名前

Jcode - 日本語文字集合ハンドラ


概要

 use Jcode;
 # 
 # 古式ゆかしく
 Jcode::convert($str, $ocode, $icode, "z");
 # もしくはオブジェクト指向で!
 print Jcode->new($str)->h2z->tr($from, $to)->utf8;


説明

Jcode.pmはオブジェクト的なアプローチと従来からのアプローチの両方を サポートしています。オブジェクト的なアプローチを使えばこんな感じで;

  $iso_2022_jp = Jcode->new($str)->h2z->jis;

こちらよりエレガントでしょう:

  $iso_2022_jp = $str;
  &jcode::convert(\$iso_2022_jp, 'jis', &jcode::getcode(\$str), "z");

オブジェクトに馴染みの無い人のために、Jcode.pmはまだgetcode()convert()をサポートしています。

Perlのバージョンが5.8.1以上なら、Jcodeは、Perl 5.8以降の標準的な文字集合 ハンドラモジュールであるEncodeのラッパーとして振る舞います。


メソッド

特に言及しない限り、ここで挙げるメソッドは全てJcodeオブジェクトを返します。

コンストラクタ

$j = Jcode->new($str [, $icode])
$strからJcodeオブジェクト$jを生成します。明示的に$icodeをセットしなければ、 入力コードは自動的に判定されます。利用可能な文字集合については、下の getcodeを参照してください。

Perl 5.8.1以降では、$icodeにはEncodeが理解できる どんなエンコーディング名も使えます。

  $j = Jcode->new($european, 'iso-latin1');

オブジェクトを文字列化すると、EUCに変換された文字列が返ります。ですから print $j->eucとする代わりに、print $jとできます。

リファレンス渡し
スカラー値の代わりに、以下のようにリファレンスを渡せます。
 Jcode->new(\$str);

これはほんの少し時間を節約します。その代償として、$strの値そのものが 変換されます(ある意味、$strはjcodeオブジェクトに``tieされる''のです)。

$j->set($str [, $icode])
$jの内部文字列に$strをセットします。繰り返しJcodeオブジェクトを使うときに 便利です(オブジェクトを生成する時間とメモリの節約になります)。
 # mailboxをSJIS形式に変換
 my $jconv = new Jcode;
 $/ = 00;
 while(<>){
     print $jconv->set(\$_)->mime_decode->sjis;
 }

$j->append($str [, $icode]);
$jの内部文字列に$strを加えます。

$j = jcode($str [, $icode]);
Jcode->new() の短縮形。以下のようにできます;
 $sjis = jcode($str)->sjis;

文字列のエンコード

一般に、$j->encodedとすることでencodedに変換された文字列を得ます。

$sjis = $j->sjis
$euc = $j->euc
$jis = $j->jis
$sjis = $j->sjis
$ucs2 = $j->ucs2
$utf8 = $j->utf8
自明でしょう。 WYCIWYG = What you code is what you get :)

$iso_2022_jp = $j->iso_2022_jp
$j->h2z->jisと同じです。 半角カナは強制的に全角に変換されます。

Perl 5.8.1以降では、Encodeがサポートするどんなエンコーディング名と エイリアスでも利用できます。例えば:

  $european = $j->iso_latin1; # メソッド名用に'-'は'_'に置き換えます

参考the Encode::Encoder manpageがこれと同じ小技を使っています。

$j->fallback($fallback)
Perl 5.8.1以降では、Jcodeは内部の文字列をUTF-8で保持します。 ->encoding >にマップできない文字は'?'に置き換えられますが、 これはEncodeでの標準動作です。
  my $unistr = "\x{262f}"; # 陰陽マーク
  my $j = jcode($unistr);  # $j->euc の結果は '?' に

