ナマズのブログ

KAKASI のソースを調べています。 今回は src/conv-util.c で、これは辞書ツール(atoc_conv, rdic_conv, wx2_conv)で使われるものです。

int isallkana PARAMS(unsigned char *str);

引数: EUC-JP 文字列
戻値: 1 ... 全てが全角「ひらがな」または全角「カタカナ」で構成。 0 ... それ以外

int isallzenkaku PARAMS(unsigned char *str);

引数: EUC-JP 文字列
戻値: 1 ... 全てが全角で構成。 0 ... それ以外

int includekanji PARAMS(unsigned char *str);

引数: 全て全角文字のEUC-JP 文字列
戻値: 1 ... 漢字を含む。 0 ... それ以外

EUC-JP 文字列は1バイトのUS-ASCIIと2バイトの全角文字で構成されていることが前提です。 0x8e 0xXX の2バイトで構成される半角カナには対応していないので、引数の文字列に含まれていてはいけません。 また、3バイトの補助漢字は考慮されていませんので、これも引数の文字列に含まれていてはいけません。

includekanji は、isallzenkaku で全てが全角で構成されていることを確認した文字列を引数に渡す必要があります。

これらは atoc_conv, rdic_conv, wx2_conv の入力データの制限に関係することになります。 ただし、atoc_conv の入力はShift_JIS であり、rdic_conv の入力は JIS ですので、内部で EUC-JP に変換する際には更に制限がかかります。