/ 
Lingua-JA-Moji-0.60
River stage one • 4 direct dependents • 6 total dependents
/ Lingua::JA::Moji-ja

名前

Lingua::JA::Moji - 総合日本文字変換「文字ュール」

概要

Convert romanised Japanese to and from kana:

use utf8;
use Lingua::JA::Moji qw/kana2romaji romaji2kana/;
my $romaji = kana2romaji ('あいうえお');
print "$romaji\n";
my $kana = romaji2kana ($romaji);
print "$kana\n";

produces output

aiueo
アイウエオ

(This example is included as synopsis.pl in the distribution.)

Convert between different forms of kana:

use utf8;
use Lingua::JA::Moji ':all';
my $h = 'あいうえおがっぷぴょん';
print kata2hira ($h), "\n";
print hira2kata (kata2hira ($h)), "\n";
print kana2hw ($h), "\n";
print kata2hira (hw2katakana (kana2hw ($h))), "\n";
# Silly circled kana
print kana2circled ($h), "\n";

produces output

あいうえおがっぷぴょん
アイウエオガップピョン
ｱｲｳｴｵｶﾞｯﾌﾟﾋﾟｮﾝ
あいうえおがっぷぴょん
㋐㋑㋒㋓㋔㋕゛ッ㋫゜㋪゜ョン

(This example is included as syn-kana.pl in the distribution.)

VERSION

This document describes Lingua::JA::Moji version 0.60 corresponding to git commit 9ad3d6b5308d54f0c1eae61dc5bf7119c2670074 made on Wed Feb 14 15:11:13 2024 +0900.

説明

本モジュールはあらゆる日本の文字変換を目的とします。

全ての関数はユニコードを必要とします。全ての入出力はutf-8でします。

ローマ字変換

かな ⇄ ローマ字

is_romaji

use Lingua::JA::Moji 'is_romaji';
# The following line returns "undef"
is_romaji ("abcdefg");
# The following line returns a defined value
is_romaji ('loyehye');
# The following line returns a defined value
is_romaji ("atarimae");

アルファベットの列はローマ字に見えるなら真、見えないなら偽を戻します。「-」で初まる文字列の場合は戻し値が偽(undef)となります。

真の戻し値はローマ字のワープロ変換。

これはローマ字を変換してみて、成功する場合「ローマ字だ」という原理で働きますので、色々な文字列を受けます。もっと厳密に確認したい時は"is_romaji_strict"をお勧めします。

is_romaji_semistrict

use Lingua::JA::Moji 'is_romaji_semistrict';
# The following line returns "undef"
is_romaji_semistrict ("abcdefg");
# The following line returns "undef"
is_romaji_semistrict ('loyehye');
# The following line returns a defined value
is_romaji_semistrict ("atarimae");
# The following line returns a defined value
is_romaji_semistrict ("pinku no dorufin");

"is_romaji_strict"と"is_romaji"の間にローマ字ですが厳密に日本語ではない言葉もあります。例えば、"pinku no dorufin"は「ピンク ノ ドルフィン」というカタカナになりますが純粋日本語ではありません。is_romaji_semistrictはこういう言葉をみとめても、is_romajiのように出鱈目の文字を許さないというものです。

is_romaji_strict

use Lingua::JA::Moji 'is_romaji_strict';
# The following line returns "undef"
is_romaji_strict ("abcdefg");
# The following line returns "undef"
is_romaji_strict ('loyehye');
# The following line returns a defined value
is_romaji_strict ("atarimae");

アルファベットの列はローマ字に見えるなら真、見えないなら偽。"is_romaji"より厳しく、コンピューター入力に見えるかどうかではなく、「日本語になる」かどうか確認します。

真の値はローマ字のワープロ変換です。

"0.27"から

is_voiced

use Lingua::JA::Moji 'is_voiced';
if (is_voiced ('が')) {
     print "が is voiced.\n";
}