この振る舞いは、Encode同様、フォールバックを指定することで変更できます。 値はEncodeのものと一緒です。便宜のため、Jcode::FB_PERLQQJcode::FB_XMLCREFJcode::FB_HTMLCREFEncodeのそれらへの エイリアスになっています。

  print $j->fallback(Jcode::FB_PERLQQ)->euc;   # '\x{262f}'
  print $j->fallback(Jcode::FB_XMLCREF)->euc;  # '&#x262f;'
  print $j->fallback(Jcode::FB_HTMLCREF)->euc; # '&#9775;'

グローバル変数$Jcode::FALLBACKにデフォルトのフォールバックが保持 されていますので、この値を代入することでオーバーライドできます。

  $Jcode::FALLBACK = Jcode::FB_PERLQQ; # デフォルトのフォールバックスキーマを設定

[@lines =] $jcode->jfold([$width, $newline_str, $kref])
$width(デフォルト:72)毎にjcode文字列内の行を折り返します。 $widthは”半角”文字の数です。全角文字は2文字としてカウントします。

$newline_str(デフォルトは``\n'')で指定された改行文字が加わります。 折り返された全行をリストで返します。

Perl 5.8.1以降は3番目の引数$krefにEUCの文字列の配列リファレンスを 渡すことで、簡易的な行頭禁則処理(ぶら下がり)を行えます。

$length = $jcode->jlength();
バイト長ではなく、全角文字も一文字として数えた場合の文字数を返します。

MIME::Base64を使うメソッド

下記のメソッドを使うには、the MIME::Base64 manpageが必要です。インストールは単純に

   perl -MCPAN -e 'CPAN::Shell->install("MIME::Base64")'

とします。お使いのPerlが5.6以降であるなら、the MIME::Base64 manpageは バンドルされているので、インストールの必要はありません。

$mime_header = $j->mime_encode([$lf, $bpl])
$strをRFC1522にあるMIME-Headerに変換します。$lfを指定すると、 行の折り返しに$lfが使われます(デフォルト:\n)。 $bplを指定すると、折り返すバイト数に$bplが使われます(デフォルト:76; この数値は76以下でなければなりません)。

Perl 5.8.1以降では、以下のようにしてもMIME Headerエンコードができます:

  $mime_header = $j->MIME_Header;

この場合$mime_headerの戻り値はMIME-B-encoded UTF-8になります。 一方、$j->mime_encode()はMIME-B-encoded ISO-2022-JPを返します。 最近のほとんどのメーラーはどちらもサポートしています。

$j->mime_decode;
Jcodeオブジェクトの内部文字列をMIME-Headerデコードします。Perl 5.8.1 以降なら、以下のようにして同じことができます:
  Jcode->new($str, 'MIME-Header');

こちらの場合、ISO-2022-JPだけではなくUTF-8などにも対応しており、 さらにMIME B EncodingのみならずMIME Q Encodingにも対応している ので、Perl 5.8.1以降であればこちらを使うべきでしょう。

半角 ←→ 全角

$j->h2z([$keep_dakuten])
X201カナ(半角)をX208カナ(全角)に変換します。 $keep_dakutenに真値をセットすると、濁点をそのままにします (これはつまり、「カ+゛」は「ガ」に変換されずにそのまま になるということです)

$j->nmatchを通じてマッチした数を取得できます。

$j->z2h
X208カナ(全角)をX201カナ(半角)に変換します。

$j->nmatchを通じてマッチした数を取得できます。

正規表現エミュレータ

->m()->s()を使うには、Perl 5.8.1以降が 必要です。

$j->tr($from, $to, $opt);
Jcodeオブジェクトにtr/$from/$to/を適用します。$fromと$toは EUC-JPの文字列です。Perl 5.8.1以降では、flag付きのUTF-8文字列 も受け付けます。

$optをセットすると、tr/$from/$to/$optが適用されます。$optは 'c'、'd'あるいはそれらの組み合わせでなければなりません。

$j->nmatchを通じてマッチした数を取得できます。

Perl 5.8.1以降では、trの形式に誤りのあった場合に->error_trを通じて、 $@を取得できます。

以下のメソッドはPerl 5.8.1以降でのみ利用可能です。

$j->s($patter, $replace, $opt);
個々にs/$pattern/$replace/$optを適用します。$optは正規表現オプションと 同じです。正規表現のオプションについてはperlreを参照ください。

