Skip to content

Latest commit

 

History

History
42 lines (33 loc) · 2.28 KB

README.md

File metadata and controls

42 lines (33 loc) · 2.28 KB
Raw

JISX0213 String library

Library to handle JIS X 0213 Characters in strings

Java文字列中のJIS X 0213文字を扱うライブラリ

Features

  • String Validation based on JIS X 0213 (in consideration for migration from Windows-31J, it allows NEC special characters and IBM extensions for now)

  • Character (grapheme) count based on JIS X 0213 (can count composite characters correctly)

  • JIS X 0213にない文字が含まれていないかのチェック （Windows-31Jからの移行を想定し、今のところNEC特殊文字とIBM拡張文字は許容している）

  • JIS X 0213に基づく文字数カウント （合字も正しくカウントできる）

Advantage

  • Relatively small, because it utillizes x-SJIS_0213 Encoding object contained in JDK and does not contain the whole definition of JIS X 0213 charset.

  • It can handle composite characters like か゚ or ˩˥ properly. Some implementation treat these characters as two characters.

  • It can treat ま゜ as an invalid character properly. It is impossible if it only uses the codepoint of characters as its criteria for validation.

  • It can handles non-kanji characters in JIS X 0213 collectly. The existing implementation of JIS X 0213 validator (e.g. JIS_X_0213_Kanji.java in TERASOLUNA) does not contain definitions of non-kanji characters in JIS X 0213.

  • JDK同梱のx-SJIS_0213 Encodingオブジェクトを活用しており、 JIS X 0213文字セットの定義全体を持っていないため、ライブラリのサイズが小さい。 （ライブラリをアプリケーションに組み込んだ場合、テスト作業工数の評価等を行う際にややこしくなくて済む）

  • か゚ や ˩˥ のような合字も正しく扱える。 （実装によってはこれらの文字を正しく扱えない。 Javaでも単純にBreakIteratorを使っただけだと合字1文字を2文字とカウントしたりする）

  • ま゜ のようなJIS X 0213ではありえない合字を、ただしく不正と判定できる。 （文字のコードポイントのみを見る方法では正しく判定できない）

  • JIS X 0213に含まれる非漢字も正しく扱える。 （たとえばTERASOLNAの JIS_X_0213_Kanji.java には漢字しか含まれていない）