Provided by: libunicode-japanese-perl_0.49-1build1_amd64 
NAME
Unicode::Japanese::JA - 日本語文字コード変換
概要
use Unicode::Japanese;
use Unicode::Japanese qw(unijp);
# convert utf8 -> sjis
print Unicode::Japanese->new($str)->sjis;
print unijp($str)->sjis; # same as above.
# convert sjis -> utf8
print Unicode::Japanese->new($str,'sjis')->get;
# convert sjis (imode_EMOJI) -> utf8
print Unicode::Japanese->new($str,'sjis-imode')->get;
# convert zenkaku (utf8) -> hankaku (utf8)
print Unicode::Japanese->new($str)->z2h->get;
説明
Unicode::Japanese は，日本語の文字コードの相互変換を行うモジュールです．
機能
• Unicode::Japanese のインスタンスは，UTF-8 で文字列を保持します．
• XS 使用/不使用を共にサポートしています． XS 版はパフォーマンスが必要な場合に， No-XS
版は手軽に使用したい場合に使用して下さい (Japanese.pm をコピーするだけで動作します)．
• 全角半角変換，カタカナひらがな変換をサポートしています．
• 携帯電話 (DoCoMo i-mode，KDDI AU, Softbank Mobile, ASTEL dot-i) の絵文字を Unicode
私用領域にマッピングすることで，DB 等で安全に扱うことができます．
• 異なる携帯電話同士で，同じイメージの絵文字は相互変換することが可能です．
• SJIS は， MS-CP932 とみなして Unicode とマッピングを行います．
• Unicode -> SJIS（及びEUC-JP/JIS） のマッピング時，SJIS で表現できない文字は &#dddd;
形式に変換します． ただしUnicode私用領域におかれている絵文字は '?'になります. また,
携帯電話向けの変換時には, すべての対応しない文字は'?'になります.
• Perl-5.8.0 以降において, utf8 フラグの設定処理を行います. utf-8 `バイト'列 の取得には
utf8() メソッドを, utf-8 `文字'列 の取得には getu() メソッドを使います.
get() メソッドは現時点では utf-8 `バイト'列 を返します
(将来的に変更される可能性もあります).
sjis(), jis(), utf8(), etc.. メソッドではバイト列を返します. new, set, getcode
メソッドの入力には, utf8-flaged/bytes を問いません.
動作に必要なもの
• perl 5.10.x, 5.8.x, etc. (5.004 以降).
• (なくてもOK) C コンパイラ. このモジュールは XS と Pure Perl 両方に対応しています. C
コンパイラがないときには, Unicode::Japanese は Pure Perl
モジュールとしてインストールされます.
• (なくてもOK) テスト用に Test.pm 及び Test::More.
実行時に必須なモジュールはありません.
メソッド
$s = Unicode::Japanese->new($str [, $icode [, $encode]])
新しい Unicode::Japanese インスタンスを指定します．
パラメータを指定すると，"set" メソッドに渡されます．
$s = unijp($str [, $icode [, $encode]])
Unicode::Janaese->new(...) と同義.
$s->set($str [, $icode [, $encode]])
$str: 文字列
$icode: 文字コード指定．省略可．省略時は 'utf8'
$encode: バイナリ符号化方式．省略可．
インスタンスに文字列をセットします． 文字コード指定を省略すると UTF-8 と見なされます．
利用可能な文字コード:
auto
utf8 ucs2 ucs4
utf16-be utf16-le utf16
utf32-be utf32-le utf32
sjis cp932 euc euc-jp jis
sjis-imode sjis-imode1 sjis-imode2
utf8-imode utf8-imode1 utf8-imode2
sjis-doti sjis-doti1
sjis-jsky sjis-jsky1 sjis-jsky2
jis-jsky jis-jsky1 jis-jsky2
utf8-jsky utf8-jsky1 utf8-jsky2
sjis-au sjis-au1 sjis-au2
jis-au jis-au1 jis-au2
sjis-icon-au sjis-icon-au1 sjis-icon-au2
euc-icon-au euc-icon-au1 euc-icon-au2
jis-icon-au jis-icon-au1 jis-icon-au2
utf8-icon-au utf8-icon-au1 utf8-icon-au2
ascii binary
( も参照.)