$j->tr()$j->s()はそのオブジェクト自身を返すので、 以下のように操作を連結できます。

  $j->tr("A-Z", "a-z")->s("foo", "bar");

[@match = ] $j->m($pattern, $opt);
m/$patter/$optを適用します。このメソッドは”オブジェクトを返さない” ので、$j->s()のようにメソッドを連結できないことに注意してください。

正規表現の形式に誤りのあった場合、->error_m、->error_sを通じて $@を取得できます。

インスタンス変数

もしJcodeオブジェクトのインスタンス変数にアクセスしたいなら、直接それら にアクセスするのではなく、アクセスメソッドを利用しましょう(これぞOOP です)。

参考までに、Jcodeは(一般的な方法である)ハッシュリファレンスの代わりに、 配列リファレンスを使うことで、スピードを最適化しています(実際のところ、 アクセスメソッドを使う限りこのことを知る必要はありません; もう一度 いいますが、これはOOPなのです)。

Perl 5.8.1以降では、ハッシュリファレンスを使うように変更されました。 これにより、Jcodeの拡張はものすごく簡単になります。

$j->r_str
EUC文字列へのリファレンス。

Perl 5.8.1以降ではUTF-8フラグの立ったUTF-8文字列へのリファレンスです。

$j->icode
直近の操作における入力文字コード。

$j->nmatch
マッチした数($j->tr等を使ったとき)。


サブルーチン

($code, [$nmatch]) = getcode($str)
$strの文字コードを返します。返るコードは以下の通りです。
 ascii   Ascii (日本語コードを含まない)
 binary  Binary (テキストファイルではない)
 euc     EUC-JP
 sjis    SHIFT_JIS
 jis     JIS (ISO-2022-JP)
 ucs2    UCS2 (Raw Unicode)
 utf8    UTF8

スカラーコンテキストの代わりに配列コンテキストを使うと、何文字分の コードが見つかったのかも返します。上の方で述べたように、$strは\$str でも構いません。

jcode.pl 利用者の方へ: この関数はjcode::getcode()と100%上位互換が あります。――まあ、ほぼ100%;

 * 戻り値が配列のとき、その順番は逆となります;
   jcode::getcode()は$nmatchを最初に返します。
 * jcode::getcode()は、EUC文字とSJIS文字の数が等しいとき、'undef'を
   返します。 Jcode::getcode()はEUCを返します。これはJcode.pmには
   中間がないためです。

Jcode::convert($str, [$ocode, $icode, $opt])
$strを$ocodeで指定した文字コードに変換します。$icodeも指定すると、 入力文字列をgetcode()でチェックする代わりに、$icodeと仮定します。 上の方で述べたように、$strは\$strでも構いません。

jcode.pl 利用者の方へ: この関数はjcode::convert()と100%上位互換が あります!


バグ

Perlが5.8.1以降の場合、JcodeはEncodeのラッパーとして振る舞います。 つまり、JcodeはEncode内のバグの影響を受けます。


謝辞

このパッケージは、動機、デザインそしてコードの多くの点で、 歌代 和正 <utashiro@iij.ad.jp>氏のPerl4ライブラリjcode.plに負っています。

大崎 博基 <ohzaki@iod.ricoh.co.jp>氏は、開発の非常に初期の段階から 正規表現を磨きあげる手助けをしてくれました。

makamaka@donzoko.net の JEncode には、JcodeとEncodeをどう融合させれば いいか大変大きな啓示を受けました。また、本日本語マニュアルも寄贈して いただきました。

そしてJcode ML <jcode5@ring.gr.jp>の皆さん。この方達なしには、 ここまで完成しなかったことでしょう。


参考

Encode

http://www.iana.org/assignments/character-sets


著作権

Copyright 1999-2005 Dan Kogai <dankogai@dan.co.jp>

This library is free software; you can redistribute it and/or modify it under the same terms as Perl itself.