日本語の文字種判定、文字種変換(半角→全角、ひらがな→カタカナなど)を行います。
以下のコマンドを実行してください。
$ sudo gem install moji
どの文字コードの文字列を渡しても大丈夫ですが、 String#encoding が正しく設定されている 必要があります。正規表現を返す関数( Moji.kata など)は Encoding.default_internal (設定されてない場合はUTF-8)用の正規表現を返します。その他のエンコーディング用の正規表現は Moji.kata(Encoding::SJIS) などで取得できます。
require "moji"
#文字種判定。
p Moji.type("漢") # => Moji::ZEN_KANJI
p Moji.type?("Ａ", Moji::ZEN) # => true
#文字種変換。
p Moji.zen_to_han("Ｒｕｂｙ") # => "Ruby"
p Moji.upcase("Ｒｕｂｙ") # => "ＲＵＢＹ"
p Moji.kata_to_hira("ルビー") # => "るびー"
#文字種による正規表現。
p /#{Moji.kata}+#{Moji.hira}+/ =~ "ぼくドラえもん" # => 6
p Regexp.last_match.to_s # => "ドラえもん"以下の定数は、文字種の一番細かい分類です。 (({Moji.type})) が返すのは、以下の定数のうちの1つです。
--- HAN_CONTROL 制御文字。 --- HAN_ASYMBOL ASCIIに含まれる半角記号。 --- HAN_JSYMBOL JISに含まれるがASCIIには含まれない半角記号。 --- HAN_NUMBER 半角数字。 --- HAN_UPPER 半角アルファベット大文字。 --- HAN_LOWER 半角アルファベット小文字。 --- HAN_KATA 半角カタカナ。 --- ZEN_ASYMBOL JISの全角記号のうち、ASCIIに対応する半角記号があるもの。 --- ZEN_JSYMBOL JISの全角記号のうち、ASCIIに対応する半角記号がないもの。 --- ZEN_NUMBER 全角数字。 --- ZEN_UPPER 全角アルファベット大文字。 --- ZEN_LOWER 全角アルファベット小文字。 --- ZEN_HIRA ひらがな。 --- ZEN_KATA 全角カタカナ。 --- ZEN_KANJI 漢字。
以下の定数は、上の文字種の組み合わせと別名です。
--- HAN_SYMBOL JISに含まれる半角記号。(({HAN_ASYMBOL | HAN_JSYMBOL})) --- HAN_ALPHA 半角アルファベット。(({HAN_UPPER | HAN_LOWER})) --- HAN_ALNUM 半角英数字。(({HAN_ALPHA | HAN_NUMBER})) --- HAN 全ての半角文字。(({HAN_CONTROL | HAN_SYMBOL | HAN_ALNUM | HAN_KATA})) --- ZEN_SYMBOL JISに含まれる全角記号。(({ZEN_ASYMBOL | ZEN_JSYMBOL})) --- ZEN_ALPHA 全角アルファベット。(({ZEN_UPPER | ZEN_LOWER})) --- ZEN_ALNUM 全角英数字。(({ZEN_ALPHA | ZEN_NUMBER})) --- ZEN_KANA 全角かな/カナ。(({ZEN_KATA | ZEN_HIRA})) --- ZEN JISに含まれる全ての全角文字。(({ZEN_SYMBOL | ZEN_ALNUM | ZEN_KANA | ZEN_KANJI})) --- ASYMBOL ASCIIに含まれる半角記号とその全角版。(({HAN_ASYMBOL | ZEN_ASYMBOL})) --- JSYMBOL JISに含まれるが (({ASYMBOL})) には含まれない全角/半角記号。(({HAN_JSYMBOL | ZEN_JSYMBOL})) --- SYMBOL JISに含まれる全ての全角/半角記号。(({HAN_SYMBOL | ZEN_SYMBOL})) --- NUMBER 全角/半角数字。(({HAN_NUMBER | ZEN_NUMBER})) --- UPPER 全角/半角アルファベット大文字。(({HAN_UPPER | ZEN_UPPER})) --- LOWER 全角/半角アルファベット小文字。(({HAN_LOWER | ZEN_LOWER})) --- ALPHA 全角/半角アルファベット。(({HAN_ALPHA | ZEN_ALPHA})) --- ALNUM 全角/半角英数字。(({HAN_ALNUM | ZEN_ALNUM})) --- HIRA (({ZEN_HIRA})) の別名。 --- KATA 全角/半角カタカナ。(({HAN_KATA | ZEN_KATA})) --- KANA 全角/半角 かな/カナ。(({KATA | ZEN_HIRA})) --- KANJI (({ZEN_KANJI})) の別名。 --- ALL 上記全ての文字。
--- Moji.type(ch)
文字 ((|ch|)) の文字種を返します。
「一番細かい分類」の((<定数|定数:>))のうち1つを返します。
上の分類に当てはまらない文字(Unicodeのハングルなど)に対しては (({nil})) を返します。
また、UnicodeのB面以降の文字に対しても (({nil})) を返します。
