Unicode – 算譜とドリア

[c++]文字列から１文字ずつ、サロゲートペアと異体字セレクタを考慮しつつ取り出す

Unicode文字列から「１文字ずつ」を取り出す場合、異体字セレクタやサロゲートペアを考慮に入れる必要がある。
以下、日本語環境での話(モンゴル文字の異体字セレクタ等は未対応)。

1.std::wstring(2バイト環境)の場合

以前の記事で書いたとおり、異体字セレクタは文字の末尾に4byte分の情報が付加される。(C++Builderで異体字セレクタを使う)

このため、wchar_tが2byteの場合、wstringの「１文字」が取り得るバイト数は以下の４通りになる。

「１文字」の４パターン	バイト数
基本文字(基本多言語面)	2byte
サロゲートペア	4byte
基本文字の異体字セレクタ付	6byte
サロゲートペアの異体字セレクタ付	8byte

以下、文字列から、１文字ずつをstd::vectorに格納するメソッド。

std::vector<std::wstring> create_wstring_vec( const std::wstring& wstr )const
{
    std::vector<std::wstring> ret_wstrings;

    for( size_t i = 0; i < wstr.length(); ++i )
    {
        const unsigned long c = static_cast<unsigned long>( wstr[i] );

        // 異体字セレクタの判定:
        if( c == 0xDB40 // IVSの上位バイト:
         && ( i + 1 ) < wstr.length()
         && ( 0xDD00 <=  wstr[i+1] && wstr[i+1] <= 0xDDEF )
         && !ret_wstrings.empty() )
        {
            // 直前に格納された文字に異体字情報を追加:
            ret_wstrings[ret_wstrings.size()-1] += wstr.substr( i, 2 );
            ++i;
        }
        // サロゲートペアの判定
        else if( 0xD800 <= c && c <= 0xDBFF )
        {
            std::wstring ws = wstr.substr( i, 2 );
            ret_wstrings.push_back( ws );
            ++i;
        }
        // その他
        else
        {
            std::wstring ws = wstr.substr( i, 1 );
            ret_wstrings.push_back( ws );
        }
    }
    return ret_wstrings;
}

std::vector<std::wstring> create_wstring_vec( const std::wstring& wstr )const

{

std::vector<std::wstring> ret_wstrings;

for( size_t i = 0; i < wstr.length(); ++i )

{

const unsigned long c = static_cast<unsigned long>( wstr[i] );

// 異体字セレクタの判定:

if( c == 0xDB40 // IVSの上位バイト:

&& ( i + 1 ) < wstr.length()

&& ( 0xDD00 <= wstr[i+1] && wstr[i+1] <= 0xDDEF )

&& !ret_wstrings.empty() )

{

// 直前に格納された文字に異体字情報を追加:

ret_wstrings[ret_wstrings.size()-1] += wstr.substr( i, 2 );

++i;

}

// サロゲートペアの判定

else if( 0xD800 <= c && c <= 0xDBFF )

{

std::wstring ws = wstr.substr( i, 2 );

ret_wstrings.push_back( ws );

++i;

}

// その他

else

{

std::wstring ws = wstr.substr( i, 1 );

ret_wstrings.push_back( ws );

}

return ret_wstrings;

}

(wchar_tが16bit/unsignedであることを前提にしたコード)

2.std::string(utf-8)の場合

utf-8文字列をstd::stringに突っ込んで使う場合もあるので(自分自身はやらないが)、ちょっと調べた。以下のような方法で取り出せる(たぶん)。

utf-8文字は、先頭バイトを見ると１文字分のバイト数が分かるので、サロゲートペア判定は特に必要ない。だが、そこで取れるバイト数には異体字セレクタ情報は反映されないので、自前で処理する必要がある。

文字に付加される異体字セレクタは計４byte分で、漢字用のIVSでは以下の範囲を取るようだ。

バイト順	値の範囲
１	0xF3　(固定)
２	0xA0　(固定)
３	0x84～0x87
４	0x80～0xBF (0x80～0xAF)

