「日本語って難しい！マルチバイト文字をC言語で扱ってみよう」の解答例

この記事はC言語演習問題集の問題の回答です。まだ問題読んでないという方は下記記事の「日本語って難しい！マルチバイト文字をC言語で扱ってみよう」をぜひ見てから読んでください。

Contents

解答例
表示例
解説
独り言

解答例

#include <stdio.h>
#include <string.h>

int main(void){
  char input[256];
  char target[256] = "人";
  unsigned int inputLen;
  unsigned int targetLen;
  int i, j;
  int num;

  printf("日本語を入力してください：");
  scanf("%s", input);

  inputLen = strlen(input);
  targetLen = strlen(target);
  printf("inputLen = %d, targetLen = %d\n", inputLen, targetLen);

  for(i = 0; i < inputLen; i++){
    printf("%c", input[i]);
  }
  printf("\n");

  for(j = 0; j < targetLen; j++){
    printf("%c", target[j]);
  }
  printf("\n");

  num = 0;
  for(i = 0; i < inputLen - targetLen + 1; i++){
    j = 0;
    if(input[i] == target[0]){
      for(j = 0; j < targetLen; j++){
        if(input[i + j] != target[j]){
          break;
        }
      }
      if(j == targetLen){
        num++;
      }
    }
  }

  if(num > 0){
    printf("「%s」を%d回発見！\n", target, num);
  } else {
    printf("「%s：なし！\n", target);
  }

  return 0;
}

表示例

解説

今回は文字列を扱ってみました。結構C言語の参考書って、１バイトで扱える英語のみを扱って終わり！というパターンが多いのですが、ここでは日本語を扱ってみています。日本語は文字の種類が多いので１バイトでは表現しきれず、複数バイトを用いて表現されています。わたしも実際に何バイト使用しているかは知らなかったのですが、実際に試してみたら１文字３バイト使用しているようでした（これは環境によるかも）。

それではプログラムを追いながらポイントを見ていきましょう。

  char target[256] = "人";

  printf("日本語を入力してください：");
  scanf("%s", input);

  inputLen = strlen(input);
  targetLen = strlen(target);

inputとtargetの両方に日本語が入力されます。表示例で使用した例だとinputは「日本人アメリカ人大阪人」で普通に考えれば１１文字です。targetは「人」にしていますので３文字のはずです。しかし表示例ではそれぞれ３３文字、３文字であると出力されています。

これは上で説明したように日本語が１文字３バイトで扱われ、strlen関数が１文字１バイトであることを前提として計算しているからです。

英語と日本語の文字列はchar配列内で下記のように格納されることになります。char型の配列は１要素が１バイトでありますが、１文字分とは限らないというのがこの問題のポイントです。

なので、日本語のある文字が含まれているかを確認するためには１バイト分だけでなく３バイト分調べてやる必要があります。

  for(i = 0; i < inputLen - targetLen + 1; i++){
    j = 0;
    if(input[i] == target[0]){
      for(j = 0; j < targetLen; j++){
        if(input[i + j] != target[j]){
          break;
        }
      }
      if(j == targetLen){
        num++;
      }
    }
  }

targetLenが３なのでchar型の要素を３つ分調べてやれば３バイト分確認したことになります。３バイト分連続して同じデータが格納されていれば同じ文字が含まれると判断してnumをインクリメントしています。

ちなみに日本語文字列を扱う変数の型としてwchar_tなども存在します。今回は日本語文字がマルチバイト文字であることを実感してもらうためにchar型を使用しましたが、実践ではwchar_tを使用する方が直感的に分かりやすいプログラムが作成できると思います。