Unique Email Addresses step1-3

uniqueEmailAddresses.md

@@ -0,0 +1,272 @@
+# Unique Email Address
+
+## Step1
+
+listのメールに指示された変換を加えてdictに追加して最後にdictの要素の個数を調べる。
+メールの文字列を前から舐めていって"."がきたら削除"+"が来たらそっから@までを削除、@が来たらその後をそのまま返す
+len(emails),len(emails[i])はどちらも100以下なので両方ループさせても大丈夫
+
+flagで判定する方法しか思いつかなかった。
+
+```python
+class Solution:
+    def numUniqueEmails(self, emails: List[str]) -> int:
+        processed_to_emails = {}
+        for email in emails:
+            processed = ""
+            at_flag = False
+            plus_flag = False
+            for character in email:
+                if character == "@":
+                    at_flag = True
+                if character == "+" and at_flag == False:
+                    plus_flag = True
+
+                if at_flag == False:
+                    if plus_flag == False:
+                        if character != ".":
+                            processed += character
+                else:
+                    processed += character
+
+            processed_to_emails[processed] = email
+        return len(processed_to_emails.keys())
+```
+
+## Step2
+
+<https://github.com/Hurukawa2121/leetcode/pull/14>
+
+- @の位置を探してそれより前をlocalそれより後をdomainとする
+- localから+の位置を探してそれより前だけを取得する
+- +より前から.を削除する
+- dictじゃなくてset
+	- 確かにdictのvalueは使ってないのでdictである意味はなかった
+
+- processedじゃなくてcanonicalizeとしてる。normalizeとかでもいいかも
+normalizeとcanonicalizeの違い
+normalizeは冗長性削減でcanonicalizeは比較可能化らしい
+><https://it.sifr.me/study/the-difference-between-normalize-and-canonicalize/>
+
+- pythonで書くと下のような感じ
+	- これだとplus_index = -1の時にうまくいかない
+
+```python
+class Solution:
+    def numUniqueEmails(self, emails: List[str]) -> int:
+        processed_emails = set()
+        for email in emails:
+            at_index = email.find("@")
+            local = email[:at_index]
+            domain = email[at_index:]
+
+            plus_index = local.find("+")
+            local_without_plus = local[:plus_index]
+            local_without_plus_and_dot = local_without_plus.replace(".","")
+
+            processed = local_without_plus_and_dot + domain
+            processed_emails.add(processed)
+        return len(processed_emails)
+```
+
+下のようにしたら動くが、無理やり感が強い。良い方法はないか。
+```python
+if plus_index >= 0:
+	local_without_plus = local[:plus_index]
+else:
+	local_without_plus = local
+```
+
+>実務だとemailを処理する部分に絞ってテストを書きたくなりそう
+
+テストコードとはなんだろう。名前は聞くが実態がわからない。
+unittestやdoctestというテスト用のモジュールもあるらしい
+<https://docs.python.org/ja/3/library/development.html>
+
+<https://github.com/katataku/leetcode/pull/13>
+
+- @をfindしてから分けるのではなく `email.split("@")`で十分
+>https://github.com/fhiyo/leetcode/pull/17/files#r1629640510
+>>`local_name = local_name.split("+")[0]`の方が読みやすい
+
+`split()[0]`ってなんだ？
+<https://docs.python.org/3/library/stdtypes.html#str.split>
+split()はリストを返すからそれの1番目の要素ってことか
+引数maxsplit：splitする回数を指定する。maxsplit=1なら２つ以下で分けられる
+splitする要素を指定しないと空白でsplitする
+
+```python
+class Solution:
+    def numUniqueEmails(self, emails: List[str]) -> int:
+        canonicalized_emails = set()
+        for email in emails:
+            local, domain = email.split("@", maxsplit = 1)
+
+            local_without_plus = local.split("+")[0]
+            local_without_plus_and_dot = local_without_plus.replace(".", "")
+
+            canonicalized = local_without_plus_and_dot + "@" +domain
+            canonicalized_emails.add(canonicalized)
+        return len(canonicalized_emails)
+```
+
+- 変数名
+canonicalized_emailsよりunique_emailsの方が良さそう
+local, domainはlocal_name, domain_name or partでも良い
+local_without _plus : local_no_plusとか
+- エラーハンドリング
+	- エラーが起こる例にはどのようなものがあるか
+		- @がないor複数
+		- 空文字列、@の前が空
+		- 文字列ではない
+
+<https://github.com/tarinaihitori/leetcode/pull/14/files/ee89bb0fd3407a8226d3bc0b05271830fedfb013#diff-d65d43698547a0f3cfcdb7f005de30ed4cd0c45ae015fd01094d6647cfa0a84a>
+
+>pythonは比較的再代入を厭わない傾向がある
+
+>他の解き方としてステートマシーンと正規表現がある
+
+ステートマシーンは自分が最初にやったやつ。他の人のをみてみる
+
