文字列のバイト数をカウントする～mgrep.osax

いろんな板を巡って以下のようなスクリプトを見たのですが、

tell application "Finder"
set X to 0
set myname to name of (info for (choose file))
repeat with i in myname
try
if (ASCII character (ASCII number (contents of i))) = contents of i then
set X to X + 1
end if
on error
set X to X + 2
end try
end repeat
return X
end tell

これ単体では動作するのですが、これを長文スクリプトに組み込むと動作しないのだー、なぜか……

ここがポイントになるはず.....なのですが・・・解決策を模索中。

お困りのようですね。AppleScript 2.0になってから、以前使えていたScripting Additionsが使えなくなって困ったものです。

上記のスクリプトですが、Finderのブロックにいれなくても、Standard Scripting Additionsだけだから、構わないように思うのですが、returnとの関係でしょうか。それから、Mac OS X 10.5あたりから、標準のファイル名は、UnicodeのUTF-8 Normalization Form D（http://unicode.org/reports/tr15/）で構成されています。ということで、日本語関係は、１文字につき3 Bytes、あるいは濁点や半濁点の場合は、それで１文字余分になりますので、6 Bytesの可能性があります。

Scripting Additionsを集めた、osaxen.comに、まだ使えるTextCommands.appというのがあります（http://osaxen.com/files/textcommands1.1.3.html）。これを使って書き直してみました。Xに文字列のサイズが入ります。また、countBytesを呼び出せば、文字列の長さをバイト単位で求めてくれます。一応、ASCIIの中に入らない（Unicodeでコードが256以上の文字）は、3 Bytesとカウントするようにしました。お試しください。

set myname to name of (info for (choose file))

tell application "TextCommands" to run

set X to my countBytes(myname)

on countBytes(s)

set X to 0

tell application "TextCommands" to set numList to unicode numbers s

repeat with i in numList

if i < 256 then

set X to X + 1

else

set X to X + 3

end if

end repeat

return X

end countBytes

rockdom さん

どのような処理を望まれているのかちょっと分からないので、2パターン書いておきます。サブルーチンBはちゃんとテストしてないのでちょっと心配...。

set myname to name of (info for (choose file)) as text

my get_bytes_len(myname)

-- サブルーチンA

-- UTF8のまま

-- 例「A」= 1バイト扱い、「あ」= 3バイト扱い、「ぷ」= 3バイト か 6バイト扱い

on get_bytes_len(str)

do shell script ("

printf '%s' " & quoted form of str & " |

perl -0ne 'print length $_;'

")

end get_bytes_len

-- サブルーチンB

-- ASCII等を1バイト、仮名漢字等を2バイトとして算出

-- 例「A」= 1バイト扱い、「あ」= 2バイト扱い

on get_bytes_len(str)

do shell script ("

printf '%s' " & quoted form of str & " |

perl -Mutf8 -MEncode -MUnicode::Normalize -MList::Util -CIO -0ne '

my @arr = ();

for my $i (split //, NFC $_) {

utf8::encode($i);

push (@arr, length $i > 2 ? 2 : 1);

}

print List::Util::sum @arr;

'

")

end get_bytes_len

これじゃだめですね。ボツにします。: Hiro.S

-------------------------

KyShin さん

重箱の隅をつつくようで申し訳ないんですが、重要なことなので一応。

> Mac OS X 10.5あたりから、

Mac OS X の最初のバージョンからです。

> 標準のファイル名は、UnicodeのUTF-8 Normalization Form D

正確には Mac OS X 独自仕様の NFD、いわゆる UTF8-MAC です。ご存知かもしれませんが、UTF8 NFD と UTF8-MAC を混同すると思わぬ文字化けの原因となります。ちなみに上のサブルーチンBのように NFC で正規化しても、テキスト処理だと特定の文字が化けます。本件では数を数えるだけなので問題はないのかなと。

Mac OS X 独自仕様の NFD

http://developer.apple.com/jp/qa/qa2001/qa1173.html

なるほど。でしたらスクリプト一括処理ではありませんが、Name Validator はどうでしょうか？バイト数以外にもいろいろできそうですよ。(使ったことないので使用感とかは分かりませんが...)

下記リンク先 > download からダウンロードできます。

ものかの

http://tama-san.com/

こんにちは。

ははぁ。

やっとわかってきました。

相手はWindowsのAFPサーバですね。（しかもちょい古目？）

WindowsのNTFSはUTF16の255文字までOKなので、31文字制限は旧MacのOS9との互換性のためのものです。

AFPサーバ部分が31文字で制限してるわけです。（AFP2.x？）

なので、OSXの上でUTF-8-MACでのByte数をカウントしてもダメですね。

MacRomanで31文字、漢字はShift-JIS(MacJapanese)で2byteコードというカウント。

ということになるのではないでしょうか。

ではでは。