４バイト目は、３バイト目が0x87の時に限り最大で0xAF(たぶん)。

以下、utf-8文字列の格納されたstd::stringから１文字ずつ取り出すメソッド。
なお、IVS最初の0xF3は、単体でも1byteで文字を表現するので、まず2byte分を判定する必要がある。

std::vector<std::string> create_u8string_vec( const std::string& utf8str )const
{
    using uchar = unsigned char;

    std::vector<std::string> ret_strings;

    for( size_t i = 0; i < utf8str.length(); ++i )
    {
        // 先頭バイト
        uchar c( utf8str[i] );

        // 異体字セレクタ判定
        // -------------------
        // まず2byte分調べる
        if( c == 0xF3
         && i
         && ( i + 3 ) < utf8str.length()
         && static_cast<uchar>( utf8str[i+1] ) == 0xA0 )
        {
            // 残る2byteを調べる
            uchar c1 = static_cast<uchar>( utf8str[i+2] );
            uchar c2 = static_cast<uchar>( utf8str[i+3] );
            // ３番目の値が0x84～0x86で且つ４番目の値が0x80～0xBF
            // または
            // ３番目の値が0x87で且つ４番目の値が0x80～0xAF
            if( 0x84 <= c1 && 0x80 <= c2
            && (
                 ( c1 <= 0x86 && c2 <= 0xBF )
                 ||
                 ( c1 == 0x87 && c2 <= 0xAF )
               )
              )
            {
                // 直前に格納された文字に異体字情報を追加:
                ret_strings[ret_strings.size()-1] += utf8str.substr( i, 4 );
                i += 3;
            }
        }
        // それ以外ならバイト数を求めて格納
        else
        {
            unsigned int byte_count = 0;

            if( 0x00 <= c && c <= 0x7F )
                byte_count = 1;
            else if( 0xC0 <= c && c <= 0xDF )
                byte_count = 2;
            else if( 0xE0 <= c && c <= 0xEF )
                byte_count = 3;
            else if( 0xF0 <= c && c <= 0xF7 )
                byte_count = 4;
            else if( 0xF8 <= c && c <= 0xFB )
                byte_count = 5;
            else if( 0xFC <= c && c <= 0xFD )
                byte_count = 6;

            if( byte_count )
            {
                ret_strings.push_back( utf8str.substr( i, byte_count ) );
                i += byte_count - 1;
            }
        }
    }
    return ret_strings;
}

std::vector<std::string> create_u8string_vec( const std::string& utf8str )const

{

using uchar = unsigned char;

std::vector<std::string> ret_strings;

for( size_t i = 0; i < utf8str.length(); ++i )

{

// 先頭バイト

uchar c( utf8str[i] );

// 異体字セレクタ判定

// -------------------

// まず2byte分調べる

if( c == 0xF3

&& i

&& ( i + 3 ) < utf8str.length()

&& static_cast<uchar>( utf8str[i+1] ) == 0xA0 )

{

// 残る2byteを調べる

uchar c1 = static_cast<uchar>( utf8str[i+2] );

uchar c2 = static_cast<uchar>( utf8str[i+3] );

// ３番目の値が0x84～0x86で且つ４番目の値が0x80～0xBF

// または

// ３番目の値が0x87で且つ４番目の値が0x80～0xAF

if( 0x84 <= c1 && 0x80 <= c2

&& (

( c1 <= 0x86 && c2 <= 0xBF )

( c1 == 0x87 && c2 <= 0xAF )

)

{

// 直前に格納された文字に異体字情報を追加:

ret_strings[ret_strings.size()-1] += utf8str.substr( i, 4 );

i += 3;

}

// それ以外ならバイト数を求めて格納

else

{

unsigned int byte_count = 0;

if( 0x00 <= c && c <= 0x7F )

byte_count = 1;

else if( 0xC0 <= c && c <= 0xDF )

byte_count = 2;

else if( 0xE0 <= c && c <= 0xEF )

byte_count = 3;

else if( 0xF0 <= c && c <= 0xF7 )

byte_count = 4;

else if( 0xF8 <= c && c <= 0xFB )

byte_count = 5;

else if( 0xFC <= c && c <= 0xFD )

byte_count = 6;

if( byte_count )

{

ret_strings.push_back( utf8str.substr( i, byte_count ) );

i += byte_count - 1;

