JavaScriptで文字列処理を安全に行う：normalizeメソッドの理解と使いこなし

JavaScript の String オブジェクトの normalize メソッド：分かりやすい解説

string.normalize() メソッドは、文字列を Unicode 正規化形式に変換します。これは、文字列を比較したり、検索したり、処理したりする際に、文字の表現方法の違いによる問題を解決するために役立ちます。

使い方

string.normalize() メソッドは、以下の形式で使用します。

const normalizedString = string.normalize([form]);

• string: 正規化したい文字列
• form: 正規化形式 (省略可)

正規化形式

form パラメータは、以下のいずれかの値を指定できます。

• "NFC": 正規化形式 C (NFC)
• "NFKC": 互換性正規化形式 C (NFKC)

省略した場合、"NFC" が使用されます。

例

以下の例では、文字列 "ＡＢＣ" を "NFC" 形式で正規化しています。

const str = "ＡＢＣ";
const normalizedStr = str.normalize("NFC");

console.log(normalizedStr); // => "ABC"

注意点

• string.normalize() メソッドは、IE では対応していないため、注意が必要です。
• 正規化によって、文字列の長さが変わる場合があります。

String.normalize サンプルコード

異なる文字コードの文字列を比較する

const str1 = "Ä"; // ラテン文字小文字 a の上付きウムラウト
const str2 = "A\u0308"; // ラテン文字小文字 a と結合文字 U+0308 (上付きウムラウト)

console.log(str1 === str2); // => false

const normalizedStr1 = str1.normalize("NFC");
const normalizedStr2 = str2.normalize("NFC");

console.log(normalizedStr1 === normalizedStr2); // => true

検索で特殊文字を扱う

const str = "Straße"; // ドイツ語の単語 "Straße" (ウムラウト付き)

const searchTerm = "stras";

console.log(str.includes(searchTerm)); // => false

const normalizedStr = str.normalize("NFC");

console.log(normalizedStr.includes(searchTerm)); // => true

正規化形式を変換する

const str = "ＡＢＣ";

console.log(str.normalize("NFC")); // => "ABC"
console.log(str.normalize("NFD")); // => "A\u0300B\u0300C\u0300"
console.log(str.normalize("NFKC")); // => "ABC"
console.log(str.normalize("NFKD")); // => "A\u0300B\u0300C\u0300"

文字列の長さを比較する

const str1 = "ＡＢＣ";
const str2 = "ABC";

console.log(str1.length === str2.length); // => false

const normalizedStr1 = str1.normalize("NFC");
const normalizedStr2 = str2.normalize("NFC");

console.log(normalizedStr1.length === normalizedStr2.length); // => true

文字列の意味が変わる場合

const str = "‍‍‍"; // 家族を表す絵文字

console.log(str.normalize("NFC")); // => "‍‍‍"
console.log(str.normalize("NFD")); // => "\u200d\u200d\u200d"

// NFD 形式では、各結合文字が個別に扱われるため、意味が変わってしまう

string.normalize の代替方法

手動で文字コードを変換する

String.prototype.charCodeAt() メソッドと String.fromCharCode() メソッドを使用して、手動で文字コードを変換することができます。

function normalize(str, form) {
  const chars = str.split("");
  const normalizedChars = chars.map((char) => {
    const codePoint = char.charCodeAt(0);
    // Unicode 正規化形式に基づいてコードポイントを変換
    return String.fromCharCode(codePoint);
  });
  return normalizedChars.join("");
}

const str = "Ä";
const normalizedStr = normalize(str, "NFC");

console.log(normalizedStr); // => "A"

ライブラリを使用する

unicode-normalize などのライブラリを使用して、文字列を正規化することができます。

const { normalize } = require("unicode-normalize");

const str = "Ä";
const normalizedStr = normalize(str, "NFC");

console.log(normalizedStr); // => "A"

正規化形式を考慮しない

場合によっては、正規化形式を考慮せずに文字列を処理することができます。

• 比較する文字列が同じエンコーディングでエンコードされていることが分かっている場合
• 検索する文字列が ASCII 文字のみで構成されている場合

const str1 = "Ä"; // ラテン文字小文字 a の上付きウムラウト
const str2 = "A\u0308"; // ラテン文字小文字 a と結合文字 U+0308 (上付きウムラウト)

// エンコーディングが同じなので、正規化しなくても比較できる
console.log(str1 === str2); // => true

const searchTerm = "stras";

// 検索文字列が ASCII 文字のみなので、正規化しなくても検索できる
console.log(str.includes(searchTerm)); // => true

string.normalize メソッドは、文字列を比較したり、検索したり、処理したりする際に役立ちます。ただし、代替方法も存在するため、状況に応じて最適な方法を選択する必要があります。