現在preg_match_all関数を使って正規表現で機種依存文字（まずはJISコード13区に当てはまる文字）があるかどうかをチェックするロジックを作っているのですが、「大きい」などを機種依存文字（この場合は丸付き数字の4）と解釈したり、機種依存文字が1つだけなのに、エラーとして返される文字列になぜか2つ入っていたりと、いろいろと問題が多く困っています。
以下、簡単にコードを示しますので、問題点をご教示いただけるとありがたいです。なお、「きい」のところを機種依存文字（丸付き数字など）にしてチェックしていただければ、なおありがたいです。
$str = "きい";
if(preg_match_all("/([\xAD][\xA1-\xBE\xC0-\xD6\xDF\xE0-\xFC])/",$str,$ary)){
$err_flg = FALSE;
$err_ary = $ary;
}
No.1
21
3
30pt
正規表現が，２バイト文字の第２バイト以後のバイト列とマッチしています．
そうならないようにしなきゃ．
1
1
大 き い
C2E7 A4AD A4A4
~~~~~
PHP は使ったことがないので，解決策については PHP ユーザにまかせます．
ところで，２バイト目の正規表現が
[\xA1-\xBE\xC0-\xD6\xDF\xE0-\xFC]
となってますが，13区はこれ以外の部分はすべて未定義なので，
[\xA1-\xFE]
として13区皆殺しでいいと思います．
(それとも，未定義の２バイト文字はあっても無視したい？)
No.2
45328
10pt
マルチバイト文字列関数を使う。ひたすら候補を並べる。
mb_regex_encoding('EUC-JP') ;
$str = "①からい②あまい③すっぱいⅠⅡ㈱大きい㈲";
$reg = "[①-⑳Ⅰ-Ⅹ㈱㈲㈹]" ;
mb_ereg_search_init($str, $reg);
$r = mb_ereg_search();
if($r) {
$r = mb_ereg_search_getregs();
do {
print_r($r[0]);
$r = mb_ereg_search_regs();
}
while($r);
}
参照したページ
Yotaさま
ご回答ありがとうございます。
今回はpreg_match_all関数を使いたいので、この回答は後学のために参考にさせていただきます。
No.3
213
40pt
> 残念ながら状況は変わりませんでした
あ，えーと，[\xA1-\xFE] の件は解決策として書いたのではなくて，
単に13区の判定を簡単にするだけの意味で提案したものです．
… とだけ書くのも気がひけるので，ちょっと PHP の正規表現を
調べて解決策を考えてみました．
┌これでどうでしょうか？
│ (読みやすいように改行＆インデントしていますので，
│ 空白を削除して１行につなげてください．
↓ 動かしてないんでちゃんと動くかどうかわかりません．)
"/^(?:
[\x01-\x7F]|
[\xA1-\xAC\xAE-\xFE][\xA1-\xFE]|
(\xAD[\xA1-\xFE])|
\x8E[\xA1-\xDF]|
\x8F[\xA1-\xFE]{2}
)*$/"
各行の意味は次のとおりです．
ASCII：[\x01-\x7F]
JIS X 0208 (13区以外)：[\xA1-\xAC\xAE-\xFE][\xA1-\xFE]
JIS X 0208 (13区のみ)：\xAD[\xA1-\xFE]
JIS X 0201 半角カナ：\x8E[\xA1-\xDF]
JIS X 0212/0213 補助漢字：\x8F[\xA1-\xFE]{2}
noocyteさま
再度のご回答、ありがとうございます。
教えていただいたコードを参考に、下記のようなコードに作り直しました。おかげさまで、機種依存文字は除外できたのですが、preg_match_allに!をつけてしまったため、エラーとなった文字が取得できなくなってしまいました。パターンを否定できればいいのですが、その方法がどうしても見当たらず困っています（/^$pattern/が否定だと思ったのですが、ダメでした）。
$str="○13（丸付き数字の13）"
$pattern = "/^([\x01-\x7F]|[\xA1-\xAC\xAE-\xFE][\xA1-\xFE]|[^[\xAD][\xA1-\xFE]]|[\x8F][\xA1-\xFE]{2})*$/";
if(!preg_match_all($pattern,$str,$ary)){
$err_flg = FALSE;
$err_ary = $ary;
}
No.4
45328
10pt
2回答者です。訂正します。こういう正規表現でどうでしょう。
$reg = "[①-㍼≒≡∫∮∑√⊥∠∟⊿∵∩∪]" ;
参照したページ
http://www2d.biglobe.ne.jp/~msyk/charcode/kisyuizon/13-14ku.html
Yotaさま
再度のご回答、ありがとうございます。
早速試してみたのですが、残念ながら期待した結果は得られませんでした。
こちらももっと勉強しますので、もし妙案が見つかりましたら、ぜひアドバイスをお願いいたします！
No.5
45328
10pt
早速試してみたのですが、残念ながら期待した結果は得られませんでした。
そうですか。わたしのほうは元気よく拾えていますが。
テキストエディタとmb_regexエンコーディング指定は同じですか。
といってもWindows+PHP5だから、環境が違うのかもしれません。
phpinfo();のmbstringのところで、
Multibyte (japanese) regex support enabled
になっていますか。
UNIXの場合は、enable-mbregexとかしてコンパイルしないとだめかも知れません。
Yotaさま
再度のご回答、ありがとうございます。
記載し忘れていましたが、当方の環境は以下の通りです。
Red Hat Enterprise Linux Server release 5
Apache 2.2.4
PHP4.4.7
また、最初に記載した通り、今回はpreg系関数を使いますので、mb_ereg系は使用しません。ご了承ください。
少し光明が見えてきたので、いったん質問をcloseして、また別の形で質問させていただきます。
1
1
1
1
noocyteさま
ご回答、ありがとうございます。記述した正規表現は、翔泳社の正規表現辞典に従った記述です。
ただ、preg_match_all("/[\xAD][\xA1-\xFE]/",$str,$ary)に変えてみましたが、残念ながら状況は変わりませんでした（エラーとして返される文字列は期待通りになりましたが）。