仮名かローマ字は濁音（゛）、半濁音（゜）がついていれば、真、ついていなければ偽（undef)。

kana2romaji

仮名をローマ字に.

use Lingua::JA::Moji 'kana2romaji';
$romaji = kana2romaji ("うれしいこども");
# $romaji = 'uresîkodomo'

仮名をローマ字に変換。

オプションは関数の２番目の引数でハシュリファレンスとして入ります。

use utf8;
$romaji = kana2romaji ("しんぶん", {style => "hepburn"});
# $romaji = "shimbun"

可能なオプションは

style

ローマ字の種類。

undef

ディフォルトは日本式（「つづり」が「tuduri」, 「少女」が「syôzyo」）。

passport

パスポート式（「いとう」が「itoh」になります。）

kunrei

訓令式（小学校４年生が習うローマ字法）

hepburn

ヘボン式（「つづり」が「tsuzuri」, 「少女」が「shōjo」）。 これを選べば、下記のuse_mが真になり、ve_typeがmacronになります。hepburnは厳しい意味でやりますので、"common"のほうが役に立つかもしれません。

common

「ジェット」が「jetto」になります。「ウェ」が「we」になります。つまり普通のローマ字です。

wapuro

ワープロローマ字。長音符を使いません。「少女」が「shoujo」など、ASCIIのみの記号で表記するローマ字です。

use_m

真なら「しんぶん」が「shimbun」、「ぐんま」が「gumma」 偽なら「しんぶん」が「shinbun」、「ぐんま」が「gunma」

"hepburn"を選ぶとき、use_mが真になってしまいますが、都合が悪いときにはuse_mをundef意外の偽の値にに設定してください：

    my $romaji = kana2romaji ($hiragana,
			  {style => 'hepburn', 
			   ve_type => 'wapuro',
			   use_m => 0,});

面倒くさいデフォルトお詫びします。

ve_type

長い母音はどの様に表現するか選ぶために使います。

undef

曲折アクセント(ô)を使います。

macron

マクロン(ō)を使います。

passport

「アー」、「イー」、「ウー」、「エー」が「a」, 「i」, 「u」, 「e」になり、「オー」が「oh」になります。

none

「アー」、「イー」、「ウー」、「エー」が「a」, 「i」, 「u」, 「e」, 「o」になります。

wapuro

ワープロローマ字のように表示する。「アー」、「イー」、「ウー」、「エー」が「a-」, 「i-」, 「u-」, 「e-」,「o-」になります。「おう」が「ou」など、仮名の長音を仮名で代表するよう、ローマ字入力のようなことです。

wo
kana2romaji ("ちりぬるを", { wo => 1 });

"wo"が真なら、「を」が"wo"になります。そうでもない場合は"o"になります。

kana_consonant

use Lingua::JA::Moji 'kana_consonant';
$consonant = kana_consonant ('ざる');
# $consonant = 's'

Given a kana input, return the "dictionary order" consonant of the first kana. If the first kana is any of あいうえお, it returns an empty string. If the kana is an unvoiced kana, it returns the corresponding consonant of the first kana in the Nippon-shiki romanisation. If the kana is a voiced kana, it returns the corresponding consonant of the unvoiced version of the first kana in the Nippon-shiki romanisation.

This enables Japanese words to be sorted into the order used in Japanese dictionaries, where the voiced/unvoiced distinction between, for example, za and sa, or ta and da, is ignored.

normalize_romaji

use Lingua::JA::Moji 'normalize_romaji';
$normalized = normalize_romaji ('tsumuji');

normalize_romajiはかなやローマ字で書いた言葉を比べるため、かなやローマ字の言葉を決まったローマ字の書き方になおします。この「決まった」ローマ字は本モジュール限定のもので、あくまでも違ったかなや違ったローマ字法で書いた言葉を比べるためだけのものに過ぎませんので、正式なローマ字法と間違わないようによろしくおねがいします。

romaji2hiragana

ローマ字をひらがなに.

