Java Tips | 文字列処理：改行統一

Java Java
スポンサーリンク

改行統一は「バラバラな改行コードを“同じルール”にそろえる」技

業務システムを書いていると、いろんなところからテキストが入ってきます。
Windows で作られたファイル、Linux サーバ上のログ、Web から送られてくるテキストエリアの内容…。

ここで地味に効いてくるのが 「改行コードの違い」 です。

Windows：\r\n
Unix/Linux/macOS：\n
古い Mac：\r（ほぼ見ないけど、歴史的には存在）

人間の目には全部「改行」に見えますが、文字列としては別物です。
この違いを放置すると、

  • 行数カウントが合わない
  • split しても行ごとに分割できない
  • 差分比較ツールで「全部違う」と判定される

といった、地味だけど厄介なトラブルになります。

そこで使うのが 改行統一（改行コードの正規化）――
「どんな改行コードが来ても、いったん自分たちのルールにそろえる」テクニックです。

まず「改行コードの種類」をちゃんと知っておく

代表的な3種類の改行コード

改行コードには、主に次の3種類があります。

Windows 形式：\r\n（CR+LF）
Unix 形式：\n（LF）
古い Mac 形式：\r（CR）

Java の文字列の中では、

\r は「キャリッジリターン（CR）」
\n は「ラインフィード（LF）」

という1文字として扱われます。

例えば、Windows で作られたテキストファイルを読み込むと、
1行ごとに ... \r\n が末尾についていることになります。

改行統一の目的は、
「これらのバラバラな改行コードを、自分たちが決めた1種類にそろえる」ことです。

基本方針：「全部いったんバラしてから、1種類にそろえる」

置換の順番がとても大事

改行統一の基本的な考え方はこうです。

  1. まず、複数文字の改行コード（\r\n）を単一の記号にそろえる
  2. 残った単体の改行コード（\r）も同じ記号にそろえる
  3. 最終的に「自分たちの標準改行コード」に変換する

ここで一番大事なのが 「置換の順番」 です。

いきなり \r を \n に置き換えてしまうと、
\r\n が \n\n になってしまい、改行が2つに増えてしまいます。

なので、必ず 「\r\n → \n」を先にやってから、「残った \r → \n」 の順番で処理します。
この順番を守ることが、改行統一の一番のキモです。

実装：LF（\n）に統一するユーティリティ

内部表現をまず LF にそろえる

まずは、「どんな改行コードが来ても、内部では LF（\n）に統一する」ユーティリティを作ります。

public final class Newlines {

    private Newlines() {}

    public static String normalizeToLf(String text) {
        if (text == null) {
            return null;
        }
        // 1. Windows の CRLF を LF に
        String s = text.replace("\r\n", "\n");
        // 2. 残っている CR を LF に
        s = s.replace("\r", "\n");
        return s;
    }
}
Java

使い方はこうなります。

String windows = "A\r\nB\r\nC\r\n";
String unix    = "A\nB\nC\n";
String oldMac  = "A\rB\rC\r";

System.out.println(Newlines.normalizeToLf(windows)); // A\nB\nC\n
System.out.println(Newlines.normalizeToLf(unix));    // A\nB\nC\n
System.out.println(Newlines.normalizeToLf(oldMac));  // A\nB\nC\n
Java

ここで深掘りしたい重要ポイントは二つです。

一つ目は、「必ず \r\n を先に置換している」ことです。
これを逆にすると、\r\n が \n\n になってしまい、改行が増えてしまいます。
「複数文字の改行コード → 単一文字の改行コード」の順番を守るのが鉄則です。

二つ目は、「内部表現として“LF に統一する”と決めている」ことです。
アプリケーション内部では LF にそろえておき、
ファイルに書き出すときや外部に出すときに、必要なら CRLF に変換する――
この「内部は LF、外部は相手に合わせる」という方針にしておくと、処理がシンプルになります。

実装：任意の改行コードに変換するユーティリティ

「内部は LF → 外に出すときに変換」という二段構え

次に、「LF に統一された文字列」を、任意の改行コードに変換するユーティリティを作ります。

public final class Newlines {

    private Newlines() {}

    public static String normalizeToLf(String text) {
        if (text == null) {
            return null;
        }
        String s = text.replace("\r\n", "\n");
        s = s.replace("\r", "\n");
        return s;
    }

    public static String toCrLf(String text) {
        String s = normalizeToLf(text);
        if (s == null) {
            return null;
        }
        return s.replace("\n", "\r\n");
    }

    public static String toLf(String text) {
        return normalizeToLf(text);
    }
}
Java

使い方はこうです。

String mixed = "A\r\nB\nC\rD";

System.out.println(Newlines.toLf(mixed));   // A\nB\nC\nD
System.out.println(Newlines.toCrLf(mixed)); // A\r\nB\r\nC\r\nD
Java

