全角・半角が混じったテキストの100文字以上を"・・・"にしたい

質問

perl5.8.5でCGIのプログラムを作っています。

全角・半角が混じったテキストの100文字以上を"・・・"にしたいと思っています。
プログラムの文字コードはEUCで書いています。

文字数の取得は、Jcodeを使って出しています。
$len = Jcode->new( $text )->jlength;
これで100文字以上なら100文字以上の部分を削除して"・・・"を付け足すという感じにしたいと思っています。

よろしくお願いします。

回答No.1

genkivogue · ベストアンサー

ひとまず、100文字に収める処理は以下のようでどうでしょうか。
もともとの文字列を $str に代入しておくとして、

$str =~ s/((?:[\x00-\x7F]|[\x8E\xA1-\xFE][\xA1-\xFE]|\x8F[\xA1-\xFE][\xA1-\xFE]){100})(.*)/$1/;

さらに、$2 を見て '・・・'を付け足せばいいかなと思いましたが、うまくいくかそれはやってみてません。

お礼

ありがとうございます。

考え方は分かりました。
そのやり方で検証してみます。

回答No.2

chaimasuka

Perl 5.6.x 以前に対する後方互換性を気にしないでよいのなら、
Perl 5.8.x から標準となった、Encode モジュールを使えばよい

プログラムのほかの部分に影響を与えたくないのなら
--------------------------------------------------------------------------------
#!/usr/local/bin/perl
use strict;
use warnings;
use Encode qw(decode encode);

my $text = '全角・半角が混じった100文字以上のテキスト';
$text = decode('euc-jp', $text);
my $len = length($text);
$text = substr($text, 0, 99) if $len >= 100;
$text = encode('euc-jp', $text);
$text .= '・・・' if $len >= 100;
--------------------------------------------------------------------------------

Perl 5.8.1 以降、Jcode.pm はEncode.pm のラッパーとしてふるまうようになっており、
Jcode->jlengh は、内部での動作をみると、
↑のように、UTFフラグを有効にして、文字単位でのlength を数えているだけです。

もしくは、
use encoding 'euc-jp';
としてソースコード中文字列のUTFフラグをたてれば、
次のように、1行で書ける。
ほか部分の入出力に気をつかう必要がありますが。。
--------------------------------------------------------------------------------

#!/usr/local/bin/perl
use strict;
use warnings;
use Encode qw(decode encode);
use encoding 'euc-jp';

my $text = '全角・半角が混じった100文字以上のテキスト';

# 100文字以上なら100文字以上の部分を削除して"・・・"を付け足す
substr($text, 99) = '・・・' if length($text) >= 100;
--------------------------------------------------------------------------------

Perl 5.8.x の日本語の取り扱いについては、下記Webページが詳しいです。

Perl 5.8.x Unicode関連
http://www.rwds.net/kuroita/program/Perl_unicode.html

perl5.8のUnicodeサポート
http://www.lr.pi.titech.ac.jp/~abekawa/perl/perl_unicode.html

Perl 5.8 以降においての Unicode 文字列の扱い方 - NDO::Weblog
http://naoya.dyndns.org/~naoya/mt/archives/000611.html

お礼

ありがとうございます。