use Lingua::JA::Moji 'romaji2hiragana';
$hiragana = romaji2hiragana ('babubo');
# $hiragana = 'ばぶぼ'

ローマ字をひらがなに変関します。オプションは"romaji2kana"と同じ。"wapuro"オプションもオンにして、「ou」が「おー」ではなく、「おう」になります。

romaji2kana

ローマ字を仮名に.

use Lingua::JA::Moji 'romaji2kana';
$kana = romaji2kana ('yamaguti');
# $kana = 'ヤマグチ'

ローマ字をカタカナに変換します。ローマ字はできるだけ幅広く受け入れます。 ローマ字をひらがなに変換したいときは"romaji2hiragana"をお使いください。

ローマ字変換のオプションは関数の２番目の引数でハシュリファレンスとして入る。

$kana = romaji2kana ($romaji, {wapuro => 1});

長音「ou」を「オー」ではなく、「オウ」にしたいときはwapuroを真にします wapuro => 1。

$kana = romaji2kana ($romaji, {ime => 1});

ime => 1オプションでIMEのような変換ができます。たとえば、"gumma"が「グッマ」、"onnna"が「オンナ」となります。パスポートローマ字 ("Ohshimizu") は無効となります。

これはどんな入力でも仮名に変換しようとします。ローマ字日本語の確認のためには"is_romaji"、"is_romaji_strict"、"is_romaji_semistrict"もあります。

romaji_styles

use Lingua::JA::Moji 'romaji_styles';
my @styles = romaji_styles ();
# Returns a true value
romaji_styles ("hepburn");
# Returns the undefined value
romaji_styles ("frogs");

引数があれば、その引数をローマ字方法として認めるなら真、認めないなら偽です。

引数がなければ、すべてのローマ字方法をハシュリファレンスの列として戻します。

romaji_vowel_styles

use Lingua::JA::Moji 'romaji_vowel_styles';

有効な母音スタイルのリスト・レファレンス

仮名

仮名を仮名に変換する関数。

cleanup_kana

use Lingua::JA::Moji 'cleanup_kana';

雑な仮名遣いや間違ったかな入力を直します。ローマ字やひらがなを片仮名に変換します。仮名として漢字を使うような間違いも直します。例えば「一」（漢字のいち）を「ー」（長音）に。

"0.46"から

hira2kata

ひらがなをカタカナに.

use Lingua::JA::Moji 'hira2kata';
$katakana = hira2kata ('ひらがな');
# $katakana = 'ヒラガナ'

平仮名をかたかなに変換します。長音符は変わりません。（「オー」は「おう」になりません。）

hw2katakana

半角カタカナをカタカナに.

use Lingua::JA::Moji 'hw2katakana';
$full_width = hw2katakana ('ｱｲｳｶｷｷﾞｮｳ｡');
# $full_width = 'アイウカキギョウ。'

半角カタカナを全角カタカナに変換します。

InHankakuKatakana

use Lingua::JA::Moji 'InHankakuKatakana';
use utf8;
if ('ｱ' =~ /\p{InHankakuKatakana}/) {
    print "ｱ is half-width katakana\n";
}

InHankakuKatakanaは正規表現に使う半角カタカナにマッチします。

InKana

use Lingua::JA::Moji 'InKana';
$is_kana = ('アイウエオ' =~ /^\p{InKana}+$/);
# $is_kana = '1'

正規表現に使うかたかなとひらがなにマッチします。

詳しくいうと以下の正規表現

qr/\p{Katakana}|\p{InKatakana}|\p{InHiragana}|ｰ|ﾞ|ﾟ>/

と殆ど同じことにマッチしますが、\p{Katakana}がマッチする未使用のコードポイントはマッチしません。「・」もマッチしません。変体仮名もマッチしません。

is_hiragana

use Lingua::JA::Moji 'is_hiragana';

