サクラエディタで漢字コードを調べてみたら、不思議なことが分かった。
Windowsで使うテキストエディタなので、文字コードはShift-JISである。青空文庫から芥川龍之介の『リチヤアド・バアトン訳「一千一夜物語」に就いて』を例にとって、その不思議について説明する。
Shift-JISの全角文字で漢字の最初の文字は「亜」（889f）となっている。最後の漢字は「熙」（EAA4）なので、正規表現でShift-JISの漢字を網羅するには [亜-熙] でいいことになる。
確かに、秀丸で [亜-熙] として検索すると、漢字を全部見つけてくる。
しかし、サクラエディタで同じ検索条件で検索すると、
このように、歯抜けだらけになる。そこで、Shift-JISとUTF-8のコードを併記しているリストを見つけたので、少し加工してエクセルに取り込みUTF-8のコードでソートをかけてみた。
最初の漢字が「一」（E4B880）で、最後の漢字が「龠」（E9BEA0）なので [一-龠] として検索してみた。
とすると、秀丸のShift-JISのコードで検索したのとまったく同じになった。
実は、awkの正規表現がサクラエディタと同じだったので、漢字の扱いで説明がつかないことになってしまった。昨日から色々調べてみたが「なるほど」という答えは得られなかった。ChatGPTが検索エンジンに「unicode」のコード表が使われているのではないかのような答えがあったが、すっきりとはしなかった。
{
gsub(/[^一-龠]+/,””);
print;
}
「^」を付けているのは、[一-龠] 以外はすべて消去させるということ。で、結果は、
となり、これでなんとか漢字コードをサクラエディタでもawkでも扱えそうになってきた。
しかし、秀丸で [一-龠] の置換で該当する漢字を消去させると、「為（88d7）」「或（88bd）」「亜（889f）」「愛（88a4）」「易（88d5）」「医（88e3）」「謂（88e0）」「遺（88e2）」「異（88d9）」などが残っている。
それは「亜（889f）」から「磯（88e9）」までが除外されているからである。
ということで秀丸の席表現で漢字を対象にするならば [一-龠|亜-磯] とすれば、とりあえずは事なきを得ることが分かった。