+<https://github.com/hayashi-ay/leetcode/pull/25>
+
+- ステートマシーン部分を関数化している
+- 変数名
+	- at_flag -> is_domain
+	- plus_flag -> ignore_alias
+		- メールの+以降ってエイリアスって呼ぶんだ
+	- こっちの方が変数名から意味がわかって良い
+- ifを多段階にすると読みにくくなるのでcontinueを使った方が良い
+- なんでlistへappendして最後にstrにしてるんだろう
+	- strはimmutableなのでs += t は sを複製して新しい文字列を作成している。そのためlistで操作した方がメモリ効率が良い。
+	- <https://docs.python.org/3/library/stdtypes.html#str>
+
+```python
+class Solution:
+    def numUniqueEmails(self, emails: List[str]) -> int:
+        def canonicalize(email):
+            canonicalized = []
+            is_domain = False
+            ignore_alias = False
+            for c in email:
+                if is_domain:
+                    canonicalized.append(c)
+                    continue
+                if c == "@":
+                    canonicalized.append(c)
+                    is_domain = True
+                    continue
+                if ignore_alias:
+                    continue
+                if c == "+":
+                    ignore_alias = True
+                    continue
+                if c == ".":
+                    continue
+                canonicalized.append(c)
+            return "".join(canonicalized)
+
+        unique_emails = set()
+        for email in emails:
+            unique_emails.add(canonicalize(email))
+        return len(unique_emails)
+```
+
+
+正規表現はわからないのでやってみる
+
+- reの使い方
+<https://docs.python.org/ja/3/howto/regex.html#>
+- reのドキュメント
+<https://docs.python.org/ja/3/library/re.html#module-re>
+- 分割と置換
+https://docs.python.org/ja/3/howto/regex.html#splitting-strings
+
+```python
+import re
+
+
+class Solution:
+    def numUniqueEmails(self, emails: List[str]) -> int:
+        unique_emails = set()
+        at = re.compile(r"@")
+        plus = re.compile(r"\+")
+	    dot = re.compile(r"\.")
+        for email in emails:
+             local, domain = at.split(email, 1)
+             local_no_plus = plus.split(local)[0]
+             local_no_plus_and_dots = dot.sub("", local_no_plus)
+             canonical_email = local_no_plus_and_dots + "@" + domain
+             unique_emails.add(canonical_email)
+        return len(unique_emails)
+
+
+
+```
+
+正規表現を用いてるコード
+<https://github.com/colorbox/leetcode/pull/28>
+
+ - 正規表現のみを用いてやったコードをGPTに書いてもらった。
+
+```python
+import re
+
+
+class Solution:
+    def numUniqueEmails(self, emails: List[str]) -> int:
+        unique_emails = set()
+        pattern = re.compile(r"(^[^+@]+)(?:\+.*)?@(.+)")
+        for email in emails:
+            # 正規表現でローカル部分を処理し、ドメインを保持
+            match = pattern.match(email)
+            if match:
+                local, domain = match.groups()
+                # ローカル部分からピリオドを削除
+                local = local.replace(".", "")
+                canonical_email = f"{local}@{domain}"
+                unique_emails.add(canonical_email)
+        return len(unique_emails)
+```
+
+local + "@" + domainじゃなくて f"{local}@{domain}"の方がわかりやすいな
+f-stringについて
+<https://docs.python.org/3/reference/lexical_analysis.html#formatted-string-literals>
+
+
+正規表現`(^[^+@]+)(?:\+.*)?@(.+)`
+`()` : グループを示す
+`^` : 行の先頭を示す
+`[]` : 文字クラスを示す
+`^+@` : +と@以外にマッチすることを示す
+`(^[^+@]+)` : 行の先頭から+と@以外の１文字以上の連続する文字列を探してグループにする
+
+`(?:` : キャプチャしない（グループとして保存しない）ことを示す
+`\+` : +にマッチする
+`.*` : ０文字以上の文字列にマッチする
+`(?:\+.*)?` : +から始まる0文字以上の連続する文字列を探す。保存しない。
+
+`@(.+)`: ＠から始まる1文字以上の連続する文字列を探してグループに保存する。
+
+- Noneになる例
+@がない、ローカルがない、ドメインがない
+エイリアスは空白でもマッチする
+
+
+
+## Step3
+
+local = username+alias なので+より前の変数名をusernameにした
+local_no_plus_and_no_dotsが長すぎて気に入らなかったため
+
+```python
+class Solution:
+    def numUniqueEmails(self, emails: List[str]) -> int:
+        unique_emails = set()
+        for email in emails:
+            local, domain = email.split("@")
+            username = local.split("+")[0]
+            username_no_dots = username.replace(".", "")
+            unique_emails.add(f"{username_no_dots}@{domain}")
+        return len(unique_emails)
+```