入力が平仮名のみの場合、真、入力が平仮名なでない文字を含む場合、偽(undef)。「ー」があれば偽になります。

is_kana

use Lingua::JA::Moji 'is_kana';

入力が仮名のみの場合、真、入力が仮名なでない文字を含む場合、偽(undef)。

is_katakana

use Lingua::JA::Moji 'is_katakana';

Returns a true value if the string is katakana. At the moment this doesn't do the half-width katakana or squared symbol katakana.

is_small

use Lingua::JA::Moji 'is_small';
$is_small = ('ぁ');

Returns a true value for small kana, kana which have a bigger version as well, such as ぁ and あ.

join_sound_marks

use Lingua::JA::Moji 'join_sound_marks';
$joined = join_sound_marks ('か゛は゜つ゛');
# $joined = 'がぱづ'

濁点、半濁点をできる限り仮名につけます。「カ゛」-> 「ガ」など。残っている濁点を消します。

"0.53"から

kana2hw

仮名を半角カタカナに.

use Lingua::JA::Moji 'kana2hw';
$half_width = kana2hw ('あいウカキぎょう。');
# $half_width = 'ｱｲｳｶｷｷﾞｮｳ｡'

あらゆる仮名文字を半角カタカナに変換します。かたかなのみを変換する場合は"katakana2hw"を使ってください。

kana2katakana

仮名をカタカナに.

use Lingua::JA::Moji 'kana2katakana';

全角かたかな、ひらがな、半角かたかな、丸かたかななどあらゆる「仮名」を全角かたかなに変換します。濁点と半濁点を"join_sound_marks"により仮名に付けます。付けられない仮名は消します。

kana_to_large

use Lingua::JA::Moji 'kana_to_large';
$large = kana_to_large ('ぁあぃい');
# $large = 'ああいい'

「ぁ」など小さい仮名を「あ」に変換します。

kata2hira

カタカナをひらがなに.

use Lingua::JA::Moji 'kata2hira';
$hiragana = kata2hira ('カキクケコ');
# $hiragana = 'かきくけこ'

かたかなを平仮名に変換します。長音符は変換しません。半角かたかなを変換しません。

katakana2hw

カタカナを半角カタカナに.

use Lingua::JA::Moji 'katakana2hw';
$hw = katakana2hw ("あいうえおアイウエオ");
# $hw = 'あいうえおｱｲｳｴｵ'

全角かたかなを半角かたかなに変換し、ひらがなをそのままにします。"kana2hw"も参照。

katakana2square

use Lingua::JA::Moji 'katakana2square';
$sq = katakana2square ('カロリーアイウエオウォン');
# $sq = '㌍アイウエオ㌆'

可能なかぎり、「ウォン」を「㌆」にするなど。

katakana2syllable

use Lingua::JA::Moji 'katakana2syllable';
$syllables = katakana2syllable ('ソーシャルブックマークサービス');

カタカナをシラブルにわけます。たとえば、「ソーシャル」をsplitなどで文字に分けると'ソ', 'ー', 'シ', 'ャ', 'ル'になりますがソ、シ、ルは言えるのに、「ー」と「ャ」は口にできない文字です。なのでこの間数は日本語の「原子」の'ソー', 'シャ', 'ル'にわけます。撥音(ん)は前の仮名と一つになります。例えば、「フラナガン」は「フ」, 「ラ」, 「ナ」, 「ガン」となります。

元々の作った理由は外国人の宛字名前制作のためでした。外国人の名前を仮名に変換した後に、その当て字を当てるためにそのかなをシラブルに分けます。その他の利用はカタカナを英語に変換で、片仮名が何もマッチしない場合、言葉を部分に分けるために使っています。

"0.24"から

nigori_first

use Lingua::JA::Moji 'nigori_first';
my @list = (qw/カン スウ ハツ オオ/);
nigori_first (\@list);
# Now @list = (qw/カン スウ ハツ オオ ガン ズウ バツ パツ/);