}

return ret_strings;

}

3.サンプルプログラム

C++Builderによるサンプルプログラム。

TFormにTEditとTMemoをひとつずつ、TButtonを２つ貼り付ける。
TEditとTMemoのフォントは游明朝、サイズを40にしておく。 TEditに以下の文字列を入れておく。

文字列の漢字部分は、最初の「辻」から順に
・基本文字
・異体字セレクタ
・基本文字
・サロゲートペア
・サロゲートペア
・サロゲートペアの異体字セレクタ付
英字は小文字のａが全角、大文字のAは半角。

3-1.std::wstringを使った例

Button1Clickを次のように実装。

void __fastcall TForm1::Button1Click(TObject *Sender)
{
    const std::wstring wstr = Edit->Text.c_str();
    std::vector<std::wstring> wstring_vec = create_wstring_vec( wstr );
    for( const auto& s : wstring_vec )
    {
        Memo->Lines->Add( s.c_str() );
    }
}

void __fastcall TForm1::Button1Click(TObject *Sender)

{

const std::wstring wstr = Edit->Text.c_str();

std::vector<std::wstring> wstring_vec = create_wstring_vec( wstr );

for( const auto& s : wstring_vec )

{

Memo->Lines->Add( s.c_str() );

}

結果：

3-2.std::stringを使った例

C++BuilderにはUTF8String型があるので、変換にはそれを使っている。
Button2Clickを以下のように実装。

void __fastcall TForm1::Button2Click(TObject *Sender)
{
    UTF8String U8Str = Edit->Text;
    const std::string u8str = U8Str.c_str();

    std::vector<std::string> string_vec = create_u8string_vec( u8str );

    for( const auto& s : string_vec )
    {
        UTF8String U8Str = s.c_str();
        Memo->Lines->Add( U8Str );
    }
}

void __fastcall TForm1::Button2Click(TObject *Sender)

{

UTF8String U8Str = Edit->Text;

const std::string u8str = U8Str.c_str();

std::vector<std::string> string_vec = create_u8string_vec( u8str );

for( const auto& s : string_vec )

{

UTF8String U8Str = s.c_str();

Memo->Lines->Add( U8Str );

}

結果：
　
以上、とりあえずのテストでは上手くいっているが、何か見落とし等があるかも。

続・C++Builderで異体字セレクタを使う　サロゲートペアの場合

サロゲートペア文字にも異体字セレクタ対象の文字があることに、「C++Builderで異体字セレクタを使う」の投稿後に気付いた。

1.表示は簡単

基本は変わらない。対象文字のコードポイントの上位・下位バイトが分かっていれば、以下の数行のコードで表示できる。
なおTEditのフォントは、Windows8.1以降に標準バンドルされている游明朝を使っている。（オープンソースの花園明朝Aを使えば、より多くの異体字が表示できる）

void __fastcall TForm1::Button1Click(TObject *Sender)
{
	wchar_t wc[5];
	wc[0] = 0xD84D; // 上位バイト
	wc[1] = 0xDE3A; // 下位バイト
	wc[2] = 0xDB40;
	wc[3] = 0xDD00;
	wc[4] = L'\0';

	Edit1->Text = wc;
}

void __fastcall TForm1::Button1Click(TObject *Sender)

{

wchar_t wc[5];

wc[0] = 0xD84D; // 上位バイト

wc[1] = 0xDE3A; // 下位バイト

wc[2] = 0xDB40;

wc[3] = 0xDD00;

wc[4] = L'\0';

Edit1->Text = wc;

}

表示結果

標準字形と異体字を並べてみる。

void __fastcall TForm1::Button1Click(TObject *Sender)
{
	wchar_t wc[5];
	wc[0] = 0xD84D; // 上位バイト
	wc[1] = 0xDE3A; // 下位バイト

	// 標準字形をセット
	wc[2] = L'\0';
	String Str = wc;

	// 異体字をセット
	wc[2] = 0xDB40;
	wc[4] = L'\0';
	for( int i = 0; i < 2; ++i )
	{
		wc[3] = 0xDD01 + i;
		Str += wc;
	}
	Edit1->Text = Str;
}

void __fastcall TForm1::Button1Click(TObject *Sender)

