Javaで「英数は半角に、カナは全角に」をやりたい

Question

前提・実現したいこと

文字列の中から「全角英数→半角英数」「半角カナ→全角カナ」をしたいです。
Java標準のNormalizer、またはicu4jを使えばいいかなと思っていましたが、微妙に望む形と違うので困っています。
他の方法でも「全角英数→半角英数」「半角カナ→全角カナ」が同時に実現できればなんでもいいです。

発生している問題・エラーメッセージ

「特定の文字種だけ全角、半角」にするのがうまくいかない

理想

• ｱｶﾞﾊﾟ ０１２ ＡＢＣ ㈱ → アガパ 012 ABC ㈱

クラス	処理	結果	問題
java.text.Normalizer	normalize(str, Normalizer.Form.NFKC)	アガパ 012 ABC (株)	記号等が変換される
com.ibm.icu.text.Transliterator	getInstance("Halfwidth-Fullwidth").transliterate(str)	ｱｶﾞﾊﾟ 012 ABC ㈱	カナが半角になる
com.ibm.icu.text.Transliterator	getInstance("Fullwidth-Halfwidth").transliterate(str)	アガパ　０１２　ＡＢＣ　㈱	英数が全部半角になってしまうし、記号等の意図しない文字も変換される
com.ibm.icu.text.Transliterator	getInstance("[:Katakana:];Halfwidth-Fullwidth").transliterate(str)	アカﾞハﾟ ０１２ ＡＢＣ ㈱	半角濁点や半角半濁点が変換されない

補足情報（FW/ツールのバージョンなど）

Java8
icu4j 66.1

Answer 1

こんなのでも宜しければ...

import java.text.Normalizer;
import java.util.regex.*;

public class Main {
  public static void main(String[] args) {
    String s = "ｱｶﾞﾊﾟ ０１２ ＡＢＣ ㈱";
    Pattern p = Pattern.compile("([ｦ-ﾟＡ-Ｚａ-ｚ０-９]+)");
    Matcher m = p.matcher(s);
    StringBuffer sb = new StringBuffer();
    while(m.find()) {
      m.appendReplacement(sb, Normalizer.normalize(m.group(), Normalizer.Form.NFKD));
    }
    System.out.println(m.appendTail(sb));
  }
}

Comments

[masaya_ohashi]

すごいきれいな形だと思います！ただ、NKFDだと濁音半濁音が分割されていたのでNKFCで使わせてもらおうと思います！

[jimbe]

>NKFDだと濁音半濁音が分割されていた
失礼しました.
こちらの表示では合成されていましたので, 中身確認していませんでした.

Answer 2

java.text.Normalizer

Normalizer.normalize()を半角カタカナの範囲に適用。仕様に応じて範囲を変えてください。

import java.text.Normalizer;
import java.util.function.Function;
import java.util.function.IntUnaryOperator;
import java.util.stream.Collectors;

public class WidthConversion {

  static IntUnaryOperator anFull2Half = c -> ('Ａ' <= c && c <= 'Ｚ' || 'ａ' <= c && c <= 'ｚ') ? c + ('A' - 'Ａ') : ('０' <= c && c <= '９') ? c + ('0' - '０') : c;
  static Function<String,String> kHalf2Full = s -> (s.compareTo("｡") >= 0 && s.compareTo("ﾟ") <= 0) ? Normalizer.normalize(s, Normalizer.Form.NFKC) : s;
  static Function<String, String> convert = s -> s.chars().map(anFull2Half).mapToObj(c -> String.valueOf((char) c)).map(kHalf2Full).collect(Collectors.joining());

  static void test(Function<String, String> f, String source) {
    System.out.println(f.apply(source));
  }
	
  public static void main(String[] args) {
    test(convert,"０１２３４５６７８９ＡＢＣＤＥＦＧＨＩＪＫＬＭＮＯＰＱＲＳＴＵＶＷＸＹＺａｂｃｄｅｆｇｈｉｊｋｌｍｎｏｐｑｒｓｔｕｖｗｘｙｚ");
    test(convert,"ｱｲｳｴｵｧｨｩｪｫｶｷｸｹｺｶﾞｷﾞｸﾞｹﾞｺﾞｻｼｽｾｿｻﾞｼﾞｽﾞｾﾞｿﾞﾀﾁﾂﾃﾄﾀﾞﾁﾞﾂﾞﾃﾞﾄﾞﾅﾆﾇﾈﾉﾊﾋﾌﾍﾎﾊﾞﾋﾞﾌﾞﾍﾞﾎﾞﾊﾟﾋﾟﾌﾟﾍﾟﾎﾟﾏﾐﾑﾒﾓﾔﾕﾖﾗﾘﾙﾚﾛﾜｦﾝﾞﾟｯｬｭｮｰｳﾞ｡､｢｣");
  }