一番最初のかなに濁点又は半濁点をつけます。

漢字を探すために使う予定だったのですが、現在使っていません。

"0.36"から

smallize_kana

use Lingua::JA::Moji 'smallize_kana';
$smallize = smallize_kana ('オキヤクサマガカツタ');
# $smallize = 'オキャクサマガカッタ'

試しに、モースコードなど、「っ」や「ゃゅょ」がない片仮名を拗音(ゃゅょ)と促音(っ)がある片仮名に変えます。昔の仮名使いを現代のに直すなどに使います。正確に変えることではなく、できるだけ変えることしますので、たとえば正確に「シヨツチユウ」を「ショッチュウ」にはするものの「ちよだ」を「ちょだ」にもしますので、頭の良い関数ではなく、最大限に変換する関数です。

"0.46"から

split_sound_marks

use Lingua::JA::Moji 'split_sound_marks';
$split = split_sound_marks ('ガパヅ');
# $split = 'カ゛ハ゜ツ゛'

濁点、半濁点を仮名からわけます。-> 「が」-> 「か゛」など。半濁点はU+309B、濁点はU+309Cとなります。

"0.53"から

square2katakana

use Lingua::JA::Moji 'square2katakana';
$kata = square2katakana ('㌆');
# $kata = 'ウォン'

「㌆」を「ウォン」にするなど。

strip_sound_marks

use Lingua::JA::Moji 'strip_sound_marks';

Strip sound marks from kana, so that for example パン (katakana pan) becomes ハン (katakana han).

"0.59"から

変体仮名

変体仮名はUnicode 10.0 (２０１７年６月）にあたらしいです。

hentai2kana

use Lingua::JA::Moji 'hentai2kana';

変体仮名をひらがなに変換します。複数のかなにあてはまる変体仮名は「・」でつないだ列になります。

"0.43"から

hentai2kanji

use Lingua::JA::Moji 'hentai2kanji';
$kanji = hentai2kanji ('𛀢');
# $kanji = '家'

変体仮名を漢字に変換します。

"0.43"から

kana2hentai

use Lingua::JA::Moji 'kana2hentai';
$hentai = kana2hentai ('ケンブ');
# $hentai = '𛀢・𛀲・𛀳・𛀴・𛀵・𛀶・𛀷𛄝・𛄞𛂰・𛂱・𛂲゛'

あてはまる変体仮名があるかぎり、普通の仮名を変体仮名に変換します。複数の仮名があれば、「・」で分けます。濁点と半濁点は"split_sound_marks"により仮名と分けてから変換します。

"0.43"から

kanji2hentai

use Lingua::JA::Moji 'kanji2hentai';
$kanji = kanji2hentai ('家');
# $kanji = '𛀢'

あてはまる変体仮名があるかぎり、漢字を変体仮名に変換します。

"0.43"から

全角英数字

全角英数字の変換・認識。

ascii2wide

半角英数字を全角英数字に.

use Lingua::JA::Moji 'ascii2wide';
$wide = ascii2wide ('abCE019');
# $wide = 'ａｂＣＥ０１９'

半角英数字(ASCII)を全角英数字に変換します。

InWideAscii

use Lingua::JA::Moji 'InWideAscii';
use utf8;
if ('Ａ' =~ /\p{InWideAscii}/) {
    print "Ａ is wide ascii\n";
}

正規表現に使う全角英数字にマッチします。

wide2ascii

全角英数字を半角英数字に.

use Lingua::JA::Moji 'wide2ascii';
$ascii = wide2ascii ('ａｂＣＥ０１９');
# $ascii = 'abCE019'

全角英数字を半角英数字(ASCII)に変換します。

その他の文字

braille2kana

点字を仮名に.

use Lingua::JA::Moji 'braille2kana';

点字をかたかなに変換します。

circled2kana

丸付けカタカナを仮名に.

use Lingua::JA::Moji 'circled2kana';
$kana = circled2kana ('㋐㋑㋒㋓㋔');
# $kana = 'アイウエオ'