{

wchar_t wc[5];

wc[0] = 0xD84D; // 上位バイト

wc[1] = 0xDE3A; // 下位バイト

// 標準字形をセット

wc[2] = L'\0';

String Str = wc;

// 異体字をセット

wc[2] = 0xDB40;

wc[4] = L'\0';

for( int i = 0; i < 2; ++i )

{

wc[3] = 0xDD01 + i;

Str += wc;

}

Edit1->Text = Str;

}

表示結果

2.両対応の汎用メソッド

実際にはコードポイントをいちいち探したり求めるのは面倒くさいので、実際の文字と異体字番号（ゼロから指定）から異体字を求める汎用メソッドを作ってみる。サロゲートかどうかも気にしなくてよい。
（以下のサンプルは、Stringが複数の文字からなる場合は、先頭文字の異体字を返す）

#include <System.Character.hpp> // IsSurrogate:
#include <algorithm> // std::min:

static const unsigned int MAX_IVS_COUNT = 240;

String __fastcall TForm1::StringToIvsString( const String& OrgStr,
											 unsigned int ivs_num )const
{
	ivs_num = std::min( ivs_num, MAX_IVS_COUNT - 1 );

	wchar_t wc[5] = {};

	wc[0] = OrgStr[1];

	int begin_ivs = 1;
	if( System::Character::IsSurrogate( OrgStr, 1 ) )
	{
		wc[1] = OrgStr[2];
		begin_ivs = 2;
	}
	//
	wc[begin_ivs] 	= 0xDB40;
	wc[begin_ivs+1] = 0xDD00 + ivs_num;

	String RetStr = wc;
	return RetStr;
}

#include <System.Character.hpp> // IsSurrogate:

#include <algorithm> // std::min:

static const unsigned int MAX_IVS_COUNT = 240;

String __fastcall TForm1::StringToIvsString( const String& OrgStr,

unsigned int ivs_num )const

{

ivs_num = std::min( ivs_num, MAX_IVS_COUNT - 1 );

wchar_t wc[5] = {};

wc[0] = OrgStr[1];

int begin_ivs = 1;

if( System::Character::IsSurrogate( OrgStr, 1 ) )

{

wc[1] = OrgStr[2];

begin_ivs = 2;

}

wc[begin_ivs] = 0xDB40;

wc[begin_ivs+1] = 0xDD00 + ivs_num;

String RetStr = wc;

return RetStr;

}

テストコード。
LabeledEditからIVS番号を取得して、文字を変換する。
２つのTEditのフォントは游明朝に設定している。

void __fastcall TForm1::BtnToIvsClick(TObject *Sender)
{
	if( EditOrgStr->Text.IsEmpty() )
		return;

	String Str = StringToIvsString( EditOrgStr->Text,
									LabeledEditIvsNum->Text.ToInt() );
	EditIvs->Text = Str;
}

void __fastcall TForm1::BtnToIvsClick(TObject *Sender)

{

if( EditOrgStr->Text.IsEmpty() )

return;

String Str = StringToIvsString( EditOrgStr->Text,

LabeledEditIvsNum->Text.ToInt() );

EditIvs->Text = Str;

}

実行結果。

3.TRichEditの挙動が非サロゲートと異なる(?)

サロゲートペアの異体字をTRichEditに表示した場合、非サロゲートペアの場合と異なり、余分な空白が表示されないようだ。
異体字と標準字形を並べて表示してみると…。（左がTMemo、右がTRichEdit）

この挙動は謎。
なお、異体字の後ろにカーソルを置いた状態で、BackSpaceキーを押下すると〝先祖返り〟する挙動は、非サロゲート文字と変わらない。

C++Builder10.2.3とWindows10で確認。

C++Builderで異体字セレクタを使う

０．異体字セレクタとは

非常に大雑把かつ乱暴に言うと、山ほどある異体字を表示させるための仕組みのひとつ。
文字にいちいち固有の番号を割り当てるのではなく、番号に枝番号(符号)を付ける仕掛けである。
対応するフォントが必要だが、Windowsに標準添付の一部フォントでもそれなりに対応している。
詳しくはWikipediaなど参照してもらった方がいい。

