The Perl Toolchain Summit needs more sponsors. If your company depends on Perl, please support this very important event.

名前

Lingua::JA::Moji - 総合日本文字変換「文字ュール」

概要

日本の文字の総合変換

    use Lingua::JA::Moji qw/kana2romaji romaji2kana/;
    use utf8;
    my $romaji = kana2romaji ('あいうえお');
    # $romaji is now 'aiueo'.
    my $kana = romaji2kana ($romaji);
    # $kana is now 'アイウエオ'.

VERSION

This document describes Lingua::JA::Moji version 0.53 corresponding to git commit 4d331013d110c3c316c352bd2409a6b609e6e214 made on Wed Oct 3 15:41:13 2018 +0900.

説明

本モジュールはあらゆる日本の文字変換を目的とします。

全ての関数はユニコードを必要とします。全ての入出力はutf-8でします。

ローマ字変換

かな ⇄ ローマ字

kana2romaji

仮名をローマ字に.

    use Lingua::JA::Moji 'kana2romaji';

    $romaji = kana2romaji ("うれしいこども");
    # $romaji = 'uresîkodomo'

仮名をローマ字に変換。

オプションは関数の2番目の引数でハシュリファレンスとして入ります。

    use utf8;
    $romaji = kana2romaji ("しんぶん", {style => "hepburn"});
    # $romaji = "shimbun"

可能なオプションは

style

ローマ字の種類。

undef

ディフォルトは日本式(「つづり」が「tuduri」, 「少女」が「syôzyo」)。

passport

パスポート式(「いとう」が「itoh」になります。)

kunrei

訓令式(小学校4年生が習うローマ字法)

hepburn

ヘボン式(「つづり」が「tsuzuri」, 「少女」が「shōjo」)。 これを選べば、下記のuse_mが真になり、ve_typeがmacronになります。

common

「ジェット」が「jetto」になります。「ウェ」が「we」になります。つまり普通のローマ字です。

use_m

真なら「しんぶん」が「shimbun」、「ぐんま」が「gumma」 偽なら「しんぶん」が「shinbun」、「ぐんま」が「gunma」

ve_type

長い母音はどの様に表現するか選ぶために使います。

undef

曲折アクセント(ô)を使います。

macron

マクロン(ō)を使います。

passport

「アー」、「イー」、「ウー」、「エー」が「a」, 「i」, 「u」, 「e」になり、「オー」が「oh」になります。

none

「アー」、「イー」、「ウー」、「エー」が「a」, 「i」, 「u」, 「e」, 「o」になります。

wapuro

「アー」、「イー」、「ウー」、「エー」が「a-」, 「i-」, 「u-」, 「e-」, 「o-」になります。「おう」が「ou」など、仮名の長音を仮名で代表するよう、ロー マ字入力のようなことです。

wapuro

ワープロローマ字。長音符を使いません。「少女」が「shoujo」など、ASCIIのみの記号で表記するローマ字です。

wo
     kana2romaji ("ちりぬるを", { wo => 1 });

"wo"が真なら、「を」が"wo"になります。そうでもない場合は"o"になります。

romaji2kana

ローマ字を仮名に.

    use Lingua::JA::Moji 'romaji2kana';

    $kana = romaji2kana ('yamaguti');
    # $kana = 'ヤマグチ'

ローマ字をカタカナに変換します。ローマ字はできるだけ幅広く受け入れる。 ローマ字をひらがなに変換したいときは"romaji2hiragana"をお使いください。

ローマ字変換のオプションは関数の2番目の引数でハシュリファレンスとして入る。

     $kana = romaji2kana ($romaji, {wapuro => 1});

長音「ou」を「オー」ではなく、「オウ」にしたいときはwapuroを真にします wapuro => 1

     $kana = romaji2kana ($romaji, {ime => 1});

ime => 1オプションでIMEのような変換ができます。たとえば、"gumma"が「グッマ」、"onnna"が「オンナ」となります。パスポートローマ字 ("Ohshimizu") は無効となります。

romaji2hiragana

ローマ字をひらがなに.

    use Lingua::JA::Moji 'romaji2hiragana';

    $hiragana = romaji2hiragana ('babubo');
    # $hiragana = 'ばぶぼ'

