『ルーチン業務の自動化』について相談を受ける機会は少なくない。
たまに『日本語変換の自動化』というケースに遭遇する。（ひらがな・カタカナ・ローマ字）
＃法人向けの “ワークフローSaaS” を開発している会社なのだから、アタリマエか…。
その度に、つくづく思う。。。
「日本語ってタイヘンだなぁ」と。。。（≒「日本人ってタイヘンだなぁ」）
1. 文字セットが5種類も？
日本語。まずもって、様々な “文字セット” が使い分けられている、、、ってのがスゴイ。
- ひらがな 〔46文字〕（厳密には86文字）
- カタカナ 〔46文字〕（厳密には90文字）
- 半角カタカナ 〔46文字〕（厳密には58文字）
- 漢字 〔2136文字を小学校と中学校の9年間で覚える〕
- ローマ字（アルファベット）
“全ての文字” を覚えるだけでもタイヘンだ。これだけ字種が多いと『国語』（日本語）の時間がいくらあっても足りない。（？！？）
- ISO/IEC 646（JIS X 0208）: 6,879文字 （←漢字だけだと6356文字）
- ISO/IEC 10646（JIS X 0221）: 58,861文字
ただ、、、日本語に習熟すると、、、”文字セットの使い分け” によって、、、たとえば「Thank you のニュアンス」を変化させることも可能となる！！
- 「ありがとうございました」
- 「アリガトウゴザイマシタ」
- 「ｱﾘｶﾞﾄｳｺﾞｻﾞｲﾏｼﾀ」
- 「有り難う御座いました」
- 「Arigato Gozaimashita」
我々日本人は、実に不思議な言語（日本語）に支配されている。。。
近年の日本人は、「5種類の文字セットだけでは表現力が乏しい！」と考え（？）、、、新たに『絵文字』（Emoji！）なる文字セット（？？）を開発し、、、全世界に布教している。 🥋 😀
2. たとえば『半角カタカナ』
実は、今日の日本には、
「『半角カタカナ』を『全角カタカナ』に変換する」
という “不毛な事務作業” が、残っていたりする。
有名ドコロでいえば『都市銀行の振込ログ』だ。”API経由で取得したデータ” であっても、未だに『半角カタカナ』となっている。
- ｷﾖｳﾄﾀﾞｲｶﾞｸｶﾞｸﾁﾖｳ ﾐﾅﾄﾅｶﾞﾋﾛ
- COM？⇒ キヨウトダイガクガクチヨウ ミナトナガヒロ
- ヒト？⇒ キョウトダイガクガクチョウ ミナトナガヒロ
- ｻﾞｲ)ｷﾖｳﾄﾀﾞｲｶﾞｸ ｱｲﾋﾟ-ｴｽｻｲﾎﾞｳｹ
- COM？⇒ ザイ)キヨウトダイガク アイピ–エスサイボウケ
- ヒト？⇒ ザイ)キョウトダイガク アイピーエスサイボウケンキュウザイダン
“情報の欠落度” がこのレベルにまで至ると、もはやスクリプトレベルの “文字置換” では対応できない。すなわち、”人間知能” や “辞書登録” （や “人工知能” ！）を駆使して情報を補完してやる必要がある。
ちなみに全国銀行協会の『全銀システム』（ZENGIN）は、極めて信頼性の高い集中決済システムだ。しかしながら、たとえば “拗音や促音は使用できない” などの厳しいシバリ（ャュョッ→ヤユヨツ）がある。いわば “スペシャルな文字セット” となっている。要するに、安定感はあるが、ちょっと使いづらい。。。（ボソっ）
3. たとえば『ひらがな』
あるいは、今日の日本にも、
「『漢字』を『ひらがな』に変換する」
という “ナゾな事務作業” が残っていたりもする。
- 菅 直人 （かん なおと）
- 野田 佳彦 （のだ よしひこ）
- 安倍 晋三 （あべ しんぞう）
- 菅 義偉 （すが よしひで）
- 岸田 文雄 （きしだ ふみお）
何のことはナイ。日本人も『漢字』の “読み方” がワカラナイのだ。
なお “読み方” を知っているヒトにとっては、”冗長でノイジーな情報” になってしまう。なので、想定する読者が読めそうな漢字に対しては『ひらがな』を付記しない（『振り仮名』を付けない）。
実際、ここに例示した5人は超有名人〔首相〕なので、多くのヒトが読める。（ハズ）（と思う）（たぶん…）（きっと…）（どうかなー）
“姓名で使われる漢字” はナンギだ。同じ漢字でも “読み方” が大きく異なる場合がある。（e.g.; 菅さん → すがさん／かんさん） にもカカワラズ『個人番号カード』にも『運転免許証』にも “読み方” の記載はナイ。（『健康保険証』にはアル。『出生届』では書かされる。） 最近、サスガに「正しい読み方がドコにも定義されていないのはマズい」「行政手続き等のデジタル化において不都合だ」ということで、戸籍レベルで氏名に『読み仮名』をつけるための法改正が為されようとしている。 （※戸籍：日本・中国・台湾のみに現存する制度）
4. さらに『ローマ字』
そして、今日の日本には、
