空)" else k} ${counts[k]}")
}
println("合計 $total")
if (bad > 0) println("読めない行 $bad")
}
動かし方(ファイルを保存したフォルダで)
$ kotlinc group_count.kt -include-runtime -d group_count.jar && java -jar group_count.jar dept < input.txt
group_count.swift6.3.3 で 15 / 15 件の出力が正解と一致
// 標準入力の CSV を、指定した列の値でまとめて数え、件数の多い順に出す
func run() {
let col = CommandLine.arguments[1]
// readLine は \n でも \r\n でも行を区切り、行の終わりの記号を取って返す
var lines: [String] = []
while let line = readLine() {
if !line.isEmpty { lines.append(line) }
}
// split は既定で空の欄を捨てる("a,,b" が2個になる)。列の数を数えるので omittingEmptySubsequences: false
let header = lines.first?.split(separator: ",", omittingEmptySubsequences: false) ?? []
guard let idx = header.firstIndex(where: { String($0) == col }) else {
print("NG: 列 \(col) がありません")
return
}
// String をキーにすると、Swift は正規化して同じ見た目のものを同じキーとみなす(「が」1文字と「か」+濁点)。
// 別のまとまりとして数えるため、UTF-8 のバイトの並びをキーにする
var counts: [[UInt8]: Int] = [:]
var total = 0
var bad = 0
for line in lines.dropFirst() {
let fields = line.split(separator: ",", omittingEmptySubsequences: false)
if fields.count != header.count {
bad += 1
continue
}
counts[Array(fields[idx].utf8), default: 0] += 1
total += 1
}
// 件数の多い順、同じ件数ならバイトの並びの小さい順(コードポイント順と同じ)
let items = counts.sorted { a, b in
a.value != b.value ? a.value > b.value : a.key.lexicographicallyPrecedes(b.key)
}
for (bytes, n) in items {
print("\(bytes.isEmpty ? "(空)" : String(decoding: bytes, as: UTF8.self)) \(n)")
}
print("合計 \(total)")
if bad > 0 {
print("読めない行 \(bad)")
}
}
run()
動かし方(ファイルを保存したフォルダで)
$ swift group_count.swift dept < input.txt
サンプルを持ち帰る
この書き方の10言語のプログラムと正解表を、zip でお送りします。利用条件を読んで同意のうえ、メールアドレスを入れてください。
よく見かける書き方で試すと
仕事でよく見かける書き方(標準の関数をそのまま使う形や、よく紹介される正規表現など)を、同じ正解表で動かした結果です。言語を出した答えごとにまとめ、赤い字はその言語が実際に出した間違った行です。
| 入力 | よく見かける書き方の答え(10言語) |
|---|---|
基本(部署ごとの件数)dept | ✓10言語すべて正解 |
件数が同じならキーのコードポイント順(漢字は読みの順にならない)dept | ✓10言語すべて正解 |
UTF-16 の並べ替えとは順が変わる(絵文字と ¥)name |
|
大文字と小文字(国の設定で並べると a が A より先になる)tag | ✓10言語すべて正解 |
濁点の付け方が違う「が」は別のまとまりname |
|
キーが空の行dept | ✓10言語すべて正解 |
前後の空白は取らないdept |
|
件数が10件と9件(文字として比べると9件が先に来る)tag | ✓10言語すべて正解 |
キーが数字(コードポイント順なので 10 が 2 より先)code |
|
列の数が違う行と空の行が混ざるdept |
|
