obuk / HTML-Spacing-JA

NAME

HTML::Spacing::JA - arrange spacing in ja text

SYNOPSIS

use HTML::Spacing::JA;
$ja = HTML::Spacing::JA->new();
$output = $ja->parse($input);

DESCRIPTION

HTMLのテキスト(preやcodeを除く)のスペースを補正します。日本語文章 中、英単語の両端にスペースをつける人 のような補正で す。括弧と句読点に含まれるスペースも補正します。font-feature-settings を使うので、cssにotfを指定する必要があります。

body {
  font-family: "Noto Sans CJK JP", sans-serif;
}

括弧と句読点の配置は、日本語組版処理の要件 の 3.1.2 句読点や括弧類などの基本的な 配置方法、3.1.4 始め括弧類〜が連続する場合の配置方法に合わせました。例 として同文書の図69を示します。

1. …である。」この… 句読点の後ろに終わり括弧類が連続
2. …である）。この… 終わり括弧類の後ろに句読点が連続
3. …である、「この… 読点類の後ろに始め括弧類が連続
4. …である」「この… 終わり括弧類の後ろに始め括弧類が連続
5. …である「『この… 始め括弧類の後ろに始め括弧類が連続
6. …である）」この… 終わり括弧類の後ろに終わり括弧類が連続
7. …「編集」・「校正」… 括弧類と中点類が連続

Methods

• parse($html)

  入力_$html_のスペースを補正して出力します。

• output_tag($tag)

  出力を_$tag_で囲みます。デフォルトは "p" です。 style のような属性を加えるにはリファレンスを使います。

    $ja->output_tag([ "p", style => "text-align: justify" ]);
  

• lang_spacing($yesno)

  欧文の語と和文がスペースで区切られていないとき、 区切りに"wordspace"を置きます。 デフォルトは1です。

• number_spacing($yesno)

  数と和文がスペースで区切られていないとき、 区切りに"thinspace"を置きます。 デフォルトは1です。

• punct_spacing($yesno)

  日本語の句読点や括弧等の字体のアキ ("palt1"で詰められる) を "enspace"で補います。デフォルトは1です。

• uri_ascii($yesno)

  URIに使える文字をASCIIに制限します。デフォルトは1です。

• re_token($hash)

  語とそのクラスを定義します。 クラスには W (欧文)、N (数)、J (日本語) の3つがあります。 次の例は欧文を含む複雑な語を日本語のトークンにします。

    $ja->re_token({ J => qr/ Official髭男dism /x });
  

• re_pre($regex)

  デフォルトはqr/^pre$/です。

• re_code($regex)

  デフォルトはqr/^code$/です。

• enspace($html)

  二分アキです。デフォルトは20H (空白)とletter-spacingで作ります。

• wordspace($html)

  四分アキです。デフォルトは20Hです。

• thinspace($html)

  小さなスペースです。デフォルトは '' (空の文字列)です。

• palt0($html)

  デフォルトは{ style => { 'font-feature-settings' => '"palt" 0' } }です。

• palt1($html)

  デフォルトは{ style => { 'font-feature-settings' => '"palt" 1' } }です。

• keep_global($yesno)

  _$yesno_を非0にすると、グローバル変数を開放しません。語とトークンの対 応を固定します。デフォルトは0です。(デバグ用です。)

• verbose($level)

  ヒントを出力します。デフォルトは0です。(デバグ用です。)

User-Defined Character Properties

以下は、日本語組版処理の要件の文字クラス一覧 をPerlのユーザ定 義文字特性の形で定義 したものです。縦書を扱わないので、いくつか直しました。

• InClosingBrackets

  cl-02です。 使いません。代りに\p{Pe}と\p{Pf}を使います。

• InColon

  "InMiddleDots" (cl-05)を分けました。

• InCommas

  cl-07です。

• InDividingPunctuationMarks

  cl-04です。

• InEnding

  おわりの記号類です。\p{Pe}, \p{Pf}, "InColon", "InFullStops", "InCommas"、および"InDividingPunctuationMarks"で す。

• InEndingJ

  InEndingのうち日本語のフォントに含まれるもの。

• InEndingW

  InEndingのうち欧文のフォントに含まれるもの。

• InFullStops

  cl-06です。

• InGroupedNumerals

  cl-24です。

• InHyphens

  cl-03です。

• InInseparableCharacters

  cl-08です。

• InIterationMarks

  cl-09です。 使いません。

• InJapanese

  日本語の文字"InJapaneseCharacters"から記号類"InPunctuations"を除い たものです。

• InJapaneseCharacters

  すべての日本語の文字です。異字体のセレクタも含みます。

• InMiddleDots

  cl-05の一部、横書きの中点類のみ です。

• InMiddleDotsJ

  "InMiddleDots"のうち日本語のフォントに含まれるもの。

• InMiddleDotsW

  "InMiddleDots"のうち欧文のフォントに含まれるもの。

• InNeutral

  欧文の文字で日本語との境界にスペースを追加しないもの。 (入力されたスペースは除きます。)

• InNumbers

  数の類です。"InGroupedNumerals"からスペースを除きました。

• InOpeningBrackets

  cl-01です。 使いません。代わりに\p{Ps}と\p{Pi}を使います。

• InPUA

  PUA (私用面)です。

• InPostfixedAbbreviations

  cl-13です。

• InPrefixedAbbreviations

  cl-12です。

• InPunctuations

  すべての記号類です。

• InSpaces

  スペース類です。\s (utf8::IsSpace) と "InSpace2" です。

• InSpace2

  内部スペース類です。

• InStarting

  始まりの記号類です。\p{Ps}と\p{Pi}です。

• InStartingJ

  "InStarting"のうち日本語のフォントに含まれるもの。

• InStartingW

  "InStarting"のうち欧文のフォントに含まれるもの。

• InWestern

  欧文の語を構成する文字です。"InJapaneseCharacters"と重複せず、 "InNumbers"を含みます。

• InWesternCharacters

  cl-27です。たとえば、ここに AC00\tD7AF (Hangul Syllables) を追加し、和文の中に안녕하세요と書くと 前後にスペースが付きます。

• IsEmSpace

• IsEnSpace

• IsThinSpace

• IsWordSpace

  内部スペースの各文字に一致します。

Global Variables

• $PUA_free

  このモジュールで使用するPUA領域の始まりのアドレスです。 デフォルトは1000000です。

• %PUA

  語 (HTMLコード) のハッシュです。キーは語のトークンです。

• %TOKEN

  トークン (PUA から割り当てた文字コード) のハッシュです。キーは語です。

• %CLASS

  'W' (語) や 'N' (数) で分類したトークンのハッシュです。キーは分類です。

LICENSE

Copyright (C) KUBO, Koichi.

This library is free software; you can redistribute it and/or modify it under the same terms as Perl itself.

AUTHOR

KUBO, Koichi [e-mail]