丸がついているかたかなを全角かたかなに変換します。

kana2braille

仮名を点字に.

use Lingua::JA::Moji 'kana2braille';

仮名を点字に変換します。

欠点

きちんとしたてすとがありません。日本語を本物の点字に変換することはわたちがきが必要ですがこの関数はそれをしませんので、不十分な変換機能です。

kana2circled

仮名を丸付けカタカナに.

use Lingua::JA::Moji 'kana2circled';
$circled = kana2circled ('アイウエオガン');
# $circled = '㋐㋑㋒㋓㋔㋕゛ン'

仮名を丸付けかたかなに変換します。丸付け「ン」がありませんので、「ン」はそのままとなります。濁点・半濁点は"split_sound_marks"により仮名から分けられてから変換されたので、「が」が「㋕゛」になります。

丸付け片假名はユニコード32D0〜32FEにあります。

kana2morse

仮名を和文モールス符号に.

use Lingua::JA::Moji 'kana2morse';
$morse = kana2morse ('ショッチュウ');
# $morse = '--.-. -- .--. ..-. -..-- ..-'

かなをもーすこーどに変換します。日本語のもーすこーどは「っ」など小さいかなを表現できないので、仮名をもーすこーどにして、もーすこーどからまた仮名にする場合は「しょっちゅう」が「シヨツチユウ」になります。

morse2kana

和文モールス符号を仮名に.

use Lingua::JA::Moji 'morse2kana';
$kana = morse2kana ('--.-. -- .--. ..-. -..-- ..-');
# $kana = 'シヨツチユウ'

モースコードをかなに変換します。（本物のもーすこーどは分かち書きが必要です。）

漢字

bad_kanji

use Lingua::JA::Moji 'bad_kanji';
my @bad_kanji = bad_kanji ();

否定的な意味（病名、不愉快な物、軽率の意味など）の漢字。 https://www.lemoda.net/japanese/offensive-kanji/index.html。

"0.47"から

bracketed2kanji

use Lingua::JA::Moji 'bracketed2kanji';
$kanji = bracketed2kanji ('㈱');
# $kanji = '株'

括弧漢字を普通の漢字に変換します。

circled2kanji

use Lingua::JA::Moji 'circled2kanji';
$kanji = circled2kanji ('㊯');
# $kanji = '協'

丸付け漢字を普通の漢字に変換します。

kanji2bracketed

use Lingua::JA::Moji 'kanji2bracketed';
$kanji = kanji2bracketed ('株');
# $kanji = '㈱'

普通の漢字を括弧漢字に変換します。括弧形がある漢字は数少ないので、ご了承ください。当てはまる括弧漢字がなければ、そのままにします。

kanji2circled

use Lingua::JA::Moji 'kanji2circled';
$kanji = kanji2circled ('協嬉');
# $kanji = '㊯嬉'

漢字を丸付け漢字に変換します。

new2old_kanji

親字体を旧字体に.

use Lingua::JA::Moji 'new2old_kanji';
$old = new2old_kanji ('三国 連太郎');
# $old = '三國 連太郎'

親字体を旧字体に変換します。

欠点

新旧字体の情報は確認不足です。「弁」は旧字体が三つありますなので、変換不可能です。

old2new_kanji

旧字体を親字体に.

use Lingua::JA::Moji 'old2new_kanji';
$new = old2new_kanji ('櫻井');
# $new = '桜井'

旧字体を親字体に変換します。

yurei_moji

use Lingua::JA::Moji 'yurei_moji';
my @yurei = yurei_moji ();

幽霊文字（実際には存在しない漢字）。https://www.wdic.org/w/WDIC/%E5%B9%BD%E9%9C%8A%E6%96%87%E5%AD%97ご参照ください。こちらのページの典拠不詳・典拠不明・同定不能の字です。

"0.47"から

日本語のキリル文字表記

実験的に仮名とキリル文字の変換をする。キリル文字に詳しい方の確認がありませんので、その結果をよく確認しますように。

cyrillic2katakana

キリル文字をカタカナに.