見出しに無い列team | ✓10言語すべて正解 |
空の入力dept | ✓10言語すべて正解 |
見出しだけ(データの行が無い)dept | ✓10言語すべて正解 |
改行が \r\n(Windows で保存した CSV)dept | ✓10言語すべて正解 |
最後に改行が無いdept | ✓10言語すべて正解 |
この書き方の決まり
- 引数はまとめるキーにする列の名前1つ。標準入力は CSV(1行目が見出し。値にカンマ・引用符・改行は入らない)
- 「<キー> <件数>」を、件数の多い順に1行ずつ。件数が同じなら、キーを Unicode のコードポイントの小さい順(UTF-8 のバイトの並びの順と同じ)
- そのあとに「合計 <数えた行の数>」。読めない行があれば、さらに「読めない行 <数>」
- 見出しにその列が無ければ「NG: 列 <名前> がありません」の1行だけ(空の入力も見出しが無いので同じ)
- キーが空の行も1つのまとまりとして数える(出すときは「(空)」と書く)
- 空の行は数えない。列の数が見出しと違う行も数えず、「読めない行」として数える
- キーは見た目でなく Unicode の文字の並びで比べる(「が」1文字と「か」+濁点の2文字は別のまとまり)。大文字と小文字も別
- 前後の空白は取らない(「 営業」と「営業」は別)
解説
「多い順」だけでは順番が決まらない
集計の表を作るとき、たいていは連想配列(ハッシュ)に「キー → 件数」を入れます。これをそのまま出すと、言語によって順番が変わります。Go の map と Rust の HashMap、Swift の Dictionary は回す順番が動かすたびに変わり、Java の HashMap はハッシュで決まる順になります。毎日同じ答えになることを確かめるために、この回では「件数の多い順、同じ件数ならキーの順」と最後まで決めました。
決める順番を2つ用意するのは、実務でも同じです。「多い順」だけでは、同じ件数のまとまりの並びがたまたま決まってしまい、入力が1行増えただけで表の見た目が変わります。
同じ件数のときの「キーの順」が、10言語中4言語で違う
キーが 私・¥・🍣 の3つ(どれも1件)のケース(c003)で、よく見かける書き方の答えが2通りに割れました。
| よく見かける書き方 | 答え | 言語 |
|---|---|---|
| 決まり(コードポイント順) | 私 → ¥ → 🍣 | PHP・Python・Go・Ruby・Rust・Swift |
| UTF-16 の並び | 私 → 🍣 → ¥ | Java・Kotlin・JavaScript・C#(10言語中4言語) |
🍣 は U+1F363、¥(全角の円記号)は U+FFE5 なので、コードポイントでは ¥ が先です。ところが Java・Kotlin・JavaScript・C# の文字列は中身が UTF-16 で、🍣 は U+D83C U+DF63 のサロゲートペアとして入っています。1つ目の値 0xD83C は 0xFFE5 より小さいので、compareTo や < で比べると 🍣 が先に来ます。
この4言語では、UTF-8 のバイトの並びで比べ直すと決まりどおりになります(UTF-8 のバイト順は、コードポイント順と同じになるように作られています)。
| 言語 | 既定の文字列の比較 | この回で使った書き方 |
|---|---|---|
| Python | コードポイント順 | そのまま sorted(..., key=lambda kv: (-kv[1], kv[0])) |
| Go・Rust | バイトの並び(UTF-8) | そのまま <・cmp |
| Ruby | バイトの並び(UTF-8) | そのまま <=> |
| PHP | 文字列は最初からバイトの列 | strcmp(<=> は使わない。次の節) |
| JavaScript | UTF-16 の並び | Buffer.compare(Buffer.from(a), Buffer.from(b)) |
| Java・Kotlin | UTF-16 の並び | Arrays.compareUnsigned(a.getBytes(UTF_8), b.getBytes(UTF_8)) |
| C# | 国の設定に従う | Encoding.UTF8.GetBytes(a).AsSpan().SequenceCompareTo(...) |
| Swift | 正規化してから比較 | Array(s.utf8) をキーにして lexicographicallyPrecedes |
Java と Kotlin の byte は符号付き(-128〜127)なので、Arrays.compare だと 0x80 以上のバイトが負の数になり、日本語が ASCII より先に来てしまいます。compareUnsigned(Java 9 から)を使います。
PHP の <=> は、数字の文字列を数として比べる
