MacでPDFからコピペした時のNFD問題対策

MacでPDFからコピペした時のNFD問題の対策。

MacでPDFからコピペした文字が、濁点/半濁点が離れる。

• 「お読みください」
• 「お読みくた゛さい」

Macのファインダーのコピーだと見た目的な違いが無いので判別が難しい。

原因

MacOSのファイルシステムであるHFS+が使用している、UTF-8の正規化方法が「NFD」というもので、２文字に分けて正規化されてしまうことが原因。

• Mac で PDF からコピーした濁点/半濁点付きの文字列を Firefox に貼り付けた時におかしくなる問題の対処方法

対策とどこでクリアするか？

NFD → NFCに変換をする。

nkf（Network Kanji Filter）で変換が可能。

• UTF-8にもいろいろある

どこで？

1. コピーした時点で変換する。
2. タスクランナーに組み込んで変換する。

とりあえずの前者の仕組みを MacのAutomaterでシェルスクリプトを実行してクリップボードにコピーするで実現する。

やる

nkfをインストール（npm でもインストールが可能）

• [Macにnkfコマンドをインストールしてみる]
  (http://kengo92i.hatenablog.jp/entry/2016/09/06/120854)

nkfで --ic=UTF8-MACオプションを指定して実行

• [Macでファイル名をコピペすると濁点と半濁点がおかしくなる。]
  (http://qiita.com/damassima/items/1813af7e501994aa0cf8)

実行するシェルスクリプトは以下

/usr/local/bin/nkf -w --ic=UTF8-MAC

↑コレをAutomaterで処理を登録

この処理だけでok。

クリップボードの内容を取得のフローを入れてたら、テキストが2重に表示されたりしてちょっとハマった。

検証

テキストファイルを2つ用意して、
コピペしてみる。

NFCとNFDのサンプルは↓こちらからお借りします。
http://pollux.sakura.ne.jp/test/unicode/

【NFDのサンプル】  
ガギグゲゴ|パピプペポ  

####変換前

cat test.txt | od -tx1c

0000000    e3  80  90  4e  46  43  e3  81  ae  e3  82  b5  e3  83  b3  e3
          【  **  **   N   F   D  の  **  **  サ  **  **  ン  **  **  プ
0000020    83  97  e3  83  ab  e3  80  91  0a  e3  82  ab  e3  82  99  e3
          **  **  ル  **  **  】  **  **  \n  カ  **  **    ゙  **  **  キ
0000040    82  ad  e3  82  99  e3  82  af  e3  82  99  e3  82  b1  e3  82
          **  **    ゙  **  **  ク  **  **    ゙  **  **  ケ  **  **    ゙  **
0000060    99  e3  82  b3  e3  82  99  7c  e3  83  8f  e3  82  9a  e3  83
          **  コ  **  **    ゙  **  **   |  ハ  **  **    ゚  **  **  ヒ  **
0000100    92  e3  82  9a  e3  83  95  e3  82  9a  e3  83  98  e3  82  9a
          **    ゚  **  **  フ  **  **    ゚  **  **  ヘ  **  **    ゚  **  **
0000120    e3  83  9b  e3  82  9a                                        
          ホ  **  **    ゚  **  **                                        

####変換後

cat test_nfc.txt | od -tx1c

0000000    e3  80  90  4e  46  43  e3  81  ae  e3  82  b5  e3  83  b3  e3
          【  **  **   N   F   D  の  **  **  サ  **  **  ン  **  **  プ
0000020    83  97  e3  83  ab  e3  80  91  0a  e3  82  ac  e3  82  ae  e3
          **  **  ル  **  **  】  **  **  \n  ガ  **  **  ギ  **  **  グ
0000040    82  b0  e3  82  b2  e3  82  b4  7c  e3  83  91  e3  83  94  e3
          **  **  ゲ  **  **  ゴ  **  **   |  パ  **  **  ピ  **  **  プ
0000060    83  97  e3  83  9a  e3  83  9d                                
          **  **  ペ  **  **  ポ  **  **                                

変換できてる。

サービスに登録

PDFからコピーするときは、これを選んで変換する。
通常のコピー（cmd + c）を上書きすると常に実行されたりもする。

以上。