バイナリファイル内のテキストデータの抽出

環境/言語:[Windows Xp/VB2008]
分類:[.NET]

はじめて、Visual Basic 2008 Express Editionでアプリを作成しています。

複数の商品コードがテキストで埋め込まれいるバイナリファイルが８００個ほど
あります。ファイルには次のように色々なデータ型が混在して入っています。
それぞれの位置は一定ではありません。
(1) バイナリデータ　例）;^Aｰ"^]^P^B^@^@^@..
(2) 商品名　例）リポビタンＤ100mlのように２バイトと１バイト文字列が混在
(3) 商品コード　例）I10130
このファイルの中から(3)商品コードを抜き出してファイル名と商品コードの一覧
をCSVファイルに出力するアプリを作ろうとしています。ファイルサイズは最大でも
40,000バイトです。
フォルダの指定やファイルリストの取得はできました。その後の処理で行き
詰まっています。
教えていただきたいことは、ファイルの読み込み方法とその後の抽出方法です。
(1) ファイルを全部バイト配列に読み込んでから、商品コードを抽出した方が
よいか
　　それともファイルを１バイトずつ読み込んだ方がよいか
　　BinaryReader、StreamReaderのどちらを使うのかもわかりません。
(2) 全部バイト配列に読み込んだときのバイト配列内のテキストデータの
検索・抽出方法

Basicと言えば、２０年も前にN88-BASICで仕事用のデータベースを組んだことしか
ありませんので、最近のオブジェクト指向にはなかなか馴染めません。
初歩的な質問をするかもしれませんが、よろしくお願いします。

■No25352に返信(おにいさんの記事)
> (1) バイナリデータ　例）;^Aｰ"^]^P^B^@^@^@..
> (2) 商品名　例）リポビタンＤ100mlのように２バイトと１バイト文字列が混在
> (3) 商品コード　例）I10130

　　このバイナリ部・商品名部・商品コード部を区分けする
　　方法（仕様）が、記述されてません。

　　それが解らない限り、抽出することはほぼ無理かと・・・

以上。

■No25353に返信(オショウさんの記事)
オショウさん、早速のご回答ありがとうございます。

> 　　このバイナリ部・商品名部・商品コード部を区分けする
> 　　方法（仕様）が、記述されてません。
バイナリ部と商品名部の区分けはわかりませんが、商品コードは
"I"で始まり５桁の数字と決まっています。

テキストエディタで開くと商品コードと商品名が読み取れるので
(1) バイト配列に読み込む
(2) "I"を探す
(3) "I"以降の５バイトを抽出する。
素人考えで作ってみたのですが、バイト配列そのままでは"I"を
探せないことがわかりました。文字列変数に変換する関数とか
何か方法があるのでしょうか。
よろしくお願いします。

■No25358に返信(おにいさんの記事)
> バイナリ部と商品名部の区分けはわかりませんが、商品コードは
> "I"で始まり５桁の数字と決まっています。

　　いや、だからバイナリ部にも『I』が存在する可能性もあるし
　　商品名部にも『I』があるかもしれない。

　　ただ、『I』以降の５バイト分が、数字と言うことなので、
　　『I』以降の５バイトを文字列として変数に代入し・・・

　　Integer.Perse(dt) とかして、
　　エラーしたら、商品コードではない
　　正常に変換できたら、商品コードとする

　　と言う方法で行えば、まずよいのでは？

　　例外があるかどうかは、データ次第かと・・・

　　それとバイト配列に読み込むより、MemoryStreamに全て読み込んで
　　ストリームから読み出せば速度も速いので楽じゃ〜ない？

以上。

念のためですが、5 バイト取り出して評価した結果、数値列でなかった場合、最初の I を検出した次のバイトから再評価になります。
可能性があるかどうかは分かりませんが、III12345 というケースも想定されるためです。

あとは既に指摘されているように、バイナリ部や商品名部に I から始まる 5 桁の数値が現れる可能性があるかどうかですね。


■No25359に返信(オショウさんの記事)
> 　　それとバイト配列に読み込むより、MemoryStreamに全て読み込んで
> 　　ストリームから読み出せば速度も速いので楽じゃ〜ない？
「速度が速い」とする根拠を教えて頂けないでしょうか。

> 素人考えで作ってみたのですが、バイト配列そのままでは"I"を
> 探せないことがわかりました。文字列変数に変換する関数とか
> 何か方法があるのでしょうか。

商品コードの文字コードは何ですか？
(コードなのでたぶんASCIIコードでしょうけど)

文字コードの値を求めて、その値をバイト配列から探せばよいかと。
半角のIは、ASCIIコードやShift_JISなら、&H49ですので、
これを検索することになります。

文字コードがASCIIなら、Asc関数で文字コードを取得できます。
＃他の文字コードならEncodingクラスのGetBytesメソッドを使います。

返事が遅くなり申し訳ありません。

■25359
オショウさん、ありがとうございます。
ファイルの中をビューワーで見て例外がないことがわかりましたので、
うまくいきそうです。
》それとバイト配列に読み込むより、MemoryStreamに全て読み込んで
》ストリームから読み出せば速度も速いので楽じゃ〜ない？
FileStreamメソッドさえよく理解ができていないので、MemoryStream
まで行き着きそうにありません。速度が問題なるようでしたらチャレンジ
してみます。


■25360
Azuleanさん、ありがとうございます。
》数値列でなかった場合、最初の I を検出した次のバイトから再評価になります。
ご指摘のミスを犯していましたので修正しました。

■25364
よねＫＥＮさん、ありがとうございます。
》＃他の文字コードならEncodingクラスのGetBytesメソッドを使います。
このメソッドを使うと、いろいろなコード体系の文字が得られるのですね。
勉強になりました。

とりあえず、何とかなりそうですので、解決済みとさせていただきます。
みなさん、ありがとうございました。