[M1 Mac, Big Sur 11.6.7, clang 13.0.0, NO IDE]
文字列から数字、英字、ひらがな、カタカナ、漢字をそれぞれ取り出す動的ライブラリを作成しました。
ただし最初の単語しか認識せず、2番目以降は取り出しできない限定機能です。文字列全体からもれなく取り出すのであればPythonの方が簡単に書けそうです。
このような便利な動的ライブラリを作成していくとおのずと主言語はC++になっていくでしょう。
#include <cppstd.h> // 自製c++標準ライブラリ群
class CharExtract{
public:
string narrow(const wstring &src);
wstring wide(const string &src);
string extract(string str,int num);
};#include <cppstd.h> // 自製c++標準ライブラリ群
#include <CharExtract.h>
string hiragana;
string expr;
string CharExtract::narrow(const wstring &src) {
char *mbs = new char[src.length() * MB_CUR_MAX + 1];
wcstombs(mbs, src.c_str(), src.length() * MB_CUR_MAX + 1);
return mbs;
}
wstring CharExtract::wide(const string &src) {
wchar_t *wcs = new wchar_t[src.length() + 1];
mbstowcs(wcs, src.c_str(), src.length() + 1);
return wcs;
}
string CharExtract::extract(string str, int num){
if (num == 0){
expr = "[0-9]+"; // 数字
} else if (num == 1){
expr = "[a-zA-Z]+"; // 英字
} else if (num == 2){
expr = "[\\u3041-\\u309F]+"; // ひらがな
} else if (num == 3) {
expr = "[\\u30A0-\\u30FF]+"; // カタカナ
} else if (num == 4){
expr = "[\\u4E00-\\u9FFF]+"; // 漢字
}
wstring wstr = wide(str);
wstring wexpr = wide(expr);
std::wregex we(wexpr);
std::wsmatch wm;
if(std::regex_search(wstr, wm, we)){
character = narrow(wm.str());
}
return character;
}clang++ -dynamiclib -o CharExtract.dylib \
CharExtract.cpp \
-I/code/cpp/mylib/include -std=c++17#include <cppstd.h> // 自製c++標準ライブラリ群
#include <CharExtract.h>
CharExtract CE;
int main()
{
setlocale(LC_CTYPE, "");
string test = 日本語ハローわーるどHelloはろー[123]";
string number = CE.extract(test, 0);
string alphabet = CE.extract(test, 1);
string hiragana = CE.extract(test, 2);
string katakana = CE.extract(test, 3);
string kanji = CE.extract(test, 4);
cout << "数字 " << number << endl;
cout << "英字 " << alphabet << endl;
cout << "ひらがな " << hiragana << endl;
cout << "カタカナ " << katakana << endl;
cout << "漢字 " << kanji << endl;
}
--------------------------------------------------
出力
--------------------------------------------------
数字 123
英字 Hello
ひらがな わ // 長音"ー"はカタカナ扱い
カタカナ ハロー
漢字 日本語