文字コードを自動判別する場合は，'auto' を指定しなくてはいけません． 'auto'
時の文字コード自動判別は，getcode() メソッドにより 行われます．
バイナリ符号化方式には，'base64' のみ指定可能です． base64 を指定した場合は，base64
デコードされてから Unicode::Japanese クラスの文字列となります．
渡された文字列を変更せずそのまま格納して欲しい場合には，文字コードとして 'binary'
を指定します．
sjis-imode，sjis-doti，の場合，文字列中の &#dddd; は 絵文字に変換されます．
文字コードは領域が重なっている場合があるため， 自動判別は確実ではありません．
sjis, utf8 の両方に解釈できる文字列の場合は，sjis， sjis-au，sjis-doti
の両方に解釈できる文字列の場合は，sjis-au， を返します．
$str = $s->get
$str: 文字列(UTF-8)
文字列を UTF-8 コードで取り出します．
現在は `バイト' 列 を返しますが, 将来的に変更される可能性もあります.
バイト列が必要なら utf8() メソッドを, 文字列が必要なら getu()
メソッドを使うことをオススメします.
$str = $s->getu
$str: 文字列(UTF-8)
文字列を UTF-8 コードで取り出します．
Perl-5.8.0 以降においては, utf-8 フラグのついた utf-8 文字列として 返します.
$code = $s->getcode($str)
$str: 文字列
$code: 文字コードを表す文字列
渡された文字列($str)の文字コードを自動判別します．
この関数では, 例外的に, インスタンスに保持されている
文字列のコードを判別するのではないことに注意してください．
文字コード自動判別時は，以下のアルゴリズムにより判定が行われます．
(PurePerl時)
1. UTF-32 の BOM があれば，utf32 と判定します．
2. UTF-16 の BOM があれば，utf16 と判定します．
3. UTF-32BE として正しい形式なら，utf32-be と判定します．
4. UTF-32LE として正しい形式なら，utf32-le と判定します．
5. ESC 文字 または 8 ビット目の立っている文字が含まれていなければ，ascii と判定しま
す。ESC を除いた ASCII 制御文字 (0x00-0x1F 及び 0x7F) は ascii の範囲内と見做しま
す。
6. JISエスケープシーケンスが含まれていれば，jis と判定します．
7. J-PHONE の絵文字が含まれていれば，sjis-jsky と判別します．
8. EUC-JP コードとして正しい形式なら，euc と判定します．
9. SJIS コードとして正しい形式なら，sjis と判定します．
10. SJIS コードと au の絵文字として正しい形式なら，sjis-au と判定します．
11. SJIS と i-mode の絵文字として正しい形式なら，sjis-imode と判別します．
12. SJIS と dot-i の絵文字として正しい形式なら，sjis-doti と判別します．
13. UTF-8 として正しい形式なら，utf8 と判定します．
14. いずれにも当てはまらない場合，unknown と判定します．
(XS時)
1. UTF-32 の BOM があれば，utf32 と判定します．
2. UTF-16 の BOM があれば，utf16 と判定します．
3. 以下のコードについて, 正しい文字コードであることを状態遷移を用いて調べます.
ascii / euc / sjis / jis / utf8 / utf32-be / utf32-le / sjis-jsky / sjis-imode /
sjis-au / sjis-doti
4. 最後まで正しかったものの中から, 以下の優先順で１つをえらんで, それと判定します.
utf32-be / utf32-le / ascii / jis / euc / sjis / sjis-jsky / sjis-imode / sjis-au
/ sjis-doti / utf8
5. いずれにも当てはまらない場合，unknown と判定します．
以上のアルゴリズムのため，以下の点に注意してください．
• UTF-8 文字列でも，SJISコードと見なされる可能性があります．
• UCS2 の自動判別はできません．
• UTF-16 は BOM がある場合のみ自動認識します．
• 携帯絵文字は，バイナリで直接絵文字がある場合のみ認識できます．
&#dddd; 形式で記述されている場合は，携帯絵文字の自動判別は行われません．
XSとPurePerlでは, 判別のアルゴリズムに違いがあるため,
異なる結果になる可能性があります. 特に, エスケープ文字を含んでいるsjisの場合,
PurePerlではsjisと認識しますが XSでは認識しません.
これはsjis-jskyと区別できなくなるためです. また, この 作用による誤認識を防ぐため,
euc-jpにおいても, 同様にエスケープ文字を受け付けなく なっています.
