アイヌ語仮名「ㇷ゚」に対する正規表現の罠

導入 アイヌ語は日本語と異なり、閉音節（子音で終わる音節）も存在するので、表記の際音素文字であるラテン文字なら、そのまま p, t, k, m, n, s, r などの子音文字を後ろの付ければ良いわけなので、アイヌ語ローマ字表記では、何も問題が生じない。しかし、元々開音節言語である日本語に特化したカタカナのような仮名文字で表記する際、鼻音 n は「ン」でなんとかなる（実はそれでもまずい事になっているけどここでは割愛する）が、p, t, k, m, n, s, r, h はどうしようもないので、特殊の捨て仮名（小書き仮名文字）を利用することになっている。 具体的には以下のような特殊仮名文字（通称 アイヌ語仮名）である。 ㇷ゚ -p ッ -t ㇰ -k ㇺ -m ㇱ -s ㇻ -(a)r, ㇼ -(i)r, ㇽ -(u)r, ㇾ -(e)r, ㇿ -(o)r お分かり頂けただろうか… 問題 r

[obakeshooter]

ごく最近実写版キャストが決まった事でゴールデンカムイが話題に上がり、「ウコチャヌㇷ゚コㇿ…」を思い出して検索したらㇷ゚の存在に気づいたところだったから、マジでびっくりした ウコチャヌㇷ゚コㇿ…

[atsushieno]

C#/.NETは環境次第なところがあるので明記したほうがいいと思う（Windows .NET Core / non-Windows .NET Core / Monoで実装が違う、というかmonoでは自分がそんな新しい文字まで実装していない）

[pakila]

アイヌ語と韓国・朝鮮語には系統関係が証明されてないよ。日本語含めて、3つとも孤立した言語（あるいは独立した語族）

[Lumin]

正直アイヌ語表記はひらがなよりハングルのがよほどしっくりくる

[came8244]

そうなんだ。まさに韓国語と同じ発音体系だな。ツングース語族だっけ

[victoriaxxx]

夏休みにウポポイでアイヌ語発音を学んで「日本文字よりアルファベットのほうが向いてるな」と思ってたけどシステム上もややこしいのね/id:blueboy 表記整備した当時のアイヌ人が日本語話者だったから仕方ないのでは

[yarumato]

“この半濁点はU+309Aという結合文字。正規表現エンジンには、カタカナと見なす実装とそうでない実装がある。Perl/Ruby/Python/JavaScript/C#/Java/Golang/Rust などバラバラ”

[BigHopeClasic]

金田一京助と知里真志保のアイヌ語カナ表記に関する発明についてはこちらが詳しい　http://www.aa.tufs.ac.jp/~asako/unwritten/01-nakagawa.pdf / id:blueboy みたいなのは特にこれを読む必要がある（言うまでもなく知里はアイヌ人）

[hituzinosanpo]

ブコメ、閉音節の言語なんて いくらでも ありますやんか。「韓国語と同じ発音体系」って なに。

[fog-og-frog2]

アイヌ語になった瞬間ザワつくの、アイヌ語を片仮名で頑張った先人の置き土産…Pokémonとか結合文字は欧州だと一般的なのにな。

[narwhal]

欧語は日本語と異なり閉音節も存在するので、表記の際音素文字であるラテン文字なら何も問題が生じない。しかし、元々開音節言語である日本語に特化したカタカナのような仮名文字で表記する際 (以下略

[ya--mada]

ｸﾞﾇﾇﾇ

[vanillaalice]

ナコルルは技名を正しいアイヌ語の発音で叫ぶけど紫ナコルルは字面通りに読んでいるそうですね（関係ない）

[poponponpon]

チタタプ

[rryu]

U+309AのScriptプロパティは「inherited」で、直前の基本文字のScriptプロパティを継承するのでそれをちゃんと実装しているかによるのだと思う。

[blueboy]

　アルファベットを使えば済むのに。何で仮名を使う？　アイヌを日本語の一部だとでも思っているのか？

[dollarss]

私の技術者人生で『正規表現完全に理解した』人をみかけない。ﾁｮﾄﾜｶﾙなら結構見るが…euc時代が一番触ったな、片鱗を見ただけで背筋が凍ったもんだ…ﾊﾊﾊ

[bzb05445]

ナコルルの技名をちゃんと表記したい。正しく発音したい。

[kyasarin123]

アシㇼパさんもいつも変換する時に一瞬、悩みながら変換す？アレか？（ワタシ脳内で発音しながら文字を読む派なので）

[memoyashi]

画面表示やDBインサートのテスト用にメモしておこう→ウコチャヌㇷ゚コㇿ

[field_combat]

へー

[mas-higa]

結合文字は 1文字という理解で正しければ、正規表現で 1文字を正しく扱えていないという話かな? 昔マルチバイト文字に対応してないプログラムが Shift JIS や EUC の文字の途中で分割して文字化けしたりしてたのと似てる

[akiramaz]

この表記方法、そういう意味だったんだ。諸外国語の閉音節もどんどんこれで表現してみたい。（ヴィエッ・ナㇺ在住）

[spark7]

合成できない（合成済みの文字がない）タイプの結合文字はそうなるのかね。通常の半濁点含め、全部U+309Cに分解するほうへ正規化してもよいのかしら。

[nakayossi]

アイヌ語をハングル表記する動画あったような / これ https://m.youtube.com/watch?v=D-Hrf1lY1Fg

[roirrawedoc]

こうやって真面目に取り組んでる人がいるからそのうち何も考えなくても使えるようになるんだね

[lyiase]

Unicode のブロック指定( \p{InKatakana} と \p{InKatakana_Phonetic_Extensions} )すればいいやん…って思ったんだけど何か問題があるのだろうか。

[mohno]

（ぅゎぁ……文字コード関わりたくねぇ……）

[gfx]

おお…。こういうのに関心がもたれるの、完全に『ゴールデンカムイ』のおかげだよなあ。

[kkobayashi]

英語のカタカナ表記みたいにしたらダメなのかな

[kusigahama]

ウコチャヌㇷ゚コㇿ問題

[Windymelt]

面白い！そして文字コードは人類には早い

[wataken44]

どっかでつかうかもしれないので

[sekiryo]

ウコチャヌㇷ゚コㇿは外国語としてイメージ が脱臭されて連呼されてるけど「交尾！」連呼してるのと変わらんのだよな。