mwSoft blog

恥ずかしながら、先月くらいに気付いたのですが、Java1.6からはSDKにUnicode正規化に関する機能が標準搭載されているようで。便利になったものですな。

java.text.Normalizerで、normalizeと書くだけで実行出来ます。

以下、サンプル。変な文字使ってるので機種によって化けるかもしれません。ご了承ください。

import java.text.Normalizer;

public class Test {

  public static void main(String[] args) throws Exception {

    /****** 平仮名の「が」 ******/
    // 正規分解とそれに続く正規合成
    Normalizer.normalize( "が", Normalizer.Form.NFC );
        // => が
    // 正規分解
    Normalizer.normalize( "が", Normalizer.Form.NFD );
        // => か” （化けたので濁点は似たものに置き換え）
    // 互換部品とそれに続く正規合成
    Normalizer.normalize( "が", Normalizer.Form.NFKC );
        // => が
    // 互換分解
    Normalizer.normalize( "が", Normalizer.Form.NFKD );
        // => か” （化けたので濁点は似たものに置き換え）

    /****** いろいろ実行してみる ******/
    // 正規分解とそれに続く正規合成
    Normalizer.normalize( "�W�G�I壱ｱ〜−", Normalizer.Form.NFC );
        // => �W�G�I壱ｱ〜−
    // 正規分解
    Normalizer.normalize( "�W�G�I壱ｱ〜−", Normalizer.Form.NFD );
        // => �W�G�I壱ｱ〜−
    // 互換部品とそれに続く正規合成
    Normalizer.normalize( "�W�G�I壱ｱ〜−", Normalizer.Form.NFKC );
        // => IVviii10壱ア~-
    // 互換分解
    Normalizer.normalize( "�W�G�I壱ｱ〜−", Normalizer.Form.NFKD );
        // => IVviii10壱ア~-
    }
}

互換分解を使うと半角カナが全角になったり、ローマ数字がバラされたりします。使い道はいつも悩むけど、自分はなんとなくNFKCかけてることが多い気がする。