$code = $s->getcodelist($str)
$str: 文字列
$code: 文字コードを表す文字列
渡された文字列($str)の文字コードを自動判別します．
getcode とは違い, すべての受理可能な文字コードの 一覧を返します.
$str = $s->conv($ocode, $encode)
$ocode: 出力コード (以下から指定)
utf8 ucs2 ucs4 utf16
sjis cp932 euc euc-jp jis
sjis-imode sjis-imode1 sjis-imode2
utf8-imode utf8-imode1 utf8-imode2
sjis-doti sjis-doti1
sjis-jsky sjis-jsky1 sjis-jsky2
jis-jsky jis-jsky1 jis-jsky2
utf8-jsky utf8-jsky1 utf8-jsky2
sjis-au sjis-au1 sjis-au2
jis-au jis-au1 jis-au2
sjis-icon-au sjis-icon-au1 sjis-icon-au2
euc-icon-au euc-icon-au1 euc-icon-au2
jis-icon-au jis-icon-au1 jis-icon-au2
utf8-icon-au utf8-icon-au1 utf8-icon-au2
binary
( も参照.)
携帯向け文字コードのうち，末尾に数字がついているものは，数字が大きいほど
大きな絵文字セット（最新機種の絵文字セット）を表しています．
数字なしのものは，もっとも数字が大きい文字コードと同一です．
$encode: バイナリ符号化方式．省略可．
$str: 文字列
文字列を指定した文字コードに変換してから取り出します．
文字エンコードには，'base64' のみ指定可能です． base64 を指定した場合は，base64
エンコードされた 文字列が返されます．
perl-5.8.0 以降において, 出力は utf-8 フラグを持たないバイト列になります.
$s->tag2bin
文字列中に含まれる &#dddd; 形式の文字列を，それが表す文字自体に置き換えます．
$s->z2h
全角を半角に変換します．
$s->h2z
半角を全角に変換します．
$s->hira2kata
ひらがなをカタカナに変換します．
$s->kata2hira
カタカナをひらがなに変換します．
$str = $s->jis
$str: JIS エンコーディング形式のバイト列
文字列を JIS（ISO-2022-JP） コードで取り出します．
$str = $s->euc
$str: euc-jp エンコーディング形式のバイト列
文字列を EUC-JP コードで取り出します．
$str = $s->utf8
$str: utf-8 エンコーディング形式のバイト列
文字列を UTF-8 コードで取り出します．
perl-5.8.0 以降においても, バイト列を返します.
$str = $s->ucs2
$str: ucs2 エンコーディング形式のバイト列
文字列を UCS2 コードで取り出します．
$str = $s->ucs4
$str: ucs4 エンコーディング形式のバイト列
文字列を UCS4 コードで取り出します．
$str = $s->utf16
$str: ucs-16 エンコーディング形式のバイト列
文字列を UTF-16 コードで取り出します． BOMは付きません．
ビックエンディアン形式で返されます．
$str = $s->sjis
$str: sjis エンコーディング形式のバイト列
文字列を SJIS（MS-CP932） コードで取り出します．
$str = $s->sjis_imode
$str: sjis/imode絵文字 エンコーディング形式のバイト列
文字列を i-mode 端末向けの SJIS コードで取り出します． 最新のimode絵文字の別名です.
$str = $s->sjis_imode1
$str: sjis/imode 絵文字 エンコーディング形式のバイト列
文字列を i-mode 端末向けの SJIS コードで取り出します． 基本絵文字だけから成ります.
$str = $s->sjis_imode2
$str: sjis/imode 絵文字 エンコーディング形式のバイト列
文字列を i-mode 端末向けの SJIS コードで取り出します． 基本絵文字,
拡張絵文字を含みます.
$str = $s->sjis_doti
$str: sjis/dot-i 絵文字 エンコーディング形式のバイト列
文字列を dot-i 端末向けの SJIS コードで取り出します．
$str = $s->sjis_jsky
$str: sjis/j-sky 絵文字 エンコーディング形式のバイト列
文字列を j-sky 端末向けの SJIS コードで取り出します． 最新のj-sky絵文字(VERSION 0.15
では, jsky2)の別名です.
$str = $s->sjis_jsky1
$str: sjis/j-sky 絵文字 エンコーディング形式のバイト列
文字列を j-sky 端末向けの SJIS コードで取り出します． Page 1～3
のみの絵文字を含みます.