Windows7からメモ帳でも利用可能になったので試してみた人も多いかもしれない。

１．表示は簡単

とりあえずよくある「１点しんにょうの辻」をTEditに表示する。
フォームにTEditとTButtonを一つずつ貼り付け、TEditのフォントはＭＳ明朝、フォントサイズは判別しやすいように30にしておく。
以下の数行のコードで、１点しんにょうの辻が表示される。

void __fastcall TForm1::Button1Click(TObject *Sender)
{
	wchar_t wc[4];
	wc[0] = 0x8FBB; // 「辻」のコード番号
	wc[1] = 0xDB40; // 枝番の上位2byte
 	wc[2] = 0xDD00; // 枝番の下位2byte
	wc[3] = L'\0';

	Edit1->Text = wc;
}

void __fastcall TForm1::Button1Click(TObject *Sender)

{

wchar_t wc[4];

wc[0] = 0x8FBB; // 「辻」のコード番号

wc[1] = 0xDB40; // 枝番の上位2byte

wc[2] = 0xDD00; // 枝番の下位2byte

wc[3] = L'\0';

Edit1->Text = wc;

}

このように表示される。

２．仕組みとか

異体字セレクタは、通常の文字番号に、0xE0100から始まる枝番号を付けることで作動する。(最大で240までの枝番号が付けられるが、実際にそんなにたくさんの枝番号が定義された文字は現在ない。)
0xE0100は２byteで収まらないので、当然、wchar_tに格納できない。(C++Builderはwchar_tが２byte)
が、上位２byteは0xDB40で固定。下位２byteに0xDD00～0xDDEFまでのいずれかを格納してやればよい。

なお存在しない枝番を指定した場合、単に標準の文字が表示される。

３．フォントによって異なる枝番号

どの枝番号にどの異体字形が割り振られているかは、実はフォントによって違う。(正確に言うとフォントによって採用している字形コレクションが違う)。
異なるフォントを設定した３つのMemoに、「辻」の異体字の枝番を順に表示してみる。

void __fastcall TForm1::Button4Click(TObject *Sender)
{
	// 空かサロゲート文字なら終了
	if( Edit->Text.IsEmpty() || IsSurrogate( Edit->Text, 1 ) )
		return;

	Memo1->Lines->Clear();
	Memo2->Lines->Clear();
	Memo3->Lines->Clear();
	//
	std::wstring wstr = Edit->Text.c_str();
	wchar_t wc[4];
	wc[0] = wstr[0];
	wc[1] = 0xDB40; // 0xE0100 の上位バイト
	wc[3] = L'\0';
	for( int i = 0; i < 3; ++i )
	{
		wc[2] = 0xDD00 + i;
		String Str = wc;
		Memo1->Lines->Add( Str );
		Memo2->Lines->Add( Str );
		Memo3->Lines->Add( Str );
	}
}

void __fastcall TForm1::Button4Click(TObject *Sender)

{

// 空かサロゲート文字なら終了

if( Edit->Text.IsEmpty() || IsSurrogate( Edit->Text, 1 ) )

return;

Memo1->Lines->Clear();

Memo2->Lines->Clear();

Memo3->Lines->Clear();

std::wstring wstr = Edit->Text.c_str();

wchar_t wc[4];

wc[0] = wstr[0];

wc[1] = 0xDB40; // 0xE0100 の上位バイト

wc[3] = L'\0';

for( int i = 0; i < 3; ++i )

{

wc[2] = 0xDD00 + i;

String Str = wc;

Memo1->Lines->Add( Str );

Memo2->Lines->Add( Str );

Memo3->Lines->Add( Str );

}

実行結果

１点しんにょうの辻は、IPAmj明朝の場合は３番目、游明朝およびＭＳ明朝なら１番目に割り振られているのが分かる。

いったん表示した後、フォントを変えると、文字が変化してしまう危険がある。

４．１文字で３文字分

文字数を数えるプログラムなどでは注意が必要。
SystemのLength()でもstd::wstringのlength()でも、３文字になる。
サロゲートペアの判定はIsSurrogateで簡単だが、異体字セレクタの場合はもう一工夫必要になるはず。

