mac osxのファイル名のエンコーディングは、NFD でnormalizedされたutf8らしい

max osxユーザから頂いたファイルを見ると、ファイル名が「ハ , ﾞ , ッ , チ」や「ハ , ﾟ , ソ , コ, ン」のように濁音や半濁音が独立(離れた)状態になっている。

どうやら、NFD でnormalizedされたutf8らしいので、次のようなscriptを書いて、実行すると...

#!/usr/local/bin/perl
use strict;
use utf8;
use Encode qw/encode decode :fallbacks/;
use Unicode::Normalize 'normalize';
use Data::Dumper;

main();

sub main {

    for my $normalize ('D','C','KD','KC'){
	for my $org_char (qw/は ば ぱ ハ バ パ ﾊ ﾊﾞ ﾊﾟ/){
	    my $new_char = normalize($normalize , $org_char);

	    my $org_char_no = encode('ascii',$org_char,FB_XMLCREF);
	    my $new_char_no = encode('ascii',$new_char,FB_XMLCREF);

	    my $out_str = join (' ',
				$normalize,':',
				"$org_char ($org_char_no)",
				'->',
				"$new_char ($new_char_no)");
	    print encode('utf8',$out_str),"\n";
	}
    }
}

実行結果

[endo@colinux tmp]$ ./foo.pl 
D : は (&#x306f;) -> は (&#x306f;)
D : ば (&#x3070;) -> は&#12441; (&#x306f;&#x3099;)
D : ぱ (&#x3071;) -> は&#12442; (&#x306f;&#x309a;)
D : ハ (&#x30cf;) -> ハ (&#x30cf;)
D : バ (&#x30d0;) -> ハ&#12441; (&#x30cf;&#x3099;)
D : パ (&#x30d1;) -> ハ&#12442; (&#x30cf;&#x309a;)
D : ﾊ (&#xff8a;) -> ﾊ (&#xff8a;)
D : ﾊﾞ (&#xff8a;&#xff9e;) -> ﾊﾞ (&#xff8a;&#xff9e;)
D : ﾊﾟ (&#xff8a;&#xff9f;) -> ﾊﾟ (&#xff8a;&#xff9f;)
C : は (&#x306f;) -> は (&#x306f;)
C : ば (&#x3070;) -> ば (&#x3070;)
C : ぱ (&#x3071;) -> ぱ (&#x3071;)
C : ハ (&#x30cf;) -> ハ (&#x30cf;)
C : バ (&#x30d0;) -> バ (&#x30d0;)
C : パ (&#x30d1;) -> パ (&#x30d1;)
C : ﾊ (&#xff8a;) -> ﾊ (&#xff8a;)
C : ﾊﾞ (&#xff8a;&#xff9e;) -> ﾊﾞ (&#xff8a;&#xff9e;)
C : ﾊﾟ (&#xff8a;&#xff9f;) -> ﾊﾟ (&#xff8a;&#xff9f;)
KD : は (&#x306f;) -> は (&#x306f;)
KD : ば (&#x3070;) -> は&#12441; (&#x306f;&#x3099;)
KD : ぱ (&#x3071;) -> は&#12442; (&#x306f;&#x309a;)
KD : ハ (&#x30cf;) -> ハ (&#x30cf;)
KD : バ (&#x30d0;) -> ハ&#12441; (&#x30cf;&#x3099;)
KD : パ (&#x30d1;) -> ハ&#12442; (&#x30cf;&#x309a;)
KD : ﾊ (&#xff8a;) -> ハ (&#x30cf;)
KD : ﾊﾞ (&#xff8a;&#xff9e;) -> ハ&#12441; (&#x30cf;&#x3099;)
KD : ﾊﾟ (&#xff8a;&#xff9f;) -> ハ&#12442; (&#x30cf;&#x309a;)
KC : は (&#x306f;) -> は (&#x306f;)
KC : ば (&#x3070;) -> ば (&#x3070;)
KC : ぱ (&#x3071;) -> ぱ (&#x3071;)
KC : ハ (&#x30cf;) -> ハ (&#x30cf;)
KC : バ (&#x30d0;) -> バ (&#x30d0;)
KC : パ (&#x30d1;) -> パ (&#x30d1;)
KC : ﾊ (&#xff8a;) -> ハ (&#x30cf;)
KC : ﾊﾞ (&#xff8a;&#xff9e;) -> バ (&#x30d0;)
KC : ﾊﾟ (&#xff8a;&#xff9f;) -> パ (&#x30d1;)

Encode::UTF8Mac というmoduleもあるらしい
http://search.cpan.org/perldoc?Encode::UTF8Mac

end0tknr's kipple - web写経開発

太宰府天満宮の狛犬って、妙にカワイイ