$str = $s->sjis_jsky
$str: sjis/j-sky 絵文字 エンコーディング形式のバイト列
文字列を j-sky 端末向けの SJIS コードで取り出します． Page 1～6 の絵文字を含みます.
$str = $s->sjis_icon_au
$str: sjis/AU iconタグ エンコーディング形式のバイト列
文字列を AU 端末向けの SJIS コードで取り出します．
$str_arrayref = $s->strcut($len)
$len: 分割する文字数(全角相当)
$str_arrayref: 文字列
$lenで指定された文字数(全角)以下の文字列の配列に分割します．
配列の各要素は, utf-8 フラグを持ったutf-8文字列です.
$len = $s->strlen
$len: 文字列の表示幅
UTF-8 文字に対して length() を使うと全角文字は１文字あたり長さ 3
になってしまいますが， このメソッドを使用すると，従来の SJIS
のように，全角文字は１文字あたり長さ 2 を返します．
$s->join_csv(@values);
@values: データ配列
配列を CSV 文字列に変換し，インスタンスに格納します．
文字列の最後には改行("\n")が追加されます．
@values = $s->split_csv;
@values: データ配列
インスタンスに格納されている文字列を CSV と見なし，配列に分割します．
文字列の最後にある改行("\n")は取り除かれてから分割されます．
入力が binary でなければ utf-8 文字列を返します. binary
だったときはバイト列を返します.
サポートされているエンコーディング
+---------------+----+-----+-------+
|encoding | in | out | guess |
+---------------+----+-----+-------+
|auto : OK : -- | ----- |
+---------------+----+-----+-------+
|utf8 : OK : OK | OK |
|ucs2 : OK : OK | ----- |
|ucs4 : OK : OK | ----- |
|utf16-be : OK : -- | ----- |
|utf16-le : OK : -- | ----- |
|utf16 : OK : OK | OK(#) |
|utf32-be : OK : -- | OK |
|utf32-le : OK : -- | OK |
|utf32 : OK : -- | OK(#) |
+---------------+----+-----+-------+
|sjis : OK : OK | OK |
|cp932 : OK : OK | ----- |
|euc : OK : OK | OK |
|euc-jp : OK : OK | ----- |
|jis : OK : OK | OK |
+---------------+----+-----+-------+
|sjis-imode : OK : OK | OK |
|sjis-imode1 : OK : OK | ----- |
|sjis-imode2 : OK : OK | ----- |
|utf8-imode : OK : OK | ----- |
|utf8-imode1 : OK : OK | ----- |
|utf8-imode2 : OK : OK | ----- |
+---------------+----+-----+-------+
|sjis-doti : OK : OK | OK |
|sjis-doti1 : OK : OK | ----- |
+---------------+----+-----+-------+
|sjis-jsky : OK : OK | OK |
|sjis-jsky1 : OK : OK | ----- |
|sjis-jsky2 : OK : OK | ----- |
|jis-jsky : OK : OK | ----- |
|jis-jsky1 : OK : OK | ----- |
|jis-jsky2 : OK : OK | ----- |
|utf8-jsky : OK : OK | ----- |
|utf8-jsky1 : OK : OK | ----- |
|utf8-jsky2 : OK : OK | ----- |
+---------------+----+-----+-------+
|sjis-au : OK : OK | OK |
|sjis-au1 : OK : OK | ----- |
|sjis-au2 : OK : OK | ----- |
|jis-au : OK : OK | ----- |
|jis-au1 : OK : OK | ----- |
|jis-au2 : OK : OK | ----- |
|sjis-icon-au : OK : OK | ----- |
|sjis-icon-au1 : OK : OK | ----- |
|sjis-icon-au2 : OK : OK | ----- |
|euc-icon-au : OK : OK | ----- |
|euc-icon-au1 : OK : OK | ----- |
|euc-icon-au2 : OK : OK | ----- |
|jis-icon-au : OK : OK | ----- |
|jis-icon-au1 : OK : OK | ----- |
|jis-icon-au2 : OK : OK | ----- |
|utf8-icon-au : OK : OK | ----- |
|utf8-icon-au1 : OK : OK | ----- |
|utf8-icon-au2 : OK : OK | ----- |
+---------------+----+-----+-------+
|ascii : OK : -- | OK |
|binary : OK : OK | ----- |
+---------------+----+-----+-------+
(#): guessed when it has bom.
