アクセント付き文字を含む文字列を大文字にする

Question

perl webapp（perl v5.10.1を使用）で名前を大文字にするソリューションを探しています。もともと私はLingua :: EN :: NameCaseを使うと思っていましたが、アクセント付きの文字にはいくつかの問題があります。

さまざまなヨーロッパ言語（アイルランド語、フランス語、ドイツ語）のアクセント付き文字に対応できる必要があります。

私はLingua :: EN :: NameCaseが私のusecaseのために動作するはずのいくつかの兆候を見ました。例えば、perlmonks上のこのページ：

#!/usr/bin/perl 

use strict; 
use warnings; 
use Lingua::EN::NameCase; 
use locale; 
use POSIX qw(locale_h); 

my $locale = 'en_FR.utf8'; 

setlocale(LC_CTYPE, $locale); 

binmode DATA, ':encoding(UTF-8)'; 
binmode STDOUT, ':encoding(UTF-8)'; 

while (my $original_name = <DATA>) { 
    chomp $original_name; 
    my $normalized_name = nc($original_name); 
    printf "%30s L::EN::NC %30s UCFIRST %30s\n", $original_name, $normalized_name, xlc($original_name); 
} 

sub xlc { 
    my $str = shift; 
    $_ = lc($str); 
    return join q{} => (map { ucfirst(lc($_)) } ($str =~ m/(\W+|\w+)/g)); 
}; 

__DATA__ 
ÉTIENNE DE LA BOÉTIE 
ÉMILIE DU CHÂTELET 
HÉLÈNE CIXOUS 
Seán Ó Hannracháín 
Máire Ó hÓgartaigh 

以下の出力を生成します。http://www.perlmonks.org/?node_id=889135

ここでは、上記のリンクに基づいて、私のテストコードがあります。 L :: EN :: NCとカスタムucfirst（lc（））の両方の解決法では、結果が不正確になります（各アクセント記号に続く大文字に注意してください）。これは、perl正規表現が各アクセント文字の前後に「単語境界」に一致しているためです。私は単語の境界がスペース文字とスペース以外の文字の間で一致すると予想していました。

誰かが解決策を提案できますか？

ありがとう、

ブライアン。

ÉTIENNE DE LA BOÉTIE L::EN::NC   éTienne de la BoéTie UCFIRST   ÉTienne De La BoÉTie 
    ÉMILIE DU CHÂTELET L::EN::NC    éMilie du ChâTelet UCFIRST    ÉMilie Du ChÂTelet 
     HÉLÈNE CIXOUS L::EN::NC     HéLèNe Cixous UCFIRST     HÉLÈNe Cixous 
    Seán Ó Hannracháín L::EN::NC    SeáN ó HannracháíN UCFIRST    SeÁN ó HannrachÁíN 
    Máire Ó hÓgartaigh L::EN::NC    MáIre ó HóGartaigh UCFIRST    MÁIre ó HÓGartaigh 

Answer 1

あなたのデータはUTF8である場合、あなたはPerlの内部エンコーディングにそれをデコードする必要があります。

utf8::decode($original_name); 
    my $normalized_name = nc($original_name); 
    printf "%30s L::EN::NC %30s UCFIRST %30s\n", $original_name, $normalized_name, xlc($original_name); 

Answer 2

5.10は古いです。可能であれば、更新する必要があります。

次に、同様の状況で使用するバージョンがあります。 （perl 5.14.2でテスト済み）

#!/usr/bin/perl 

use strict; 
use warnings; 
use utf8::all; 

while (<DATA>) { chomp; 
    printf "%30s ==> %30s\n", $_, xlc($_); 
} 

sub xlc { my $str = shift; 
    $str =~ s/(\w+)/ucfirst(lc($1))/ge; 
    $str =~ s/(L[ea]s? 
       | Von 
       | D[aeou]s? 
       )\b 
       /lc($1)/xge; 
    return $str; 
}; 

__DATA__ 
ÉTIENNE DE LA BOÉTIE 
ÉMILIE DU CHÂTELET 
HÉLÈNE CIXOUS 
Seán Ó Hannracháín 
Máire Ó hÓgartaigh 

Answer 3

OK、私はあなたのスクリプトを動作させました。ここで私が得た出力です：私は彼らが私のシステムで使用され、私のemacsをコードするものは何でもして必要とされていなかったので、binmodeを呼び出しをコメントアウト

1. ：

    ÉTIENNE DE LA BOÉTIE L::EN::NC   Étienne de la Boétie UCFIRST   Étienne De La Boétie 
        ÉMILIE DU CHÂTELET L::EN::NC    Émilie du Châtelet UCFIRST    Émilie Du Châtelet 
         HÉLÈNE CIXOUS L::EN::NC     Hélène Cixous UCFIRST     Hélène Cixous 
        Seán Ó Hannracháín L::EN::NC    Seán Ó Hannracháín UCFIRST    Seán Ó Hannracháín 
        Máire Ó hÓgartaigh L::EN::NC    Máire Ó Hógartaigh UCFIRST    Máire Ó Hógartaigh 
   

   私は二つのことを変更しなければなりませんでした。あなたのマイレージは異なる場合があります。間違ってしまうと、Unicodeやワイド文字にマップされない文字に関する警告が表示されます。

2. ローカルを変更しました。あなたはフランスで英語圏のロケールを使用するように指示していました。私はそれが有効なロケールであるかどうかはわかりません。実際にアクセント付きの文字を使用するローカルを選んだ。

残念ながら、ロケール名は、標準化されていないが、次のロケールが私の仕事：特に、それはハイフンなしで動作しませんでした

my $locale = 'fr_FR.utf-8'; 

。

Answer 4

実際にはutf8プラグマが必要です。

use utf8; 
binmode STDOUT, ':utf8'; 

while (my $name = <DATA>) { 
    $name =~ s/(\w+)/ucfirst lc $1/eg; 
    print $name; 
} 

__DATA__ 
ÉTIENNE DE LA BOÉTIE 
ÉMILIE DU CHÂTELET 
HÉLÈNE CIXOUS 
Seán Ó Hannracháín 
Máire Ó hÓgartaigh 

私が手：

Étienne De La Boétie 
Émilie Du Châtelet 
Hélène Cixous 
Seán Ó Hannracháín 
Máire Ó Hógartaigh