Uta's Dream -どーらくにっき-: phpでひらがな、カタカナの判別

« magic_quotes_gpc | メイン | MacBook ｷﾀ━━━━━━(ﾟ∀ﾟ)━━━━━━ !!!! »

2006年05月15日

phpでひらがな、カタカナの判別

phpでマルチバイト（日本語）の文字を判別にはmb_eregを使えば簡単なのですが、php4ではmb_eregはデフォルトでは使えず、phpのインストール時に「--enable-mbregex」としてconfigureしなければいけません。現状ではphp5がインストールされているサーバーや「--enable-mbregex」でconfigureされたphp4サーバーはまだ少ないので、mb_eregが使えない場合は、以下のようにpreg_match関数のPerl正規表現で文字コードを判別します。Perlプログラマでしたらおなじみですね。

他のWebサイトではmb_eregを使った例ばかりなので、今更ではありますが、参考までにpreg_matchでの例を記述してみます。

後述のサンプルスクリプトで使用する変数は以下です。文字コードはEUC-JP。
<?php
$str1 = mb_convert_encoding('あいうえお',"EUC-JP","auto");
$str2 = mb_convert_encoding('アイウエオ',"EUC-JP","auto");
$str3 = 'abcde';
?>

ひらがなの判別（mb-egreg）

※全てひらがなで1文字から5文字であればTrue
<?php
$result1 = mb_ereg("^[ぁ-ん]{1,5}$",$str1);
$result2 = mb_ereg("^[ぁ-ん]{1,5}$",$str2);
$result3 = mb_ereg("^[ぁ-ん]{1,5}$",$str3);

var_dump($result1);
var_dump($result2);
var_dump($result3);
?>
[実行結果]

int(1)
bool(false)
bool(false)

ひらがなの判別（preg_match）

※全てひらがなで1文字から5文字であればTrue
<?php
$result1 = preg_match("/^(\x82[\x9F-\xF1]){1,5}$/i",$str1);
$result2 = preg_match("/^(\x82[\x9F-\xF1]){1,5}$/i",$str2);
$result3 = preg_match("/^(\x82[\x9F-\xF1]){1,5}$/i",$str3);

var_dump($result1);
var_dump($result2);
var_dump($result3);
?>
[実行結果]

int(1)
int(0)
int(0)

カタカナの判別（mb-egreg）

※全てカタカナで1文字から5文字であればTrue
<?php
$result1 = mb_ereg("^[ァ-ヶ]{1,5}$",$str1);
$result2 = mb_ereg("^[ァ-ヶ]{1,5}$",$str2);
$result3 = mb_ereg("^[ァ-ヶ]{1,5}$",$str3);

var_dump($result1);
var_dump($result2);
var_dump($result3);
?>
[実行結果]

bool(false)
int(1)
bool(false)

カタカナの判別（preg_match）

※全てカタカナで1文字から5文字であればTrue
<?php
$result1 = preg_match("/^(\xA5[\xA0-\xF6]){1,5}$/i",$str1);
$result2 = preg_match("/^(\xA5[\xA0-\xF6]){1,5}$/i",$str2);
$result3 = preg_match("/^(\xA5[\xA0-\xF6]){1,5}$/i",$str3);

var_dump($result1);
var_dump($result2);
var_dump($result3);
?>
[実行結果]