JPS6383833A - 文字列検索方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、情報処理システムにおける文字列の検索方法
に係り、特に複数の異なるコード系の文字が混在する文
字列に好適な検索方法に関する。

〔従来の技術〕

情報処理システムで取り扱う文字列には、例えば１バイ
トコード系の文字（英数字）と２バイトコード系の文字
（漢字）というように、複数の異なるコード系の文字が
混在しているのが普通である。一般にかＮる文字列は、
各コード系を示すエスケープシーケンスの後にそのコー
ドの文字列が続く形で表現されている。従来、このよう
な文字列を検索する場合、検索に先立って、検索母体と
なる文字列あるいは検索対象となる文字列中の該当文字
がどのコード系に属するかを、エスケープシーケンスを
チェックすることにより判別していた。

なお、文字列の高速検索方式としては、例えば特開昭５
９−１１２３３９号があるが、複数の異なるコード系の
文字が混在する文字列の検索については配慮されていな
い。

〔発明が解決しようとする問題点〕

従来技術では、複数の異なるコード系の文字が混在した
文字列の検索は、各コード系を示すエスケープシーケン
スの後にそのコードの文字列が続く表現のま＼で行って
おり、検索に先立って、検索母体となる文字列あるいは
検索対象となる文字列中の該当文字がどのコード系に属
するかを、その文字より前にある最も近いエスケープシ
ーケンスを探すことにより判別する必要があった。した
がって、検索対象となる文字列のパターンを、検索母体
となる文字列から探すという単純なパターンマツチング
手法が使えず、検索に時間を要していた。

本発明の目的は、複数の異なるコード系の文字が混在し
た文字列の検索の場合にも、単純なパターンマツチング
手法が適用できるようにし、検索処理の高速化を図るこ
とにある。

〔問題点を解決するための手段〕

上記目的は、検索母体となる文字列の各文字の先頭にコ
ード系の識別子を付加し、同様に検索対象となる文字列
の各文字の先頭にもコード系の識別子を付加し、このコ
ード系識別子の付加された検索対象文字列と検索母体文
字列を比較することにより達成される。

〔作　用〕

複数の異なるコード系の文字が混在した文字列は、各コ
ード系を示すエスケープシーケンスの後にコードの文字
列が続く形で表現されている。検索母体となる文字列か
らこのエスケープシーケンスを取り除いて各文字の先頭
にコード系の識別子を付加し、同様に検索対象となる文
字列からもエスケープシーケンスを取り除いて各文字の
先頭にコード系の識別子を付加する。それによって、あ
る文字の属するコード系がエスケープシーケンスまで立
ち戻ることなく判るので、検索時に単純なパターンマツ
チング手法が使え、検索が簡略化、高速化される。

〔実施例〕

以下、本発明の一実施例について図面により説明する。

第１図は本発明による検索システムの一実施例のブロッ
ク図である。本システムはキーボード付ディスプレイ装
置１．主メモリ２、ファイル３及び文書編集装置４を具
備し、文書編集装置４は画面入出力部５、検索処理部６
、ファイル入出力部７で構成される。

いま、ファイル３中の文書は、１バイトコード系の文字
（例えば英数字）と２バイトコード系の文字（漢字）が
混在しているものでする。この文書の中からある文字列
を検索するには、まずディスプレイ装置１がら検索母体
となる文書の入力要求をキー人力する。この要求は、画
面入出力部５を経て、ファイル入出力部７に送られ、検
索母体の文書がファイル３から入力される。このとき、
ファイル入出力部７は入力した文書の各文字の先頭にコ
ード系の識別子を付加して主メモリ２に展開する。次に
、ディスブレス装置１がら検索対象となる文字列を入力
する。このとき入力された文字列は画面入出力部５を経
て検索処理部６に送られ、各文字の先頭にコード系の識
別子が付加される。

検索処理部６は、主メモリ２に格納された検索母体文書
中に、コード系識別子が付加された検索対象文字列がな
いかパターンマツチング手法により比較する。検索対象
文字列があれば、その位置をディスプレイ装置１に表示
し、なければその旨のメツセージをディスプレイ装置１
に表示する。

第２図は、ディスプレイ装置１及びファイル３から入力
された、１バイトコード系と２バイトコード系の文字が
混在する文字列を変換して１文字コードの先頭にコード
系の識別子を付加する概念を表わしている。８はディス
プレイ装置１及びファイル３から入力された文字列を示
す、ＥＳＣは拡張制御文字、１１は１バイトコード系の
開始を示すコード、ＡＢは１バイトコ一ド表現による文
字コード、工２は２バイトコード系の開始を示すコード
、漢字は２バイトコ一ド表現による文字コードとする。