use Lingua::JA::Moji 'cyrillic2katakana';
$kana = cyrillic2katakana ('симбун');
# $kana = 'シンブン'

kana2cyrillic

仮名をキリル文字に.

use Lingua::JA::Moji 'kana2cyrillic';
$cyril = kana2cyrillic ('シンブン');
# $cyril = 'симбун'

ハングル

kana2hangul

use Lingua::JA::Moji 'kana2hangul';
$hangul = kana2hangul ('すごわざ');
# $hangul = '스고와자'

欠点

確認がありません

http://kajiritate-no-hangul.com/kana.htmlとhttp://lesson-hangeul.com/50itiranhyo.htmlを元にして使りみましたが正しいかどうかわかりません。

逆変換がありません

ハングルから仮名への変換機能はありません。

参考資料

CPANの本モジュール意外のものは次にあります

ローマ字かな変換

Data::Validate::Japanese

This contains four validators for kanji and kana, is_hiragana, corresponding to "is_hiragana" in this module, and three more, is_kanji, is_katakana, and is_h_katakana, for half-width katakana.

Lingua::JA::Fold

Full/half width conversion, collation of Japanese text, including handling of line breaks.

Lingua::JA::Hepburn::Passport

Passport romanization, which means converting long vowels into "OH". This corresponds to "kana2romaji" in the current module using the passport => 1 option, for example

$romaji = kana2romaji ("かとう", {style => 'hepburn', passport => 1});
Lingua::JA::Jtruncate

Handle character boundaries over bytes in the old Japanese encodings EUC, JIS, and Shift-JIS, for people who don't like converting to Unicode.

Until about 2008, I used to use CP932 (Microsoft variant of Shift-JIS) in Perl programs, until I had the bad experience of tracking down a very strange bug caused by the "kanji space", U+3000, containing an @ mark when written in CP932, and being interpreted by Perl as an array.

Lingua::JA::Kana

This contains convertors for hiragana, half width and full width katakana, and romaji. As of version 0.07 [Aug 06, 2012], the romaji conversion is less complete than this module.

Lingua::JA::NormalizeText

A huge collection of normalization functions for Japanese text. If Lingua::JA::Moji does not have it, Lingua::JA::NormalizeText may do.

Lingua::JA::Onbiki

Convert a Japanese tilde character into the appropriate vowel. To achieve this with Lingua::JA::Moji, see the following example:

use utf8;
use Lingua::JA::Moji ':all';
for (qw/あったか〜い つめた〜い ん〜 アッタカ〜イ/) {
    my $word = $_;
    while ($word =~ /(\p{InKana})〜/ && $1 ne 'ん') {
        my $kana = $1;
        my $romaji = kana2romaji ($kana);
        $romaji =~ s/[^aiueo]//g;
        my $vowel = romaji2kana ($romaji);
        if ($kana =~ /\p{InHiragana}/) {
            $vowel = kata2hira ($vowel);
        }
        $word =~ s/$kana〜/$kana$vowel/g;
    }
    print "$_ -> $word\n";
}

produces output

あったか〜い -> あったかあい
つめた〜い -> つめたあい
ん〜 -> ん〜
アッタカ〜イ -> アッタカアイ

(This example is included as onbiki.pl in the distribution.)

Lingua::JA::Regular::Unicode

This includes hiragana to katakana, full width / half width, and wide ascii conversion. The strange name is due to its being an extension of Lingua::JA::Regular using Unicode-encoded strings.

Lingua::JA::Romaji

Romaji to kana/kana to romaji conversion.

Lingua::JA::Romaji::Valid

Validate romanized Japanese. This module does something similar to "is_romaji", "is_romaji_strict", and "is_romaji_semistrict" in Lingua::JA::Moji, but it has some extra options as well.