ローマ字をひらがなに変関します。オプションは"romaji2kana"と同じ。wapuroオプション もオンにしたら、「ou」が「おー」ではなく、「おう」になります。

romaji_styles

    use Lingua::JA::Moji 'romaji_styles';

    my @styles = romaji_styles ();
    # Returns a true value
    romaji_styles ("hepburn");
    # Returns the undefined value
    romaji_styles ("frogs");

引数があれば、その引数をローマ字方法として認めるなら真、認めないなら偽です。

引数がなければ、すべてのローマ字方法をハシュリファレンスの列として戻します。

romaji_vowel_styles

    use Lingua::JA::Moji 'romaji_vowel_styles';

有効な母音スタイルのリスト・レファレンス

is_voiced

    use Lingua::JA::Moji 'is_voiced';

    if (is_voiced ('が')) {
         print "が is voiced.\n";
    }

仮名かローマ字は濁音(゛)、半濁音(゜)がついていれば、真、ついていなければ偽(undef)。

is_romaji

    use Lingua::JA::Moji 'is_romaji';

    # The following line returns "undef"
    is_romaji ("abcdefg");
    # The following line returns a defined value
    is_romaji ('loyehye');
    # The following line returns a defined value
    is_romaji ("atarimae");

アルファベットの列はローマ字に見えるなら真、見えないなら偽を戻します。 厳密に確認したい時は"is_romaji_strict"をお勧めします。「-」で初まる文字列の場合は戻し値が偽(undef)となります。

真の戻し値はローマ字のワープロ変換。

is_romaji_strict

    use Lingua::JA::Moji 'is_romaji_strict';

    # The following line returns "undef"
    is_romaji_strict ("abcdefg");
    # The following line returns "undef"
    is_romaji_strict ('loyehye');
    # The following line returns a defined value
    is_romaji_strict ("atarimae");

アルファベットの列はローマ字に見えるなら真、見えないなら偽。 "is_romaji"より厳しく、コンピューター入力に見えるかどうかではなく、 「日本語になる」かどうか確認します。

真の値はローマ字のワープロ変換です。

is_romaji_semistrict

    use Lingua::JA::Moji 'is_romaji_semistrict';

    # The following line returns "undef"
    is_romaji_semistrict ("abcdefg");
    # The following line returns "undef"
    is_romaji_semistrict ('loyehye');
    # The following line returns a defined value
    is_romaji_semistrict ("atarimae");
    # The following line returns a defined value
    is_romaji_semistrict ("pinku no dorufin");

"is_romaji_strict""is_romaji"の間にローマ字ですが厳密に日本語ではない言葉もあります。例えば、"pinku no dorufin"は「ピンク ノ ドルフィン」というカタカナになりますが純粋日本語ではありません。is_romaji_semistrictはこういう言葉をみとめても、is_romajiのように出鱈目の文字を許さないというものです。

normalize_romaji

    use Lingua::JA::Moji 'normalize_romaji';

    $normalized = normalize_romaji ('tsumuji');

normalize_romajiはかなやローマ字で書いた言葉を比べるため、かなやローマ字の言葉を決まったローマ字の書き方になおします。この「決まった」ローマ字は本モジュール限定のもので、あくまでも違ったかなや違ったローマ字法で書いた言葉を比べるためだけのものに過ぎませんので、正式なローマ字法と間違わないようによろしくおねがいします。

仮名

仮名を仮名に変換する関数。

hira2kata

ひらがなをカタカナに.

    use Lingua::JA::Moji 'hira2kata';

    $katakana = hira2kata ('ひらがな');
    # $katakana = 'ヒラガナ'

平仮名をかたかなに変換します。長音符は変わりません。(「オー」は「おう」になりません。)

kata2hira

カタカナをひらがなに.

    use Lingua::JA::Moji 'kata2hira';

    $hiragana = kata2hira ('カキクケコ');
    # $hiragana = 'かきくけこ'

かたかなを平仮名に変換します。長音符は変換しません。半角かたかなを変換しません。

kana2katakana

仮名をカタカナに.

    use Lingua::JA::Moji 'kana2katakana';

    