文字が割り当てられていない文字コードに対する結果は不定です( (({nil})) を返す事もあります)。
p Moji.type("漢") # => Moji::ZEN_KANJI
--- Moji.type?(ch, type)
文字 ((|ch|)) が文字種 ((|type|)) に含まれれば、 (({true})) を返します。
((|type|)) には全ての((<定数|定数:>))と、それらを (({|}))
で結んだものを使えます。
p Moji.type?("Ａ", Moji::ZEN) # => true
--- Moji.regexp(type[, encoding])
文字種 ((|type|)) の1文字を表す正規表現を返します。
((|type|)) には全ての((<定数|定数:>))と、それらを (({|}))
で結んだものを使えます。
Ruby 1.9では ((|encoding|)) に Encoding オブジェクトを渡すと、指定のエンコーディング用の
正規表現を返します。
省略すると Encoding.default_internal (指定されてない場合は Encoding::UTF_8 )とみなします。
p Moji.regexp(Moji::HIRA) # => /[ぁ-ん]/
--- Moji.zen_to_han(str[, type])
文字列 ((|str|)) の全角を半角に変換して返します。
((|type|)) には、変換対象とする文字種を((<定数|定数:>))で指定します。
デフォルトは (({ALL})) (全て)です。
p Moji.zen_to_han("Ｒｕｂｙ！？") # => "Ruby!?"
p Moji.zen_to_han("Ｒｕｂｙ！？", Moji::ALPHA) # => "Ruby！？"
--- Moji.han_to_zen(str[, type])
文字列 ((|str|)) の半角を全角に変換して返します。
((|type|)) には、変換対象とする文字種を((<定数|定数:>))で指定します。
デフォルトは (({ALL})) (全て)です。
p Moji.han_to_zen("Ruby!?") # => "Ｒｕｂｙ！？"
p Moji.han_to_zen("Ruby!?", Moji::SYMBOL) # => "Ruby！？"
--- Moji.normalize_zen_han(str)
文字列 ((|str|)) の大文字、小文字を一般的なものに統一します。
具体的には、ASCIIに含まれる記号と英数字( (({ALNUM|ASYMBOL}))
)を半角に、それ以外の記号とカタカナ( (({JSYMBOL|HAN_KATA})) )を全角に変換します。
--- Moji.upcase(str[, type])
文字列 ((|str|)) の小文字を大文字に変換して返します。
((|type|)) には、変換対象とする文字種を((<定数|定数:>))で指定します。
デフォルトは (({LOWER})) (全角/半角のアルファベット)です。
ギリシャ文字、キリル文字には対応していません。
p Moji.upcase("Ｒｕｂｙ") # => "ＲＵＢＹ"
--- Moji.downcase(str[, type])
文字列 ((|str|)) の小文字を大文字に変換して返します。
((|type|)) には、変換対象とする文字種を((<定数|定数:>))で指定します。
デフォルトは (({UPPER})) (全角/半角のアルファベット)です。
ギリシャ文字、キリル文字には対応していません。
p Moji.downcase("Ｒｕｂｙ") # => "ｒｕｂｙ"
--- Moji.kata_to_hira(str)
文字列 ((|str|)) の全角カタカナをひらがなに変換して返します。
半角カタカナは直接変換できません。 (({han_to_zen})) で全角にしてから変換してください。
p Moji.kata_to_hira("ルビー") # => "るびー"
--- Moji.hira_to_kata(str)
文字列 ((|str|)) のひらがなを全角カタカナに変換して返します。
p Moji.hira_to_kata("るびー") # => "ルビー"
--- Moji.han_control([encoding]) --- Moji.han_asymbol([encoding]) --- ... --- Moji.kana([encoding]) --- ...
((<定数|定数:>))それぞれに対応するメソッドが有り、
それぞれの文字種の1文字を表す正規表現を返します。
例えば、 (({Moji.kana})) は (({Moji.regexp(Moji::KANA)})) と同じです。
Ruby 1.9では ((|encoding|)) に Encoding オブジェクトを渡すと、指定のエンコーディング用の
正規表現を返します。
省略すると Encoding.default_internal (指定されてない場合は Encoding::UTF_8 )とみなします。
以下の例のように、文字クラスっぽく使えます。
p /#{Moji.kata}+#{Moji.hira}+/ =~ "ぼくドラえもん" # => 6
p Regexp.last_match.to_s # => "ドラえもん"
Ruby 1.9.2にて動作確認しました。
Gimite 市川
Public Domainです。煮るなり焼くなりご自由に。
((URL:https://github.com/gimite/moji))