Lingua::JA::Romanize::Japanese

Romanization of Japanese. The module also includes romanization of kanji via the kakasi kanji to romaji convertor, and other functions.

漢字かな変換

Lingua::JA::Romanize::Japanese

Romanization of Japanese language via kakasi.

Lingua::JA::Romanize::MeCab

Romanization of Japanese language with MeCab

Text::MeCab
Data::HanConvert

🐉 "The data for converting between traditional and simplified Chinese languages"

Encode::CNMap

🐉 "enhanced Chinese encodings with Simplified-Traditional auto-mapping"

Encode::HanConvert

🐉 "Traditional and Simplified Chinese mappings"

Lingua::KO::Munja

This is similar to the present module for Korean.

Lingua::ZH::HanConvert

🐉 "Convert between Traditional and Simplified Chinese characters"

Regexp::Chinese::TradSimp

🐉 "Take a string containing Chinese text, and turn it into a traditional-simplified-insensitive regexp."

本

本モジュールの説明が冨田尚樹氏の「Perl CPANモジュールガイド」にあります。 (ISBN 978-4862671080 WEB+DB PRESS plus, 2011年4月出版)

EXPORT

This module exports its functions only on request. To export all the functions in the module,

use Lingua::JA::Moji ':all';

DEPENDENCIES

Carp

Carp is used to report errors.

Convert::Moji

This is used for most of the work of the module.

JSON::Parse

This is used to read in some of the data.

ACKNOWLEDGEMENTS

Thanks to Naoki Tomita, David Steinbrunner, and Neil Bowers for fixes.

HISTORY

"Moji" (文字) means "letters" in Japanese. I started Lingua::JA::Moji out of a need for more comprehensive handling of Japanese text than was offered by any of the existing modules on CPAN. There were a lot of modules offering piecemeal romaji/kana conversions or hiragana/katakana conversions, but nothing comprehensive or robust. Lingua::JA::Moji was originally a private module. Most of the functions in the module are things I needed for my own projects.

The design using Convert::Moji was part of an abandoned plan to make a cross-language module which could produce, say, a JavaScript converter doing the same things as this Perl one, using the same text sources.

I wasn't really sure whether to release it, but eventually I released it to CPAN as a result of requests for the source code of an online romaji/kana converter by website users. The module interface, in particular the hash reference options to "kana2romaji" and "romaji2kana", is rather messy, and some of the defaults are rather strange, but since it was described in Naoki Tomita's book, and some people may be using it as is, I'm not very keen to change it in incompatible ways.

0.24

This version added "katakana2syllable".

0.27

This version added "is_romaji_strict".

0.36

This version added the "nigori_first" function.

0.37

This version added "is_romaji_semistrict".

0.43

This version added support for hentaigana. This is based on copy and paste of the Unicode 10.0 standard draft documents. See the directory data in the github repository for the files used to generate this data.

0.46

This version disallowed hyphens as the first character of a romaji string and added "smallize_kana" and "cleanup_kana".

0.47

This version added a list of the "Yūrei moji" (幽霊文字), false kanji, and changed romanisation somewhat.

0.48

This version changed "kana2romaji" to be consistent with the documentation for the long vowel options wapuro and none.

0.53

This version added "join_sound_marks" and "split_sound_marks" to the module.

0.54

This version removed a function kana_order from the module. It improved the behaviour of "is_romaji_strict" after comparing its negatives and positives with a large number of English and nonsense words. It improved the behaviour of "smallize_kana" with regard to the "tsu" kana. "cleanup_kana" was improved to deal with stray dakuten and handakuten and some other odd kanji/kana confusions.

0.58

This added "kana_consonant".

0.59

This added "strip_sound_marks".

AUTHOR

Ben Bullock, <bkb@cpan.org>

COPYRIGHT & LICENCE

This package and associated files are copyright (C) 2008-2024 Ben Bullock.

You can use, copy, modify and redistribute this package and associated files under the Perl Artistic Licence or the GNU General Public Licence.