全角かたかな、ひらがな、半角かたかな、丸かたかななどあらゆる「仮名」を全角かたかなに変換します。濁点と半濁点を"join_sound_marks"により仮名に付けます。付けられない仮名は消します。

kana_to_large

    use Lingua::JA::Moji 'kana_to_large';

    $large = kana_to_large ('ぁあぃい');
    # $large = 'ああいい'

「ぁ」など小さい仮名を「あ」に変換します。

nigori_first

    use Lingua::JA::Moji 'nigori_first';

    my @list = (qw/カン スウ ハツ オオ/);
    nigori_first (\@list);
    # Now @list = (qw/カン スウ ハツ オオ ガン ズウ バツ パツ/);

一番最初のかなに濁点又は半濁点をつけます。

InHankakuKatakana

    use Lingua::JA::Moji 'InHankakuKatakana';

    use utf8;
    if ('ア' =~ /\p{InHankakuKatakana}/) {
        print "ア is half-width katakana\n";
    }

InHankakuKatakanaは正規表現に使う半角カタカナにマッチします。

kana2hw

仮名を半角カタカナに.

    use Lingua::JA::Moji 'kana2hw';

    $half_width = kana2hw ('あいウカキぎょう。');
    # $half_width = 'アイウカキギョウ。'

あらゆる仮名文字を半角カタカナに変換します。かたかなのみを変換する場合は"katakana2hw"を使ってください。

hw2katakana

半角カタカナをカタカナに.

    use Lingua::JA::Moji 'hw2katakana';

    $full_width = hw2katakana ('アイウカキギョウ。');
    # $full_width = 'アイウカキギョウ。'

半角カタカナを全角カタカナに変換します。

katakana2hw

カタカナを半角カタカナに.

    use Lingua::JA::Moji 'katakana2hw';

    $hw = katakana2hw ("あいうえおアイウエオ");
    # $hw = 'あいうえおアイウエオ'

全角かたかなを半角かたかなに変換し、ひらがなをそのままにします。"kana2hw"も参照。

is_kana

    use Lingua::JA::Moji 'is_kana';

    

入力が仮名のみの場合、真、入力が仮名なでない文字を含む場合、偽(undef)。

is_hiragana

    use Lingua::JA::Moji 'is_hiragana';

    

入力が平仮名のみの場合、真、入力が平仮名なでない文字を含む場合、偽(undef)。「ー」があれば偽になります。

kana_order

    use Lingua::JA::Moji 'kana_order';

    $kana_order = kana_order ();

仮名の(適当な)順番を返します。例えば、全ての仮名をループしたい時に使えます。

katakana2syllable

    use Lingua::JA::Moji 'katakana2syllable';

    $syllables = katakana2syllable ('ソーシャルブックマークサービス');

カタカナをシラブルニワケル。たとえば、「ソーシャル」 ハ'ソ', 'ー', 'シ', 'ャ', 'ル'という意味のない文字ではなく、日本語の「原子」ノ'ソー', 'シャ', 'ル'になります。撥音(ん)は前の仮名と一つになります。例えば、「フラナガン」ハ「フ」, 「ラ」, 「ナ」, 「ガン」となります。

InKana

    use Lingua::JA::Moji 'InKana';

    $is_kana = ('アイウエオ' =~ /^\p{InKana}+$/);
    # $is_kana = '1'

正規表現に使うかたかなとひらがなにまっちします。

詳しくいうと以下の正規表現

    qr/\p{Katakana}|\p{InKatakana}|\p{InHiragana}|ー|゙|゚>/

と殆ど同じことにまっちしますが、\p{Katakana}がマッチする未使用のコードポイントはマッチしません。「・」もマッチしません。変体仮名もマッチしません。

square2katakana

    use Lingua::JA::Moji 'square2katakana';

    $kata = square2katakana ('㌆');
    # $kata = 'ウォン'

「㌆」を「ウォン」にするなど。

katakana2square

    use Lingua::JA::Moji 'katakana2square';

    $sq = katakana2square ('カロリーアイウエオウォン');
    # $sq = '㌍アイウエオ㌆'

可能なかぎり、「ウォン」を「㌆」にするなど。

smallize_kana

    use Lingua::JA::Moji 'smallize_kana';

