ナマズのブログ

外字は全文検索に不向きです。 自由に定義できるため、どのような内容が定義されているのかを知る手段がありません。

しかし、世の中には市販されている有名な外字フォントというものも多々あります。 (外字はコードというよりもフォントに依存すると考えるのが妥当です。)

例えばMacintoshDTPで定番となっている「ビブロスフォント外字セット」

 http://www.biblosfont.co.jp/product.html

もそのひとつです。Windows 版の

 http://www.est.co.jp/fe/kigou/index.html

もあります。

あらかじめビブロスフォントを使用している文書であるとわかっている場合には、これらの外字を全文検索用に別の文字に置き換える等の処理を行えば、全文検索に利用することもできるでしょう。

例えば、

(0) -> 0 や (普) -> 普　といった置換するライブラリです。

かなり限定した用途であり、運用する上で注意しないといけませんが、そういった特殊な用途に特化するのも面白いかもしれません。

ただ、ひとつの文書の中に複数のフォントを切り替えていることは多々あり、それぞれ別の外字が定義されていると、フォントごとにテキストを取り出さないと正しく処理できないので、あくまでも外字の種類は1種類のみといった簡単な対応しかできないでしょう。

同様に CP932 の機種依存文字も変換するライブラリがあれば良いかもしれません。(こちらの方が実用的)

例えば、

(株) -> 株 や　平成(1文字) -> 平成(2文字）

といったよう。