５．TMemoとTRichEditで挙動が異なる

異体字セレクタ文字は、TMemoとTRichEditで挙動・表示が違う。
１点しんにょうの辻と通常の辻の２文字をそれぞれ表示してみる。

void __fastcall TForm1::Button3Click(TObject *Sender)
{
	// ノーマルな文字
	String NoIvsStr( L"辻" );

	// 異体字セレクタを利用した文字の作成
	std::wstring no_ivs_str = NoIvsStr.c_str(); // 作成用に利用
	wchar_t wc[4];
	wc[0] = no_ivs_str[0];
	wc[1] = 0xDB40;
	wc[2] = 0xDD00;
	wc[3] = L'\0';

	String IvsStr = wc;

	// IVS使用の異体字と通常文字を足す
	String NewStr = IvsStr + NoIvsStr;

	// MemoとRichEditに表示
	Memo->Text      = NewStr;
	RichEdit->Text  = NewStr;
}

void __fastcall TForm1::Button3Click(TObject *Sender)

{

// ノーマルな文字

String NoIvsStr( L"辻" );

// 異体字セレクタを利用した文字の作成

std::wstring no_ivs_str = NoIvsStr.c_str(); // 作成用に利用

wchar_t wc[4];

wc[0] = no_ivs_str[0];

wc[1] = 0xDB40;

wc[2] = 0xDD00;

wc[3] = L'\0';

String IvsStr = wc;

// IVS使用の異体字と通常文字を足す

String NewStr = IvsStr + NoIvsStr;

// MemoとRichEditに表示

Memo->Text = NewStr;

RichEdit->Text = NewStr;

}

実行結果。左がTMemo, 右がTRichEdit。

このようにRichEditは枝番分の文字の空きが取られてしまう。

ちなみに、この空きをキーボードで削除すると

枝番情報が消えるので最初の文字が通常の「辻」に戻ってしまう。

また、Memoの方でも、１点しんにょうの辻の後ろにカーソルを置きBackSpaceキーを押すと、文字は消えないがやはり先祖返りする。

以上、基本的にVclとFireMonkey共通。（ただしFireMonkeyにはRichEditはない。）
C++Builder10.2.3 / Windows10 で確認。

Unicodeのコード番号からStringを取得する

VclとFireMonkey共通。

“80CC”等、コードポイント（番号）の文字列をStringに変換するには、基本的には以下でOK。

String Code( L"80CC" ); // 背

String Str = WideChar( StrToInt( L"0x" + Code ) );

String Code( L"80CC" ); // 背

String Str = WideChar( StrToInt( L"0x" + Code ) );

ただし実際にはサロゲートペア用に割り当てられた番号（D800～DFFF）に配慮する必要がある。Androidで、サロゲートペア用の番号を指定するとアプリが落ちる場合もある（Android4.4.2で確認）
そこに配慮した関数。

bool CodeToString( const String Code, String& RefStr )
{
	if( Code.Length() == 4 )
	{
		unsigned int c = StrToInt( L"0x" + Code );
		if( c < 0xd800 || 0xdfff < c )
		{
			std::wstring result( 1, c );
			RefStr = result.c_str();
			return true;
		}
	}
	return false;
}

bool CodeToString( const String Code, String& RefStr )

{

if( Code.Length() == 4 )

{

unsigned int c = StrToInt( L"0x" + Code );

if( c < 0xd800 || 0xdfff < c )

{

std::wstring result( 1, c );

RefStr = result.c_str();

return true;

}

return false;

}

サロゲートペア文字も取得するには、もう一手間が必要。
サロゲートペア用の番号は”20B9F”など５桁になる。
少し汎用にstd::wstringを使った関数。（注:C++Builderはwchar_tが2byte）