    $smallize = smallize_kana ('オキヤクサマガカツタ');
    # $smallize = 'オキャクサマガカッタ'

片仮名の列に拗音と促音を入れる。昔の仮名使いを現代のに直す。あくまで実験的です。

cleanup_kana

    use Lingua::JA::Moji 'cleanup_kana';

間違ったかな入力を直す。例えば「一」(漢字のいち)を「ー」(長音)に。

join_sound_marks

    use Lingua::JA::Moji 'join_sound_marks';

    $joined = join_sound_marks ('か゛は゜つ゛');
    # $joined = 'がぱづ'

濁点、半濁点をできる限り仮名につけます。「カ゛」-> 「ガ」など。残っている濁点を消します。

0.53カラ

split_sound_marks

    use Lingua::JA::Moji 'split_sound_marks';

    $split = split_sound_marks ('ガパヅ');
    # $split = 'カ゛ハ゜ツ゛'

濁点、半濁点を仮名からわけます。-> 「が」-> 「か゛」など。半濁点はU+309B、濁点はU+309Cとなります。

0.53カラ

変体仮名

変体仮名はUnicode 10.0 (2017年6月)にあたらしいです。

hentai2kana

    use Lingua::JA::Moji 'hentai2kana';

変体仮名をひらがなに変換します。複数のかなにあてはまる変体仮名は「・」でつないだ列になります。

hentai2kanji

    use Lingua::JA::Moji 'hentai2kanji';

    $kanji = hentai2kanji ('𛀢');
    # $kanji = '家'

変体仮名を漢字に変換します。

kanji2hentai

    use Lingua::JA::Moji 'kanji2hentai';

    $kanji = kanji2hentai ('家');
    # $kanji = '𛀢'

あてはまる変体仮名があるかぎり、漢字を変体仮名に変換します。

kana2hentai

    use Lingua::JA::Moji 'kana2hentai';

    $hentai = kana2hentai ('ケンブ');
    # $hentai = '𛀢・𛀲・𛀳・𛀴・𛀵・𛀶・𛀷𛄝・𛄞𛂰・𛂱・𛂲゛'

あてはまる変体仮名があるかぎり、普通の仮名を変体仮名に変換します。複数の仮名があれば、「・」で分けます。濁点と半濁点は"split_sound_marks"により仮名と分けてから変換します。

全角英数字

全角英数字の変換・認識。

InWideAscii

    use Lingua::JA::Moji 'InWideAscii';

    use utf8;
    if ('A' =~ /\p{InWideAscii}/) {
        print "A is wide ascii\n";
    }

正規表現に使う全角英数字にマッチします。

wide2ascii

全角英数字を半角英数字に.

    use Lingua::JA::Moji 'wide2ascii';

    $ascii = wide2ascii ('abCE019');
    # $ascii = 'abCE019'

全角英数字を半角英数字(ASCII)に変換します。

ascii2wide

半角英数字を全角英数字に.

    use Lingua::JA::Moji 'ascii2wide';

    $wide = ascii2wide ('abCE019');
    # $wide = 'abCE019'

半角英数字(ASCII)を全角英数字に変換します。

その他の文字

kana2morse

仮名を和文モールス符号に.

    use Lingua::JA::Moji 'kana2morse';

    $morse = kana2morse ('ショッチュウ');
    # $morse = '--.-. -- .--. ..-. -..-- ..-'

かなをもーすこーどに変換します。日本語のもーすこーどは「っ」など小さいかなを表現できないので、仮名をもーすこーどにして、もーすこーどからまた仮名にする場合は「しょっちゅう」が「シヨツチユウ」になります。

morse2kana

和文モールス符号を仮名に.

    use Lingua::JA::Moji 'morse2kana';

    $kana = morse2kana ('--.-. -- .--. ..-. -..-- ..-');
    # $kana = 'シヨツチユウ'

モースコードをかなに変換します。(本物のもーすこーどは分かち書きが必要です。)

kana2braille

仮名を点字に.

    use Lingua::JA::Moji 'kana2braille';

    

仮名を点字に変換します。

欠点

きちんとしたてすとがありません。日本語を本物の点字に変換することはわたちがきが必要ですがこの関数はそれをしませんので、不十分な変換機能です。

braille2kana

点字を仮名に.

