business

MFC航海日記三十九日（マルチバイト文字列の大・小文字変換）

さて、今回の開発もいよいよ大詰めである。今回は文字列の大・小文字変換について解説する。

ここで、気を付けなければならないのは「我々は日本人である」と言う事だ。「はぁ？何言ってるの？」となっている人！それが間違いです。

日本人ならば、当然日本語を用いているはずである。日本語は・・・そう！２バイト使うのである。英語ならば１バイトで済むところを日本語は２バイト使わないと一文字があらわせないのである。

ここで、関数を色々と調べてみると、それらしきものが見つかった。

_mbsupr( ( unsigned char* )Buffer );
_mbslwr( ( unsigned char* )Buffer );

の２つである。

上の関数が、文字列すべてを大文字に変える関数で、下が小文字に変換する関数である。先頭についている「mb」はマルチバイトの略だと思うのだが、つまり複数バイトに対応した、文字列の大・小文字変換関数である。

これで、出来た！と思ったら、もう一つ問題があった。

今回のソフトは「単語の先頭だけ大文字に変換」という機能がある。

これは、「this is a test」を「This Is A Test」とするもので、文字列全部を大文字に変えてはいけないのである。

「aiueo」ならば、ポインタで追いかけると、「a, b, c, d, e」となるはずである。これを大文字に変えたい場合は、

void ToBig( char* str )
{
    char*    p;
    int      i;
    
    p = str;
    for( i = 0; i < strlen( str ); i++ ){
        *p = toupper( *p );
        p++;
    }
}

とすればよい。

しかし、「あいうえお」の場合、ポインタで追いかけると一文字２バイトであるので、
１．「あ」の１バイト目
２．「あ」の２バイト目
３．「い」の１バイト目
４．「い」の２バイト目

となっていく。この場合に限っては、大文字に変換する部分が無いわけである。

toupper() はおりこうさんなので、変換できないものは変換しないのであるが、問題は２バイト目である。

2バイト文字の場合、１バイト目に２バイト文字であるコードが書かれ、２バイト目に１バイト目とセットになるような「文字」が来る。

結局１バイト目と、２バイト目の両方を比べて文字を算出するわけだが、困った事に２バイト目に「アルファベット」が来てしまう可能性があるのである。

とすると当然困るわけで、２バイト目に「a」があったとすると、さっきの関数を呼んだ場合２バイト目が「A」に変わってしまい、算出される文字が違う文字になってしまうのである。

これを回避する為には、ポインタで追いかけていった時にその文字が「２バイトコードの第一バイト目かどうか」を見極める必要がある。

筆者が、Borland C++ を用いていた頃は「iskanji( int c )」なる関数があり、引数に渡す文字が２バイトコードの第一バイト目だった場合は TRUE を返し、そうでない場合は FALSE を返す関数があった。

これと同じような関数が Visual C++ にもあるはずである！と思った私は色々調べた。

結果、「iskanji()」と同じ内容の関数が見つかった。

名前は、「_ismbblead()」という関数である。

この関数を使えば、「単語の先頭だけ大文字に変換」がすぐにできた。

void WordUper()
{
    char* p;

    p = Buffer;

    //先頭は大文字に変換
    if( _ismbblead( *p ) == 0 )
        *p = toupper( *p );

    while( *p != '\0' ){
        if( *p == ' ' &&  _ismbblead( *( p + 1 ) ) == 0 ){
            p++;
            *p = toupper( *p );
        }
        p++;
    }
}

このようなコードになる。

ファイルの排他制御と同じで、文字列のマルチバイト処理も非常に重要でかつ面倒な処理である。読者の方も気を付けて欲しい。