nlog(n)

サイトの文字を「ああああ」に変換するジョークプラグイン。大幅な書き換えを行った。

一昨日のエイプリルフール企画で使ったプラグインをバージョンアップしてリリースする (nlog(n) - ああああプラグイン)。いくつかの問題点があったので (nlog(n): サイトを自分で改ざああああ)，対策を考えた (nlog(n): HTML::TreeBuilder で日本語と文字参照を扱う場合の手順)。

修正点と変更点は次の通り。

• 全角英数字が変換されなかったのを修正
• Wide character のエラーが出ないようになった
• 文字参照は，元のまま変更しないようにした
• <?php ... ?> は元のまま出力するようにした

このバージョンアップで，内部的には，かなり大きな変更となっている。バージョン 0.1 では，再帰を使って木をたどっていたが，バージョン 0.2 では再帰をやめ，テキストイベントを捕まえて処理するようにしている。この意味では，0.1 と 0.2 は違っているので，サンプルプログラムとしてはそれぞれ面白いのではないかと思う (使うことはないだろうけども)。バージョン 0.2 では，テキストハンドラ用のサブルーチンを書いているだけなので，プログラムの流れ的には，構文木を作った後，その木をそのまま HTML に変換しているだけのように見える。

<?php ... ?> が記事の中にある場合は，投稿時のテキストフォーマットは「なし」でなければならない (<br /> が自動挿入されないこと)。

今回のメインの修正は，文字参照への対応である。HTML::TreeBuilder は文字参照を勝手にデコードしてしまうという動作をする。だがしかし，文字参照をあらかじめエスケープして処理すると，空白の &nbsp; が &aaaa; に変換されてしまい，HTML として正しい表示にならない。そこで，文字参照以外のみを処理するようにした。このプログラムでは，文字参照を「『&』で始まり，『;』で終わる文字列」としている。この文字参照「以外」にマッチさせるのが難しい。

「文字参照以外の文字列にマッチ」という方法が思いつかないので，テキストを1文字ずつに分解して，『&』と『;』を探しながら，文字をくっつけて元に戻すという処理をしている。文字参照の中のときにフラグを立ててごちゃごちゃしたりして，やだなぁ，もう。

「encode_entities() は，構文木を作る前にやるといい」と言っておきながら (nlog(n): HTML::TreeBuilder で日本語と文字参照を扱う場合の手順)，そうなっていない。文字参照を「aaaa」に変換させないようにするためである。

バージョンアップしたはいいが，問題はソースが汚くなってしまったことだ。美しく書けていないプログラムには，バグがきっといて，しかも見つけにくい。

追記:
PHP が含まれている場合は，制限があることが分かりました。<?php ... ?> が1行になってしまうため，「//」や「#」のコメントがあると正しく動作しません。この問題は簡単に解決できそうにありません。

2008年4月12日追記:
上の追記の問題は解決しました (nlog(n): HTML::Treebuilder で PHP スクリプトを含む HTML 文書を処理したい)。修正版をバージョン 0.3 としてリリースします。

• Tweet