#include <string>
#include <sstream>

bool is_surrogate_high( unsigned long c )
{
	return 0xd800 <= c && c <= 0xdbff;
}
bool is_surrogate_low( unsigned long c )
{
	return 0xdc00 <= c && c <= 0xdfff;
}
bool is_surrogate_high_or_low( unsigned long c )
{
	return is_surrogate_high( c )
		|| is_surrogate_low( c );
}
bool get_surrogate_pair( unsigned long num,
						 std::pair<unsigned long,unsigned long>* sur_pair )
{
	unsigned long high, low;
	num -= 0x10000;
	high = num / 0x400;
	high += 0xd800;
	low = num % 0x400;
	low += 0xdc00;
	if( is_surrogate_high( high ) && is_surrogate_low( low ) )
	{
		(*sur_pair).first  = high;
		(*sur_pair).second = low;
		return true;
	}
	return false;
}
bool code_to_string( const std::wstring code_hex_str,
					 std::wstring& result_str )
{
	if( code_hex_str.length() == 4 )
	{
		wchar_t* end_ptr;
		unsigned long c = wcstol( code_hex_str.c_str(), &end_ptr, 16 );
		if( is_surrogate_high_or_low( c ) )
			return false;
		result_str = std::wstring( 1, c );
        return true;
	}
	else if( code_hex_str.length() == 5 )
	{
		wchar_t* end_ptr;
		unsigned long c = wcstol( code_hex_str.c_str(), &end_ptr, 16 );
		std::pair<unsigned long, unsigned long> sur_pair;
		if( get_surrogate_pair( c, &sur_pair ) )
		{
			wchar_t wc[3];
			wc[0] = sur_pair.first;
			wc[1] = sur_pair.second;
			wc[2] = L'\0';
			result_str = wc;
			return true;
		}
	}
	return false;
}

#include <string>

#include <sstream>

bool is_surrogate_high( unsigned long c )

{

return 0xd800 <= c && c <= 0xdbff;

}

bool is_surrogate_low( unsigned long c )

{

return 0xdc00 <= c && c <= 0xdfff;

}

bool is_surrogate_high_or_low( unsigned long c )

{

return is_surrogate_high( c )

|| is_surrogate_low( c );

}

bool get_surrogate_pair( unsigned long num,

std::pair<unsigned long,unsigned long>* sur_pair )

{

unsigned long high, low;

num -= 0x10000;

high = num / 0x400;

high += 0xd800;

low = num % 0x400;

low += 0xdc00;

if( is_surrogate_high( high ) && is_surrogate_low( low ) )

{

(*sur_pair).first = high;

(*sur_pair).second = low;

return true;

}

return false;

}

bool code_to_string( const std::wstring code_hex_str,

std::wstring& result_str )

{

if( code_hex_str.length() == 4 )

{

wchar_t* end_ptr;

unsigned long c = wcstol( code_hex_str.c_str(), &end_ptr, 16 );

if( is_surrogate_high_or_low( c ) )

return false;

result_str = std::wstring( 1, c );

return true;

}

else if( code_hex_str.length() == 5 )

{

wchar_t* end_ptr;

unsigned long c = wcstol( code_hex_str.c_str(), &end_ptr, 16 );

std::pair<unsigned long, unsigned long> sur_pair;

if( get_surrogate_pair( c, &sur_pair ) )

{

wchar_t wc[3];

wc[0] = sur_pair.first;

wc[1] = sur_pair.second;

wc[2] = L'\0';

result_str = wc;

return true;

}

return false;

}

（注:C++Builder Berlin Update2では、Androidではwstring版の”wcstol”がバグっているようなので、さらに一手間かけてstring版の”strtol”を使う必要がある）

念のため、Stringに変換するには以下のように呼び出す。

bool CodeToString( String CodeStr, String& ResultStr )
{
	const std::wstring code_hex_str = CodeStr.c_str();
	std::wstring result_str;
	if( code_to_string( code_hex_str, result_str ) )
	{
		ResultStr = result_str.c_str();
		return true;
	}
	return false;
}

bool CodeToString( String CodeStr, String& ResultStr )

{

const std::wstring code_hex_str = CodeStr.c_str();

std::wstring result_str;

if( code_to_string( code_hex_str, result_str ) )

{

ResultStr = result_str.c_str();

return true;

}

return false;

}

（なおC++Builder BerlinではStringはUnicodeStringのtypedef）

C++Builder Berlin Update2 / Windows7(Sp1)で確認。