日本語の文字数を数える場合「sjisでエンコードしてバイト数を見る」で大丈夫でしょうか

日本語の「全角n文字、半角m文字(半角は全角の二倍入力できる)」といった仕様を実現するときに
「sjisでエンコードしてバイト数を見る」というやりかたで問題ありませんか?

手元でちょっと試して見たぶんには大丈夫そうなのですが、
よくわからないので質問しました

$ perl -MEncode=encode -E 'use utf8; say length encode("sjis", "ｱｱｱ")'
3
$ perl -MEncode=encode -E 'use utf8; say length encode("sjis", "あああ")'
6
$ perl -MEncode=encode -E 'use utf8; say length encode("sjis", "ｱｱｱあああ")'
9

行動規範の内容に同意します

回答2件

ベストアンサー

元の文字コードがユニコードだった場合（UTFXX）、SJISのコードにない文字がユニコードにあるのをどうするかですねー

投稿2018/04/10 06:08

y_waiwai

総合スコア87749

AkiraSakamoto

2018/04/10 06:29

常用漢字がカバーできていれば良いと思っていましてユニコードで表現できてsjisで表現できないものが入力されたら例外とするつもりです sjisで常用漢字から漏れているものはちょっと気になりましたが、 ↓の記事を見て4文字程度ならまあよさそうかなとも思っています (裏はとっていない) - [新常用漢字表が迫るUnicode移行、「シフトJIS」では対応不可能 | 日経 xTECH（クロステック）](http://tech.nikkeibp.co.jp/it/article/COLUMN/20091209/341831/)

y_waiwai

2018/04/10 06:32

それで本当にいいのであれば、SJIS変換してカウントするってのも一つのテでしょうね。まあしかし、半角の範囲を決めて、ユニコードのままカウントするほうが後々の憂い（バグ？）の心配はなくっていいんじゃないかと思いますが

AkiraSakamoto

2018/04/10 06:59

> 半角の範囲を決めて、ユニコードのままカウントするほうが後々の憂い（バグ？）の心配はなくっていいんじゃないかと思いますがなるほどです。確かにそちらの方が確実そうですねありがとうございます！

y_waiwai

2018/04/10 07:01

いまどきの言語なら、半角の判定なんか正規表現で一発でできるでしょうしね

行動規範の内容に同意します

モジュール追加ナシという縛りがなければ、ユニコードのままText::CharWidthモジュールあたりを使うのがベターかなあと思います。

perl
1$ perl -MText::CharWidth=mbswidth -E 'use utf8; say mbswidth("ｱｱｱ")'
23
3$ perl -MText::CharWidth=mbswidth -E 'use utf8; say mbswidth("あああ")'
46
5$ perl -MText::CharWidth=mbswidth -E 'use utf8; say mbswidth("ｱｱｱあああ")'
69