まえがき 人名検索が行えるデータベースを作る際、提供されたデータにこんな読み仮名が混在していた。 ヤマグチ ヤマク゛チ ヤマグチと検索してもヤマク゛チさんがヒットしないので、「ク゛」を「グ」に寄せる形で正規化することにした。 適当なライブラリが見当たらなかったので、自前で実装することにした奮闘記。 実装方法 文字列内の合成文字を基底文字と結合文字へ分解 1で分解した文字列をバイト列に変換 2で変換したバイト列の濁点、半濁点をUnicode結合文字の濁点、半濁点に置換 3で置換されたバイト列を文字列型へ戻す (必要に応じて)合成文字に変換 Unicodeの合成文字と結合文字 日本語の「は」「ば」「ぱ」のように符号の有無・種類で音を表現する文字に対し、Unicodeでは合成文字と結合文字を使用する二通りの表現方法がある。 「ば」の例では以下の二種類がある。 ば U+3070 は + 濁点 U+
![[Python] 結合文字を使用した濁点や半濁点を直前の仮名と結合させる方法(ウ゛→ ヴ) - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/0bc34c706280d9218045300cc4e7519fa7e9917b/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBncmV0Y2hpJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz01OTg1YmM3YWYzOWJmYzI5ZmFmMWJkZTU1NDBiZGM1Yg%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D3f5d2453be470caf9dfe60cb684174e3)