字体違いの名前合わせ

日本語の画面の名前を、簡体字のデータの名前に突き合わせるときの手順。 opencc-js の jp → cn 変換を1回通すだけでは、合わない名前が出る。ゲームの武将の名前を取り込んだとき、6件が合わなかった。

起きること

画面の名前を変換して、データの名前と文字列が同じか調べる。

画面の名前	変換後	データの名前	結果
趙雲	赵云	赵云	一致
劉備	刘备	刘备	一致
曹操	曹操	曹操	一致
諸葛亮	诸葛亮	诸葛亮	一致
蔡文姫	蔡文姫	蔡文姬	不一致
馬雲騄	马云(U+2B627)	马云禄	不一致
衛瓘	衞瓘	卫瓘	不一致
呂姫	吕姫	吕姬	不一致
張姫	张姫	张姬	不一致
周姫	周姫	周姬	不一致

上の表は、取り込みのとき合わなかった6件と、最初から合っていた4件(対照)を、2026-11-10にゲームの武将データ(171人)で流し直した結果。

原因は3つの字だけ

違っていたのは、次の3つの字だった。見た目はほぼ同じなので、文字コードを並べて初めて分かる。

手順

1. 画面の名前を、jp → cn で1回変換する
2. データの名前と一致するか調べる。一致しない名前だけを集める
3. 集めた名前の文字コードを並べ、データの名前の字と見比べる
4. 違う字を見つけたら、変換のあとに置換を足す
5. 足したあと、最初から一致していた名前も流し直す。置換が合っていた名前を壊していないか見るためである
6. データに無い名前は、近い名前に寄せずに入れない

変換の書き方

import * as OpenCC from "opencc-js";

const toCn = OpenCC.Converter({ from: "jp", to: "cn" });
const fix = (s) =>
  s.replaceAll("姫", "姬").replaceAll("衞", "卫").replaceAll("\u{2B627}", "禄");
const match = (name) => fix(toCn(name));

U+2B627 の字は、環境によっては表示されないことがある。コードでは文字そのものでなく、コードポイントで書く。

この置換で、上の6件はすべてデータと一致した。最初から合っていた4件も、一致のままだった。

注意

• 確かめたのは10件(合わなかった6件と、対照の4件)。 武将171人の全員で、置換が足りるかは調べていない。人数が増えたら、一致しなかった名前を同じ手順で集める
• 名前が合っても、1人に決まるとは限らない。 蔡文姬はデータに2件(100004と102011)、周姬も2件(100032と102017)ある。同名の版が複数あるときは、コストや兵種など、名前以外で選ぶ
• データに無い名前は入れない。 近い名前に寄せると、別の人の持ち物になる

関連

• ゲーム画面33枚をJSONにした — この手順を使った経緯と、取り込みを2回流して確かめた結果
• JSONの返事を受け取る型 — 外から来たJSONを、形で検査してから使う考え方
• ガードが素通りする書き方 — 検査が効いていないことを、壊して確かめる手順
• 作っているもの — 開発日記の元になっているプロダクト