キーが 10・2・9(どれも1件)のケース(c009)で、PHP だけが 2 → 9 → 10 の順になりました。決まりはコードポイント順なので 10 → 2 → 9 です。
PHP 8 の <=> は、両方が数字だけの文字列なら数として比べます。文字として比べるには strcmp を使います。この回のコードでは、PHP の配列が "10" のようなキーを整数の 10 に変えてしまうこともあって、比べる直前に (string) で戻しています。
商品コードや郵便番号のような「数字でできた文字列」をキーにするときは、言語が勝手に数として扱わないかを確かめます。
Swift は、キーにした文字列を正規化する
「が」1文字(U+304C)2件と、「か」+濁点(U+304B U+3099)1件を渡したケース(c005)で、Swift だけが が 3 と答えました(決まりは が 2 と が 1 の2行)。
Swift の String は、== もハッシュも「正規化して同じなら同じ」と決まっています。見た目が同じ文字は同じキーになるので、画面に出す言葉を数えるぶんには親切です。ただし「元のデータのとおりに数える」ときは別物として扱わなければならないので、この回のコードでは Array(文字列.utf8)(UTF-8 のバイトの並び)を辞書のキーにしました。03 順番を保って重複を消す と同じやり方です。
国の設定で並べると、a が A より先に来る
C# の OrderBy(キー) や string.CompareTo は、動かす場所の国の設定(カルチャ)に従います。同じ naive のコードを2か所で動かしたら、落ちたケースの数が変わりました。
- 検証に使っている Linux のコンテナ: 15件中12件(落ちたのは c003・c007・c010)。このコンテナは ICU(国ごとの並べ方の表)を持たない作りなので、文字の値の順で並びます
- 手元の Mac: 15件中10件。上に加えて、漢字の並び(c002)と
a・A・b・Bの並び(c004)でも落ちました。ICU があるため「辞書の順」に並び、aがAより先に来ます
どちらが正しいという話ではなく、同じコードが場所によって違う順番を出すということです。機械が読む出力や、テストで比べる出力を作るときは、StringComparer.Ordinal のように国の設定に左右されない比べ方を選びます(それでも UTF-16 の並びなので、絵文字は上の表のとおりです)。
前後の空白を取ってしまう(10言語中10言語)
営業2件・ 営業1件・営業 1件を渡したケース(c007)で、よく見かける書き方は10言語すべてが 営業 4 と答えました。trim()(PHP は trim、Python は strip、Go は TrimSpace)を通すのは親切な処理に見えますが、集計の母数が変わります。
空白を落としてまとめたいなら、それは仕様です。この回はそう決めていないので落としません。実務では「取り込みのときに空白を落として保存する」のか「集計のときだけ落とす」のかを決めておくと、数が合わない相談が減ります。
列の数を確かめないと、壊れた行まで数える(10言語中10言語)
列が1つ足りない行と、1つ多い行を混ぜたケース(c010)で、よく見かける書き方は10言語すべてが 営業 4 / 開発 3 / 総務 1 / 合計 8(本当は 営業 3 / 開発 2 / 総務 1 / 合計 6 と 読めない行 2)と答えました。
line.split(",")[1] は、列が足りない行でもたまたま何かを返すことがあります。キーの列が左のほうにあると、壊れた行がそのまま集計に混ざり、合計だけが少し多くなります。気づけるようにするには、見出しと列の数を比べて、合わない行を別に数えて出すのがいちばん簡単です。「読めない行 2」が出れば、取り込みの元を直すきっかけになります。
末尾の空の欄が消える言語がある
列の数を数えるので、split の仕様に気をつけます。Java の String.split(",") と Ruby の split(",") は、末尾の空の欄を捨てます("a,b," が3個ではなく2個になる)。どちらも第2引数に -1 を付けると残ります。Swift の split(separator:) は既定で空の欄をすべて捨てるので、omittingEmptySubsequences: false を付けます。Kotlin・Python・JavaScript・PHP・Go・Rust の split は、そのままでも空の欄を残します。
値にカンマや引用符が入る本物の CSV を読むときは、この回のように split で切らず、CSV を読む機能(PHP の str_getcsv、Python の csv、Go の encoding/csv)を使ってください。この回は「値にカンマ・引用符・改行は入らない」と決めたうえで split にしています。