シフトJIS 2バイト字の範囲

質問

シフトJISの2バイト文字の範囲は

0x40～0x7e と 0x80～0xfc

と

0x40～0xfc

のどっちですか？
どちらの情報も見たことがあるんです。

シフトJISの文字をマッチングさせる場合、
ここでは見やすく、スペースを入れて

/ [\x81-\x9f] [\x40-\xfc] | [\xe0-\xfc] [\x40-\xfc] /

とした場合、例えば、亜a という文字列があったら
亜 の2バイト目(下位ニブルっていうのかな)が 9F で
b は16進で 62 だから、亜 の2バイト目と a が、
2バイトのシフトJISとしてこれにマッチしてしまうんです。
シフトJISで、こういう例外処理を書かずに、
全てに適用できるシフトJIS2バイトマッチのソースが
あれば教えてください。

回答No.1

kazu-kun · ベストアンサー

「0x40～0x7e と 0x80～0xfc」だと思いますよ。
「亜a」に対してマッチングするのではなく、前から２バイトずつマッチングして、マッチしたら２バイト進み、マッチしなかったら１バイト進むというようにしないとダメでは？
0x7fの例外処理？を除くことはできないですよね。

参考URL：

http://www.sowa.is.uec.ac.jp/~ueno/material/kanji/sjis.html

お礼

文字列先頭から見ていく
というのは思いつきませんでした。
ありがとうございます。

回答No.2

leaz024

シフトJISの2バイト目のコードは、
0x40～0x7E 及び 0x80～0xFC
です。
0x7Fは含みません。

で、２バイトシフトJISにマッチさせるなら、
/([\x81-\x9F\xE0-\xFC][\x40-\x7E\x80-\xFC])/
と書けばOKなはずです。
[…]という文字集合を使用しているのだから、２パターンに分ける必要はないですよ。

お礼

パターンをパイプを使わずに書く方法は勉強になりました。
ありがとうございます。