}

NKFC機能版

  static Function<String,String> partiallyConvert = 
    s -> (s.compareTo("Ａ") >= 0 && s.compareTo("Ｚ") <= 0 ||
          s.compareTo("ａ") >= 0 && s.compareTo("ｚ") <= 0 || 
          s.compareTo("０") >= 0 && s.compareTo("９") <= 0 || 
          s.compareTo("｡") >= 0 && s.compareTo("ﾟ") <= 0) 
    ? Normalizer.normalize(s, Normalizer.Form.NFKC) : s;

  // NFKC機能を有効にするには、半角カタカナを1文字づつ処理してはならない。
  // 濁点、半濁点をそれが修飾する文字とセットにする。
  static BiConsumer<LinkedList<String>,String> withConsonantMark = 
    (a,s) -> {
      if (!a.isEmpty() && ("ﾞ".equals(s) || "ﾟ".equals(s)))
        a.add(a.removeLast() + s);
      else
        a.add(s);
    };
   
  static Function<String, String> convert = 
    s -> s.chars()
          .mapToObj(c -> String.valueOf((char) c))
          .collect(LinkedList<String>::new, withConsonantMark, List::addAll)
          .stream()
          .map(partiallyConvert)
          .collect(Collectors.joining());

partiallyConvertはjimbeさんの正規表現に近くなりました。

Comments

[masaya_ohashi]

ラムダ使うのは僕好みなのですが、最終的な形が濁音半濁音がUnicodeの分割文字になってしまっていたので、申し訳ないですが別の方をベストアンサーにしたいと思います。

[xebme]

NKFCが機能しないのは、濁点、半濁点が修飾する文字とセットで処理されないから。修正版をあげます。

Answer 3

作ってみました。

class HanZen {
	final static char[] ktab = 
		("ヲァィゥェォャュョッーアイウエオカキクケコサシスセソタチツテト" +
		"ナニヌネノハヒフヘホマミムメモヤユヨラリルレロワン").toCharArray();
	final static char[] ptab =
		("................111111111111111.....22222...............").toCharArray();

	public static String conv(String s) {
		int n = s.length(), j = 0;
		char p = 0, t[] = new char[n];
		for (int i = 0; i < n; i++) {
			char c = s.charAt(i);
			if (c >= 'Ａ' && c <= 'Ｚ' || c >= 'ａ' && c <= 'ｚ') {
				t[j++] = (char)(c - ('Ａ' - 'A')); p = 0;
			}
			else if (c >= 'ｦ' && c <= 'ﾝ') { t[j++] = ktab[c-'ｦ']; p = ptab[c-'ｦ']; }
			else if (c == 'ﾞ' && p >= '1') { t[--j] = (char)(t[j++] + 1); p = 0; }
			else if (c == 'ﾟ' && p == '2') { t[--j] = (char)(t[j++] + 2); p = 0; }
			else { t[j++] = c; p = 0; }
		}
		return new String(t, 0, j);
	}
}

class Main {
	public static void main(String[] args) {
		String s = "abc,ａｂｃ. はばぱ、ﾊﾊﾞﾊﾟ。";
		System.out.println(s);
		System.out.println(HanZen.conv(s));
	}
}

追記
全角数字の変換が抜けていました。
if (c >= 'Ａ' && c <= 'Ｚ' || c >= 'ａ' && c <= 'ｚ') {
を
if (c>='Ａ' && c<='Ｚ' || c>='ａ' && c<='ｚ' || c>='０' && c<='９') {
に修正してください。

Comments

[masaya_ohashi]

文字コードを数字として扱って引き算でオフセットを取る原始的なやり方、かつ濁音半濁音をしっかりサポートしてるのはすごいと思いました。

Answer 4

万能薬はなかなかない。ルールが独特ならシコシコやるしかないとおもいます。

import java.util.Arrays;
public class Hoge {
  private static final String[][] table = {
      {"ｱ", "ア"},
      {"ｲ", "イ"},
      {"ｶﾞ", "ガ"},
      {"ﾈ", "ネ"},
      {"ﾝ", "ン"},
  };
  private static String conv(final String input) {
    return
        Arrays.stream(table)
            .reduce(
                input,
                (text, t) -> text.replace(t[0], t[1]),
                (a, b) -> null);
  }
  public static void main(final String[] argss) {
    final String input = "ｱｶﾞネｲﾛ";
    final String out = conv(input);
    System.out.println(String.format("%s -> %s", input, out));
  }
}
// ｱｶﾞネｲﾛ -> アガネイﾛ

Comments

[masaya_ohashi]

うーん…それしかないですかね…もう少し回答待ちしたいと思います。

[shiketa]

`com.ibm.icu.text.Transliterator#getInstance("Halfwidth-Fullwidth").transliterate(str)`と書いて、あとで見たヒトがぱっと理解してくれるような環境ならいいのでしょうが、なかなか...(^^;