漢字かどうかの判断
入力された文字を文字コードで判断して、漢字以外のものが入力されているか判断したいと思っています。
方法はサイトで調べて判ったのですが、漢字かどうかの判断が判りません。
第一水準、第二水準以外のものが入力されていたら、漢字でないと判断して良いのでしょうか？
（一部記号が入ると思いますが、それは別で考慮しようと思います）
以上、よろしくお願いします。
> 第一水準、第二水準
って何ですか。
ここはVB.NETの掲示板ですから，当然文字集合はUnicodeですよね。
# VB.NETがISO/IEC 101646-1を文字集合にしていたらごめんなさい。
漢字であるかは，正規表現
\p{IsCJKUnifiedIdeographs}|\p{IsCJKUnifiedIdeographsExtensionA}|\p{IsCJKCompatibilityIdeographs}
でほぼ調べられます。
この正規表現では，
CJK Unified Ideographs : http://www.unicode.org/charts/PDF/U4E00.pdf
CJK Unified Ideographs Extension A : http://www.unicode.org/charts/PDF/U3400.pdf
CJK Compatibility Ideographs : http://www.unicode.org/charts/PDF/UF900.pdf
が対象範囲になります。
CJK Unified Ideographs Extension B : http://www.unicode.org/charts/PDF/U20000.pdf
CJK Compatibility Ideographs Supplement : http://www.unicode.org/charts/PDF/U2F800.pdf
は対象になりません。
> 漢字かどうかの判断が判りません。
そもそも何故、漢字かどうかの判断が必要なのでしょうか?
それによって、記述すべき判断基準も異なってくるかと思います。
とくに、それらの文字データがどのように渡されるのかが争点になります。
String 型として渡されるのであれば、それらは Unicode にて処理されるため、
Shift_JIS の重複文字などは判断できないでしょう。
http://support.microsoft.com/kb/170559/ja
String ではなく、バイナリとしての入力(Byte配列やStream等)であるならば、
それらの文字コードが明らかにされねばなりません。
それから、漢字の部首を表す文字や、記号(特に、漢字を含むもの)はどうしますか?
TextBox1.Font = New Font("ＭＳ ゴシック", 18)
TextBox1.Text = ChrW(&H337F) & ChrW(&H336F) & ChrW(&H32AC) & ChrW(&H3240) & ChrW(&H3228) & ChrW(&H6C35)
その他、平仮名/片仮名/ハングル等はどうするのか。また、漢字ではあっても、
日本以外の文字(中国、香港、台湾、韓国、ベトナム)をどうするのかといった点も
詰めておかなければならないでしょうね。
で、とりあえずは Unicode と仮定して…。
Unicode のコードポイントを調べて、それが“CJK 統合漢字”の範囲
すなわち U+4E00〜U+9FFF のブロックにあれば、漢字と見做してよいでしょう。
日中韓の殆どの漢字は、この領域にあるハズです。
なお、調べる文字がサロゲートペアで無ければ、
Dim S As String = AscW(文字).ToString("X4")
にて、4桁の16進数を得ることができます。
その他、該当しそうな範囲を下記などから探してみてください。
http://www.asahi-net.or.jp/~AX2S-KMTN/ref/unicode/e_asia.html
# ついでにネタとして、[漢字っぽくない文字]の例。
# 普段利用可能な文字では無いですし、今回の話とは関係無いですけれども。
# http://www.sf.airnet.ne.jp/~ts/language/coelacanth.html
『漢字以外のもの』を網羅するのが一番近道なきがします。
ああ、すいません、日本語以外もはいるんですね^^;
上のアホな書き込みは忘れてください。。。
| ツイート |  |