NAME

Unicode::Japanese - 日本語文字コード変換

SYNOPSIS

use Unicode::Japanese;

# convert utf8 -> sjis

print Unicode::Japanese->new($str)->sjis;

# convert sjis -> utf8

print Unicode::Japanese->new($str, 'sjis')->get;

# convert sjis（imode絵文字） -> utf8

print Unicode::Japanese->new($str, 'sjis-imode')->get;

# convert 全角（utf8） -> 半角（utf8）

print Unicode::Japanese->new($str)->z2h->get;

DESCRIPTION

Unicode::Japanese は，日本語の文字コードの相互変換を行うモジュールです．以下のような特徴があります．

Unicode::Japanese のインスタンスは，UTF-8 で文字列を保持します．
XSを使用していないため，Japanese.pm をコピーするだけで使用できます．
全角半角変換，カタカナひらがな変換をサポートしています．
携帯電話(DoCoMo i-mode，ASTEL dot-i，J-PHONE J-Sky)の絵文字をUnicode私用領域にマッピングすることで，DB等で安全に扱うことができます．
異なる携帯電話同士で，同じイメージの絵文字は相互変換することが可能です．
SJISは，MS-CP932 とみなして Unicode とマッピングを行います．
Unicode -> SJIS（EUC/JIS）マッピング時，SJIS で表現できない文字は &#xxxx; 形式に変換します．（絵文字除く）

METHODS

$s = Unicode::Japanese->new($str [, $icode [, $encode]])

新しい Unicode::Japanese インスタンスを指定します．パラメータを指定すると，set メソッドに渡されます．

$s->set($str [, $icode [, $encode]])

$str : 文字列 $icode : 文字コード指定．省略可．省略時は 'utf8' $encode : 文字エンコード．省略可．

インスタンスに文字列をセットします．文字コード指定を省略すると UTF-8 と見なされます．

文字コードを指定する場合は，'jis', 'sjis', 'euc', 'utf8', 'ucs2', 'ucs4', 'utf16', 'utf16-ge', 'utf16-le', 'utf32', 'utf32-ge', 'utf32-le', 'ascii'，'binary', 'sjis-imode', 'sjis-doti', 'sjis-jsky', のいずれかを指定します．

文字コードを自動判別する場合は，'auto' を指定します．

文字エンコードには，'base64' のみ指定可能です． base64 を指定した場合は，base64 デコードされてから String クラスの文字列となります．

バイナリをデコードする場合は，文字エンコードタイプとして 'binary' を指定します．

'auto' 時の文字コード自動判別は，getcode メソッドにより行われます．

sjis-imode，sjis-doti，の場合，文字列中の &#xxxx; は絵文字に変換されます．

$str = $s->get

$str : 文字列(UTF-8)

文字列を UTF-8 コードで取り出します．

$code = $s->getcode($str)

$str : 文字列 $code : 文字コードを表す文字列

文字列の文字コードを自動判別します．インスタンスに保持されている文字列のコードを判別するのではないことに注意してください．

文字コード自動判別時は，以下のアルゴリズムにより判定が行われます．

UTF-32 の BOM があれば，utf32 と判定します．
UTF-16 の BOM があれば，utf16 と判定します．
UTF-32BE として正しい形式なら，utf32-be と判定します．
UTF-32LE として正しい形式なら，utf32-le と判定します．
非ASCII文字が含まれていなければ，ascii と判定します．（非ASCII文字には，エスケープシーケンス以外のコントロールコードは含まれません．）
JISエスケープシーケンスが含まれていれば，jis と判定します．
J-PHONE の絵文字が含まれていれば，sjis-jsky と判別します．
EUC コードとして正しい形式なら，euc と判定します．
SJIS コードとして正しい形式なら，sjis と判定します．
SJIS と i-mode の絵文字として正しい形式なら，sjis-imode と判別します．
SJIS と dot-i の絵文字として正しい形式なら，sjis-doti と判別します．
UTF-8 として正しい形式なら，utf8 と判定します．
いずれにも当てはまらない場合，unknown と判定します．

以上のアルゴリズムのため，以下の点に注意してください．

UTF-8 文字列でも，SJISコードと見なされる可能性があります．
UCS2 の自動判別はできません．
UTF-16 は BOM がある場合のみ自動認識します．
携帯絵文字は，バイナリで直接絵文字がある場合のみ認識できます． &#xxxxx; 形式で記述されている場合は，携帯絵文字の自動判別は行われません．（&#xxxxx; のみの場合，参照先が異なるため，その後 getcode の結果を基に変換を行うと，絵文字が化けます．）

$str = $s->conv($ocode, $encode)