ＥＳＣと工１あるいは工２でエスケープシーケンスを表
わしている。、９は８の文字列を変換した結果であり、
Ｃ１は１バイトコード系の各文字の前に付加されるコー
ド系識別子（長さは１バイト）である。

変換の手法としては、変換前データ８からエスケープシ
ーケンス（ＥＳＣ，Ｉｌ及びＩ２）を取り除き、１バイ
トコード系の前にコード系識別子（Ｃ１）を付加し、変
換後データ９とする。このコード系識別子（長さ１バイ
ト）を２バイトコード系の文字の１バイト目には現われ
ないコードにすることにより、２バイトコード系の文字
の前には、コード系識別子を付加しないですむ。

第３図は画面入出力部５あるいはファイル入出力部７で
のデータ変換の処理手順を示す。二＼では、第２図に示
す８の形式で入力されたデータを９の形式に変換して出
力領域にセットする例について説明する。

まず、入力データの先頭にポインタを位置づける（ステ
ップ１０）。次にポインタの指す文字１バイトがＥＳＣ
かどうかチェックする（ステップ１１）。ＥＳＣであれ
ば、次の１バイトが１バイト系開始コードかをチェック
する（ステップ１２）。

１バイト系開始コード（工１）であればコード系を１バ
イトとしくステップ１３）、そうでなければコード系を
２バイトとする（ステップ１４）。

次に、ポインタをＥＳＣの２バイト先にセットしくステ
ップ１５）、入力データが全てチェックされていたら処
理を終了し、そうでなければステップ１１に戻る（ステ
ップ１６）・ ステップ１１でポインタの指す文字がＥＳＣでなければ
、コード系が１バイトかどうかチェックする（ステップ
１７）。１バイトであれば、ポインタの指す文字１バイ
トの前にコード識別子を付加して２バイトにしてから出
力領域に転送する（ステップ１８．１９）。１バイトで
なければ、ポインタの指すところから２バイトの文字を
そのま＼出力領域に転送する（ステップ１９）。その後
ポインタを更新して、入力データの終了するまで同様の
処理を繰り返す。

次にパターンマツチング手法による検索処理を第４図及
び第５図で説明する。

第４図で２０はデータ変換後の検索対象文字列、２１は
同じくデータ変換後の検索母体文字列である。２２．２
３は検索母体文字列中から検索される検索対象文字列を
示している。

第５図は検索処理部６での検索手順を示している。まず
、検索母体文字列２１の先頭にポインタを設定する（ス
テップ２４）。次にポインタの指すところから、検索対
象文字列２０の長さ分の検索母体文字列を該検索対象文
字列と比較する（ステップ２５）。同じであれば検索対
象文字列が存在した旨のメツセージを出力する（ステッ
プ２６）。

次に検索母体文字列２１のポインタを２だけ増加させ（
ステップ２７）、検索母体文字列２１のチェックが全て
の文字列に対してなされていれば処理を終了し、そうで
なければステップ２５に戻る（ステップ２８）。

本実施例によれば、１バイトコード系の文字と２バスト
コード系の文字が混在している文字列を検索する場合、
単純なパターンマツチング手法が適用できる。

〔発明の効果〕

本発明によれば、複数の異なるコード系の文字が混在す
る文字列の検索が単純なパターンマツチングでできるの
で、検索処理を簡略化、高速化する効果がある。また、
文字列中の文字のコード系の種類が増加しても検索処理
は変更しなくても済済むので、拡張性にも優れている。

【図面の簡単な説明】

第１図は本発明の一実施例の構成図、第２図はコード識
別子を付加する方法の概念図、第３図はコード識別子を
付加する処理手順を示す図、第４図はパターンマツチン
グ手法の概念図、第５図はパターンマツチング手法の処
理手順を示す図である。 １・・・キーボード付ディスプレイ装置、２・・・主メ
モリ、　　３・・・ファイル、４・・・文書編集装置、
　５・・・画面入出力部、６・・・検索処理部、　　７
・・・ファイル入出力部。 ８・・・変換前データ、　９・・・変換後データ、２０
・・・検索対象文字列、　２１・・・検索母体文字列、
　２２．２３・・・検索された文字列。 代理人弁理士　　小　川　勝　男 第１図 第３図

Claims (1)

【特許請求の範囲】
1. （１）複数の異なるコード系の文字が混在する文字列の
   検索方法において、検索母体となる文字列（検索母体文
   字列）と検索対象となる文字列（検索対象文字列）の少
   なくとも一部文字にコード系の識別子を付加し、該コー
   ド系の識別子を付加された検索対象文字列を、同じくコ
   ード系の識別子を付加された検索母体文字列中からパタ
   ーンマッチングにより検索することを特徴とする文字列
   検索方法。