    use Lingua::JA::Moji 'braille2kana';

    

点字をかたかなに変換します。

kana2circled

仮名を丸付けカタカナに.

    use Lingua::JA::Moji 'kana2circled';

    $circled = kana2circled ('アイウエオガン');
    # $circled = '㋐㋑㋒㋓㋔㋕゛ン'

仮名を丸付けかたかなに変換します。丸付け「ン」がありませんので、「ン」はそのままとなります。濁点・半濁点は"split_sound_marks"により仮名から分けられてから変換されたので、「が」が「㋕゛」になります。

丸付け片假名はユニコード32D0〜32FEにあります。

circled2kana

丸付けカタカナを仮名に.

    use Lingua::JA::Moji 'circled2kana';

    $kana = circled2kana ('㋐㋑㋒㋓㋔');
    # $kana = 'アイウエオ'

丸がついているかたかなを全角かたかなに変換します。

漢字

new2old_kanji

親字体を旧字体に.

    use Lingua::JA::Moji 'new2old_kanji';

    $old = new2old_kanji ('三国 連太郎');
    # $old = '三國 連太郎'

親字体を旧字体に変換します。

欠点

新旧字体の情報は確認不足です。「弁」は旧字体が三つありますなので、変換不可能です。

old2new_kanji

旧字体を親字体に.

    use Lingua::JA::Moji 'old2new_kanji';

    $new = old2new_kanji ('櫻井');
    # $new = '桜井'

旧字体を親字体に変換します。

circled2kanji

    use Lingua::JA::Moji 'circled2kanji';

    $kanji = circled2kanji ('㊯');
    # $kanji = '協'

丸付け漢字を普通の漢字に変換します。

kanji2circled

    use Lingua::JA::Moji 'kanji2circled';

    $kanji = kanji2circled ('協嬉');
    # $kanji = '㊯嬉'

漢字を丸付け漢字に変換します。

bracketed2kanji

    use Lingua::JA::Moji 'bracketed2kanji';

    $kanji = bracketed2kanji ('㈱');
    # $kanji = '株'

括弧漢字を普通の漢字に変換します。

kanji2bracketed

    use Lingua::JA::Moji 'kanji2bracketed';

    $kanji = kanji2bracketed ('株');
    # $kanji = '㈱'

普通の漢字を括弧漢字に変換します。括弧形がある漢字は数少ないので、ご了承ください。当てはまる括弧漢字がなければ、そのままにします。

yurei_moji

    use Lingua::JA::Moji 'yurei_moji';

幽霊文字(実際には存在しない漢字)。https://www.wdic.org/w/WDIC/%E5%B9%BD%E9%9C%8A%E6%96%87%E5%AD%97ご参照ください。こちらのページの典拠不詳・典拠不明・同定不能の字です。

bad_kanji

    use Lingua::JA::Moji 'bad_kanji';

否定的な意味(病名、不愉快な物、軽率の意味など)の漢字。 https://www.lemoda.net/japanese/offensive-kanji/index.html

日本語のキリル文字表記

実験的に仮名とキリル文字の変換をする。キリル文字に詳しい方の確認がありませんので、その結果をよく確認しますように。

kana2cyrillic

仮名をキリル文字に.

    use Lingua::JA::Moji 'kana2cyrillic';

    $cyril = kana2cyrillic ('シンブン');
    # $cyril = 'симбун'

cyrillic2katakana

キリル文字をカタカナに.

    use Lingua::JA::Moji 'cyrillic2katakana';

    $kana = cyrillic2katakana ('симбун');
    # $kana = 'シンブン'

ハングル

kana2hangul

    use Lingua::JA::Moji 'kana2hangul';

    $hangul = kana2hangul ('すごわざ');
    # $hangul = '스고와자'

欠点

確認がありません

http://kajiritate-no-hangul.com/kana.htmlhttp://lesson-hangeul.com/50itiranhyo.htmlを元にして使りみましたが正しいかどうかわかりません。

逆変換がありません

ハングルから仮名への変換機能はありません。

参考資料

CPANの本モジュール意外のものは次にあります

ローマ字かな変換

Data::Validate::Japanese

This contains four validators for kanji and kana, is_hiragana, corresponding to "is_hiragana" in this module, and three more, is_kanji, is_katakana, and is_h_katakana, for half-width katakana.