「『カタカナ/ひらがな』を『ローマ字』に変換する」（ローマ字化する ／ Romanize）
という “結構タイヘンな仕事” がある。
- 安倍 晋三 (JA-wikipedia, EN-wikipedia)
- ⇒ あべ しんぞう
- ⇒ Shinzo Abe (ABE, Shinzo)
子供が生まれた時 “出生届” に『よみがな』（ひらがな）を書かされる。しかし『ローマ字』を書かされることはない。つまり、「アルファベットでの名前」が命名されることがないのだ。（ちなみに出生届の名前自体をアルファベットで書いてしまう、という荒業も戸籍法上ダメ）
結果、いざアルファベットの『メールアカウント』を作成するときに（作成してもらうときに）困ったりする。。。
法人名（商号）の場合も、登記されているのは一つの文字列だけ。つまり「日本語表記」と「アルファベット表記」が登記されている訳ではない。もっとも、2018年以降は『フリガナ』が管理されるようになっている。ちなみに、混乱を避けるべく「アルファベット表記」を “定款” で決めている会社は多い。
5. ローマ字化ルール
“ルール” はある。小学校でも習う。
パスポート発行時のローマ字変換ルール（Romanize）は “ヘボン式” と呼ばれている（と外務省が言っている）方式だ。
しかし “ヘボン式” は時代とともに変化してきた。つまり、10年・20年もすれば「ひらがな⇒ローマ字」の変換ルールが変わってしまう。決して安定的なルールとは言えないのだ。
また “ヘボン式” はそもそも『よみがな』（ひらがな）ではなく「よみ方」（発音方法）から変換する。したがって、発音方法を変えれば（が変われば？）、「アルファベットでの名前」が変わってしまう。「しんぞう」は「Shinzo」であって「Shinzo “u”」ではない。
ヘボンさんは、アメリカ人だ。（ジェームス・カーティス・ヘボン）。まだ江戸時代だった1859年（日米和親条約〔1854年〕のわずか5年後！）に来日し、和英辞典の編纂にも携わった。彼の名前は原語発音に近い「ヘボン」とカナ表記された。しかし、”James Curtis Hepburn” なので、今なら「ヘップバーン」とカナ表記されるだろう。。。（映画俳優 オードリー・ヘプバーン／Audrey Hepburn と同じ姓） ”カタカナ化ルール”（Japanize）も安定性とは無縁のヨウダ。
6. なぜ自動化しづらいか？
特にモンダイなのは、、、『よみがな』（ひらがな）ではなく、、、「よみ方」（発音方法）に依存するという仕様そのものだ。特に長音。
たしかに「しんぞう」であれば “シンゾー” と発音することに異論はない。仮名遣いの基本ルールにも沿っている。
- 1946年: 【内閣告示】「現代かなづかい」（現代かなづかいは「現代語音に基づく」）
- 1986年: 【内閣告示】「現代仮名遣い」（「準則」⇒「よりどころ」制限色を緩和）
- (1) ア列の長音 ア列の仮名に「あ」を添える。
- (2) イ列の長音 イ列の仮名に「い」を添える。
- (3) ウ列の長音 ウ列の仮名に「う」を添える。
- (4) エ列の長音 エ列の仮名に「え」を添える。
- (5) オ列の長音 オ列の仮名に『う』を添える。
しかし例外も多い。
- 表記の慣習による特例
- 次のような語は、（長音として発音される場合であっても）、オ列の仮名に「お」を添えて書く。
- ※歴史的仮名遣いでオ列の仮名に「ほ」又は「を」が続いていたもの
- おおかみ、おおせ（仰）、おおやけ（公）、こおり（氷・郡）、こおろぎ、ほお（ホホ・朴）、ほおずき、ほのお（炎）、とお（十）、いきどおる（憤）、おおう（覆）、こおる（凍）、しおおせる、とおる（通）、とどこおる（滞）、もよおす（催）、いとおしい、おおい（多）、おおきい（大）、とおい（遠）、おおむね、おおよそ
つまり、、、もし『東洞院通』という名前があれば、『ヒガシノトーインドーリ』と読むが『ひがしのと“う”いんど“お”り』と書く。そして『Higashinot“o”in D“o”ri』とローマ字化する。
もはやカオスだ。。。
7. ローマ字化は半自動で？
そして、近年に至っては “ヘボン式によらないローマ字表記” も認められるようになった。
こうなればもう、カオスどころではない。。。（ナンデモアリだ）
と、、、いうことで、、、、特に人名や法人名の「カタカナ化」「ローマ字化」は人間とコンピュータが協調して作業するのが良いと思っている。（ナウ）
※ JavaScript のソースコードは以下を参照してください。
https://support.questetra.com/ja/tips/task-form-decoration-202208/#convert-to-roman-letters
