Perlで長音

質問

無謀なのかもしれませんが、Perl３日生（勉強しはじめて３日目)の分際で、フリーのスクリプトを改造しています。

そのスクリプトは検索エンジンなのですが、タグが無効になっていたため、いくつかのサイトを参考にして、指定したタグだけを許可するように改造しました。

しかし、何故か登録する文字列(html)に、長音"ー"が入った時だけエラーとなってしまいます。
Perlでは長音というのは何か特別な働きをするものなのでしょうか？

ソースは以下のページを参考にしてますので、以下のページに書かれているものとほぼ同じです。
http://cuo.press.ne.jp/cgi/b04_1.html

フォームから送信？する文字列が、
<a href=xxx>yahoo</a>
であれば問題ないのですが、
<a href=xxx>ヤフー</a>
とするとエラーになります。

また、不思議なことに、文字列でも
<b>ヤフー</b>
<img src=xxxx>ヤフー<br>
といった、他のタグでは問題がありません。

何故でしょうか？

どなたかお詳しい方、ヒントだけでも結構ですので、
何か思い当たることがございましたら、お教え下さい。
よろしくお願い致します。m(_ _)m

回答No.1

yuizuian · ベストアンサー

いえいえ、全く無謀なんかではないですよ。

おそらく文字コードはSJISで処理してらっしゃるんでしょう。
「日本語は2バイト」というのはご理解いただけるでしょうか？
「ー」という文字は、後ろ1バイトが他の1バイトの文字と同じ文字コードなので、
1バイトずつ処理した時に文字化けが発生してしまいます。
回避方法としては「ヤフー\」としてみるとか、文字コードをEUCにしてしまうという方法があるかと思います。

以前にも類似した質問がありましたので、参考URLに載せておきますね。

下記URLでも日本語の取り扱いについて書かれています。

文字コードの呪い
http://www.mirai.ne.jp/~mikeneko/yuibot/yuibot/faq/faq2.html#c4

日本語を扱う
http://www.din.or.jp/~ohzaki/perl.htm#JP_EUC_JP

参考URL：

http://www.okweb.ne.jp/kotaeru.php3?q=251813

お礼

早速の丁寧で的確なご回答、本当にありがとうございます！
まだ漠然としていますが、だいたい何が問題なのかはわかりました。
参考urlのページも一読してみました。
どうもこの問題を解決するにはeuc-jopで書かなくてはならないとのことで、それが可能なエディタも探して早速インストールしてみました。(Terapadというエディタです）
で、最後にちょっと教えて頂けるとうれしいのですが、
このエディタでeuc-jpで書き直してそのまま使えるものなのでしょうか？（内部でのコード変換は行うとして）
できれば、他のcgiはいじらないで必要な部分だけにとどめておきたいのですが・・・。
お暇でしたらご教授お願い致します。m(_ _)m

回答No.3

leaz024

> <img src=xxxx>ヤフー<br>
> といった、他のタグでは問題がありません。
んー、おかしいですね。
参考にされたスクリプトをコピーしてテストしたところ、img に関してはエラーが出ましたよ。
@tag に '<img(.*)>'を入れていないのでは？

で、問題の件ですが、別にEUCに変える必要はありませんよ。
yuizuian さんの回答にある参考URLの方で、私も回答しているのですが、これは

　「ー」の２バイト目の文字コードが、正規表現のメタタグになっている

ために起きる問題ですので、参考にされたスクリプトの
　　while ($value =~ /$_/i) {
　　　　$srctag = $&;　　　　　　※
　　　　$reptag = $&;
　　　　$reptag =~ s/&lt;/</g;
　　　　$reptag =~ s/&gt;/>/g;
　　　　$value =~ s/&quot;/\"/g;
　　　　$value =~ s/$srctag/$reptag/g;
　　}
※の行を、
　　　　$srctag = quotemeta($&);
とすれば問題解決です。（確認済み）

お礼

アドバイスありがとうございました。お礼が遅くなってすみません。諸般の事情で動作確認するのが遅くなりまして、このほどようやく確認できました。
確かにアドバイス頂いた方法でエラーになることなく、長音を含んだ文字でも表示されました！
しかし、何故か他をいじっているうちに再現できなくなってしまって・・・・。
とにかく一度は確認できましたので、頂いたアドバイスに習って修正したいと思います。本当にありがとうございました。m(_ _)m

回答No.2

yuizuian

処理や表示をする時に、ここはSJISだけどこっちはEUC…なんて、文字コードが混ざらない限り大丈夫なはずです。
それから表示する場合は、念のためContent-TypeといっしょにCharsetも書いて、明示的に「これはEUCで書かれています」としておくとブラウザで表示した時に文字化けが！
という事が避けられると思います。

お礼

お礼が遅くなりすみませんでした。
アドバイス頂けて感謝しております。EUCで書いてEUCで表示させるのが一番安全確実のようですね。本当に勉強になりました。ありがとうございます。