ここでのポイントは、「“まず normalizeToLf で内部表現にそろえてから、外向けの形式に変換する”という二段構え」です。

  • 入力：どんな改行コードでも受け入れる
  • 内部：LF に統一して扱う
  • 出力：相手の期待する改行コード（LF / CRLF）に変換して渡す

この流れをユーティリティとして固定しておくと、
「どこかだけ CRLF のまま残っていた」「一部だけ \r が混ざっていた」といった事故を防げます。

例題：行単位で処理したいときの「改行統一 → split」

改行統一をしてから split するのが安全

テキストを行単位で処理したいとき、
いきなり split("\n") してしまうと、Windows 形式の \r\n がうまく扱えません。

そこで、「改行統一 → split」という順番にします。

public final class Lines {

    private Lines() {}

    public static String[] splitLines(String text) {
        String normalized = Newlines.normalizeToLf(text);
        if (normalized == null || normalized.isEmpty()) {
            return new String[0];
        }
        return normalized.split("\n", -1); // 最後の空行も保持したい場合は -1
    }
}
Java

使い方はこうです。

String mixed = "A\r\nB\nC\r";

String[] lines = Lines.splitLines(mixed);
for (String line : lines) {
    System.out.println("[" + line + "]");
}
// [A]
// [B]
// [C]
// []
Java

ここで深掘りしたいポイントは、「改行統一をしてから split することで、“改行コードの違い”を意識せずに行処理ができるようになる」ことです。
Lines.splitLines を使う側は、「改行コードが何だったか」を気にせず、
単純に「行の配列」として扱えます。

例題：差分比較やハッシュ計算の前に改行統一する

「見た目は同じなのに“違う”と判定される問題」を防ぐ

テキストの差分比較やハッシュ計算（チェックサム）をするとき、
改行コードが違うだけで「別物」と判定されてしまうことがあります。

例えば、内容は同じだけど、片方は LF、もう片方は CRLF のファイル。
人間が見れば同じですが、バイト列としては違うので、
そのまま比較すると「全部違う」となってしまいます。

これを防ぐには、「比較前に改行統一する」という一手間が効きます。

public final class TextEquals {

    private TextEquals() {}

    public static boolean equalsIgnoringNewlines(String a, String b) {
        String na = Newlines.normalizeToLf(a);
        String nb = Newlines.normalizeToLf(b);
        if (na == null && nb == null) {
            return true;
        }
        if (na == null || nb == null) {
            return false;
        }
        return na.equals(nb);
    }
}
Java

使い方はこうです。

String s1 = "A\r\nB\r\nC\r\n";
String s2 = "A\nB\nC\n";

System.out.println(TextEquals.equalsIgnoringNewlines(s1, s2)); // true
Java

ここでのポイントは、「“改行コードの違いだけは無視して比較したい”という要件を、ユーティリティとして切り出している」ことです。
これを使えば、「内容は同じなのに改行コードの違いでテストが落ちる」といったストレスを減らせます。

例題：外部システムごとに改行コードを切り替える

「内部は LF、外部は相手に合わせる」実践編

例えば、こんな状況を考えます。

  • アプリ内部では LF に統一して扱いたい
  • Windows 系の外部システムに送るファイルは CRLF にしたい
  • Linux 上の別システムに送るファイルは LF のままでよい

この場合、出力前に「どの改行コードにするか」を切り替えるだけで対応できます。

public enum NewlineStyle {
    LF,
    CRLF
}

public final class NewlineConverter {

    private NewlineConverter() {}

    public static String convert(String text, NewlineStyle style) {
        switch (style) {
            case LF:
                return Newlines.toLf(text);
            case CRLF:
                return Newlines.toCrLf(text);
            default:
                throw new IllegalArgumentException("Unknown style: " + style);
        }
    }
}
Java

使い方はこうです。

String body = "A\r\nB\nC\r";

String forWindows = NewlineConverter.convert(body, NewlineStyle.CRLF);
String forLinux   = NewlineConverter.convert(body, NewlineStyle.LF);
Java

ここでのポイントは、「改行コードの違いを“列挙型の値”として扱い、分岐を一箇所に閉じ込めている」ことです。
呼び出し側は「Windows 用なら CRLF、Linux 用なら LF」と指定するだけでよく、
具体的な置換ロジックは Newlines と NewlineConverter に任せられます。

まとめ：改行統一ユーティリティで身につけたい感覚

改行統一は、「人間には同じに見えるけれど、機械にとっては違う“改行コードの揺れ”」を吸収するための、
業務システムではかなり重要なテクニックです。

押さえておきたい感覚は、まず「改行コードには複数種類があり、特に \r\n と \n を区別しないといけない」ということ。
次に、「normalizeToLf のような“内部表現を LF にそろえる”ユーティリティを用意し、その上で toCrLf など外向けの変換を重ねる」という二段構え。
そして、「行処理・差分比較・ハッシュ計算・外部連携など、“改行コードの違いでバグりやすいところ”の前後で、改行統一を一度通す」という設計です。

スポンサーリンク
タイトルとURLをコピーしました