ルビ記法の正規表現

• 以前に青空文庫式ルビ記法を置換するHugoテンプレートを作ったさいには｜のない記法には対応していなかったが、今ならできそうな気がするのでやってみよう
• ルビ記法は以下のような規則になっている：
  • 《》で囲まれた文字列はその直前の｜以降の文字列にルビとして付く
    • ｜ルビが付く文字列《ルビになる文字列》
  • ｜がない場合、直前の連続する同一文字種の文字列にルビとして付く
    • 注記一覧に『ルビのかかる文字が、漢字、平仮名、片仮名、アルファベットなど、一つの文字種のみからなるときは、「｜」はいりません』とある
  • 仝々〆〇ヶは漢字扱い
• 正規表現で文字種にマッチするには、Unicode文字クラスエスケープを使って文字体系を指定する
  • アルファベットはLatin、ひらがなはHiragana、カタカナはKatakana、漢字はHan
    • \p{sc=Hiragana}と書く
  • 文字体系のひらがな・カタカナには長音が含まれないので、別途指定する必要がある
• Go言語の正規表現エンジンであるRE2の場合、\pにUnicode文字クラスを直接指定する
  • \p{Hiragana}と書くと、\p{sc=Hiragana}相当になる
• 結果、テンプレートを以下のように修正した
  • 棒ありと棒なしを統合するのは難しそうだったので、棒あり記法の置換の後に棒なし記法の置換を行うようにした

{{- .Content | replaceRE `｜(.*?)《(.*?)》` "<ruby>$1<rt>$2</rt></ruby>" | replaceRE `((?:[\p{Latin}]+?)|(?:[\p{Hiragana}ー]+?)|(?:[\p{Katakana}ー]+?)|(?:[\p{Han}仝々〆〇ヶ]+?))《(.*?)》` "<ruby>$1<rt>$2</rt></ruby>" | safeHTML -}}

｜棒付き《ぼうつき》

Alphabet《アルファベット》

棒ナシひらがな《hiragana》

棒なしカタカナ《katakana》

棒なし漢字《かんじ》