在Active Record Callback中验证日语字符

Question

我有一个需要验证半宽和全宽日文字符的日文项目,半宽度允许14个字符,全宽度允许7个字符.

有没有人知道如何实现它？

现在我的模特

class Customer
   validates_length_of :name, :maximum => 14
end

不是一个好选择

我目前正在使用ror 2.3.5可以使用全宽和半宽

Answer 1

首先,全角(全角)和半角(半角)的概念仅存在于日语中的两种类型的字符:

• 罗马字符(即拉丁文)
• 片假名人物

韩语韩语也存在类似的概念,但日语平假名和汉字不存在.

对于片假名,半角字符有自己的Unicode代码点,并且它们的大小是全角字符的一半,尽管它们的形状相同.例:

全宽"ka":カ
半宽"ka ":カ

在半宽版本中不存在组合字符(即像ガ那样的变音符号); 它们必须被编码为两个单独的字符:カ+゙,这可能是你的任务中允许两倍宽度的两倍字符的原因.(请注意,这两个代码点的组合被视为组合字符,通常呈现为一个.)

对于罗马(拉丁)字符,通常的ASCII字符称为半宽,但日语代码范围的Unicode(以及传统的日本特定字符集)为全宽版本提供单独的代码范围.例:

全宽:L
半宽:L

对于非ASCII拉丁语派生字符(例如德语变音符号),也不存在重音版本的全宽版本.但是,它们存在数字和一些标点字符.

同样,平假名和汉字没有半宽版本.

要检查字符是全角还是半宽字符,请将代码点与相关代码范围进行比较.范围如下:

半 宽片假名:0xff61通过0xff9f
全宽片假名:0x30a0通过0x30ff
半宽罗马:0x21通过0x7e(这是ASCII)
全宽罗马:0xff01通过0xff60
平假名:0x3041通过0x309f
汉字(即统一表意符号范围):0x4e00通过0x9fcc

这是一个简单的Ruby程序,它基于每个字符执行检查:

# -*- coding: utf-8 -*-

def is_halfwidth_katakana(c)
  return (c.ord >= 0xff61 and c.ord <= 0xff9f)
end

def is_fullwidth_katakana(c)
  return (c.ord >= 0x30a0 and c.ord <= 0x30ff)
end

def is_halfwidth_roman(c)
  return (c.ord >= 0x21 and c.ord <= 0x7e)
end

def is_fullwidth_roman(c)
  return (c.ord >= 0xff01 and c.ord <= 0xff60)
end

def is_hiragana(c)
  return (c.ord >= 0x3041 and c.ord <= 0x309f)
end

def is_kanji(c)
  return (c.ord >= 0x4e00 and c.ord <= 0x9fcc)
end

text = "Hello World?????????????????????????????? ???\n"

text.split("").each do |c|
  if is_halfwidth_katakana(c)
    type = "halfwidth katakana"
  elsif is_fullwidth_katakana(c)
    type = "fullwidth katakana"
  elsif is_halfwidth_roman(c)
    type = "halfwidth roman"
  elsif is_fullwidth_roman(c)
    type = "fullwidth roman"
  elsif is_hiragana(c)
    type = "hiragana"
  elsif is_kanji(c)
    type = "kanji"
  end

  printf("%c (%x) %s\n",c,c.ord,type)
end

进一步说明

1. 上面的代码范围是每种字符类型的官方Unicode范围(请参阅Unicode全宽格式和Unicode平假名).这些包括旧/传统形式或特殊标点字符的某些全宽/半宽版本的字符.如果您只需要Web表单中常用的字符(例如,人们输入其名称),您可能希望稍微缩小范围.

2. 建议:如果这是针对人们可以输入姓名的网络表单,您可能需要做的不仅仅是检查半宽或全宽.它在日本的网站和注册表格上非常普遍,尤其是 与银行一起要求人们以纯半宽(通常为拉丁语)或纯全宽(通常为片假名)输入其名称.不幸的是,这使得输入数据非常不方便.启用日语输入法时,拉丁字符通常以全宽版本出现,然后Web表单将拒绝数据,因为它不是纯半宽.它应该自动将其转换为所需的任何形式,而不是拒绝它.您可以通过从一个代码范围转换到另一个代码范围(只需添加相关常量)轻松实现这一点,并使人们的生活更加轻松.

Answer 2

以下代码可能会让您超越线路,以满足您在最短时间内指定的确切要求.它使用Moji gem(日文文档),它提供了许多方便的方法来确定日语字符串的内容.

它证实在最多14个字符name的是仅由半角字符,和最多7个字符为name小号否则(包括含有的半波和全角字符的组合的名称,即甚至一个全的存在字符串中的宽度字符将使整个字符串被视为"全宽").

class Customer 

  validates_length_of :name, :maximum => 14, 
    :if => Proc.new { |customer| half_width?(customer.name) }
  validates_length_of :name, :maximum => 7
    :unless => Proc.new { |customer| half_width?(customer.name) }

  def half_width?(string)
    Moji.type?(string, Moji::HAN_KATA)
  end

end

做出的假设:

1. 系统内的数据编码为UTF-8,并在数据库中存储; 任何进一步必要的重新编码(例如将数据传递到遗留系统等)在另一个模块中完成.
2. 在将数据保存到数据库之前不会自动转换半到全角字符,即数据库中允许使用半角字符,原因可能是遗留系统集成,正确保留实际用户输入(!)和/或审美半角字符的值(!)
3. 半角字符中的变音符号被视为它们自己的单独字符(即,为了确定字符串长度,不将カ和pars解析为一个字符)
4. 你指定的只有一个名字字段,而不是四个(姓氏,姓氏假名,名字,名字假名),现在很常见.