自動認識優先順位
1. utf32 (#)
2. utf16 (#)
3. utf32-be
4. utf32-le
5. ascii
6. jis
7. sjis-jsky (pp)
8. euc
9. sjis
10. sjis-jsky (xs)
11. sjis-au
12. sjis-imode
13. sjis-doti
14. utf8
15. unknown
DESCRIPTION OF UNICODE MAPPING
Unicode とのマッピングは以下のように行われます．
Shift_JIS
MS-CP932 として Unicode へマッピングを行います．
マッピングテーブルは以下のURLのものを使用しています．
<ftp://ftp.unicode.org/Public/MAPPINGS/VENDORS/MICSFT/WINDOWS/CP932.TXT>
Unicode から SJIS へマッピングする場合に，表現できない文字があると， その文字は &#dddd;
形式に変換します． ただし，携帯絵文字は「?」に変換されます．
また，携帯向けの SJIS へ変換するときは，全ての表現できない文字は「?」に変換されます．
EUC-JP/ISO-2022-JP
一度SJISコードに変換してから，Unicode へマッピングします． このとき，SJIS
で表現できない文字が含まれていた場合， その文字は正しくマッピングできません．
DoCoMo i-mode
F800 - F9FF の領域のうち絵文字が存在する部分を，U+0FF800 - U+0FF9FF
の領域にマッピングします．
ASTEL dot-i
F000 - F4FF の領域のうち絵文字が存在する部分を，U+0FF000 - U+0FF4FF
の領域にマッピングします．
J-PHONE J-SKY
J-SKY の絵文字は，エスケープシーケンス "\e\$" の後に，絵文字1バイト目，
1つ以上の絵文字2バイト目，"\x0f"，と続きます．
1バイト目が同じ絵文字が続く場合は，2バイト目のみを連続して書くことで
圧縮することができます．
この1バイト目と2バイト目のペアを1文字と見なして，4500 - 47FF の領域を， U+0FFB00 -
U+0FFDFF の領域にマッピングします．
Unicode::Japanese では，Unicode から J-SKY 絵文字にマッピングするとき，
1バイト目が同一である絵文字が連続している場合は，圧縮処理を自動的に行います．
AU
絵文字が存在する部分を，U+0FF500 - U+0FF6FF の領域にマッピングします．
PurePerl mode
use Unicode::Japanese qw(PurePerl);
use 時の引数に 'PurePerl' を与えることで, XSを使わないことを明示的に宣言できます.
バグ
バグや要望は "bug-unicode-japanese at rt.cpan.org" 宛に 報告してください. 若しくは
<http://rt.cpan.org/NoAuth/ReportBug.html?Queue=Unicode-Japanese>. にある web
インターフェースからでもかまいません. そこから私に通知され,
そして私が変更を行うことで報告頂いたバグの進捗は 自動的にあなたに伝わります.
• EUC-JP，JIS コードは，SJIS に変換されてから UTF-8 へ変換されるため， SJIS
で表現できない文字列は正しく変換することはできません．
• XSを使用している場合，EUC-JP，SJIS(絵文字含む)コードの文字列中に \e
が含まれると，EUC-JP，SJIS コードの判定に失敗し，
正しく自動判別や変換を行うことが出来ません．
• Japanese.pm はファイル後半にバイナリを含むため，FTP の ASCII モードで
転送するとファイルが壊れます．
サポート
このモジュールのドキュメントは perldoc コマンドで見ることが出来ます.
perldoc Unicode::Japanese
また, 以下の場所でも見ることが出来ます:
• AnnoCPAN: Annotated CPAN documentation
<http://annocpan.org/dist/Unicode-Japanese>
• CPAN Ratings
<http://cpanratings.perl.org/d/Unicode-Japanese>
• RT: CPAN's request tracker
<http://rt.cpan.org/NoAuth/Bugs.html?Dist=Unicode-Japanese>
• Search CPAN
<http://search.cpan.org/dist/Unicode-Japanese>
CREDITS
Thanks very much to:
NAKAYAMA Nao
SUGIURA Tatsuki & Debian JP Project
著作権及びライセンス
Copyright 2001-2008 SANO Taku (SAWATARI Mikage) and YAMASHINA Hio, all rights reserved.
このプログラムはフリーソフトウェアです。あなたは Perl と同じ ライセンスの
元で再配布及び変更を行うことが出来ます.