Lingua::JA::Kana

This contains convertors for hiragana, half width and full width katakana, and romaji. As of version 0.07 [Aug 06, 2012], the romaji conversion is less complete than this module.

Lingua::JA::Romanize::Japanese

Romanization of Japanese. The module also includes romanization of kanji via the kakasi kanji to romaji convertor, and other functions.

Lingua::JA::Romaji::Valid

Validate romanized Japanese. This module does the same thing as "is_romaji" in Lingua::JA::Moji.

Lingua::JA::Hepburn::Passport

Passport romanization, which means converting long vowels into "OH". This corresponds to "kana2romaji" in the current module using the passport => 1 option, for example

    $romaji = kana2romaji ("かとう", {style => 'hepburn', passport => 1});
Lingua::JA::Fold

Full/half width conversion, collation of Japanese text.

Lingua::JA::Romaji

Romaji to kana/kana to romaji conversion.

Lingua::JA::Regular::Unicode

This includes hiragana to katakana, full width / half width, and wide ascii conversion. The strange name is due to its being an extension of Lingua::JA::Regular using Unicode-encoded strings.

Lingua::JA::NormalizeText

A huge collection of normalization functions for Japanese text. If Lingua::JA::Moji does not have it, Lingua::JA::NormalizeText may do.

Lingua::KO::Munja

This is similar to the present module for Korean.

Lingua::JA::Onbiki
Lingua::JA::Jtruncate

漢字かな変換

Lingua::JA::Romanize::MeCab

Romanization of Japanese language with MeCab

Text::MeCab
Lingua::JA::Romanize::Japanese

Romanization of Japanese language via kakasi.

本モジュールの説明が冨田尚樹氏の「Perl CPANモジュールガイド」にあります。 (ISBN 978-4862671080 WEB+DB PRESS plus, 2011年4月出版)

EXPORT

This module exports its functions only on request. To export all the functions in the module,

    use Lingua::JA::Moji ':all';

DEPENDENCIES

Carp

Carp is used to report errors.

Convert::Moji

This is used for most of the work of the module.

JSON::Parse

This is used to read in some of the data.

ACKNOWLEDGEMENTS

Thanks to Naoki Tomita, David Steinbrunner, and Neil Bowers for fixes.

HISTORY

"Moji" (文字) means "letters" in Japanese. I started Lingua::JA::Moji out of a need for more comprehensive handling of Japanese text than was offered by any of the existing modules on CPAN. There were a lot of modules offering piecemeal romaji/kana conversions or hiragana/katakana conversions, but, with apologies, nothing truly comprehensive or robust. Lingua::JA::Moji was originally a private module. Most of the functions in the module are things I needed for my own projects.

The design using Convert::Moji was part of an abandoned plan to make a cross-language module which could produce, say, a JavaScript converter doing the same things as this Perl one, using the same text sources.

I wasn't really sure whether to release it, but eventually I released it to CPAN as a result of requests for the source code of an online romaji/kana converter by website users. The module interface, in particular the hash reference options to "kana2romaji" and "romaji2kana", is rather messy, and some of the defaults are rather strange, but since it was described in Naoki Tomita's book, and some people may be using it as is, I'm not very keen to change it in incompatible ways.

0.43 added support for hentaigana. This is based on copy and paste of the Unicode 10.0 standard draft documents. See the directory data in the github repository for the files used to generate this data.

0.46 disallowed hyphens as the first character of a romaji string and added "smallize_kana" and "cleanup_kana".

0.47 added a list of the "Yūrei moji" (幽霊文字), false kanji, and changed romanisation somewhat.

0.48 changed kana2romaji to be consistent with the documentation for long vowel options wapuro and none.

0.53 added "join_sound_marks" and "split_sound_marks" to the module.

AUTHOR

Ben Bullock, <bkb@cpan.org>

COPYRIGHT & LICENCE

This package and associated files are copyright (C) 2008-2018 Ben Bullock.

You can use, copy, modify and redistribute this package and associated files under the Perl Artistic Licence or the GNU General Public Licence.