Update detection_ja.sh

detection_ja.sh

@@ -6,28 +6,23 @@ extensions="js|mjs|jsx|json|txt|html|htm|json5|md|css"
 # 一時ファイル
 TMP_RESULT=$(mktemp)
 
-# エンコーディングを自動判定して UTF-8 に変換して処理
 find . -type f -regextype posix-extended -regex ".*\.($extensions)$" | while read -r file; do
-    # 自動判定（fileコマンドで文字コード取得）
     encoding=$(file -bi "$file" | sed -n 's/.*charset=\(.*\)$/\1/p')
 
-    # UTF-8 に変換できなければスキップ
     if ! iconv -f "$encoding" -t UTF-8 "$file" > /dev/null 2>&1; then
         continue
     fi
 
-    # UTF-8に変換して内容読み込み
     content=$(iconv -f "$encoding" -t UTF-8 "$file")
 
-    # 日本語と英語が混ざっていても処理し、空白や記号で分割
-    matches=$(echo "$content" | \
-        grep -oP '[^\s[:cntrl:]]*[\p{Hiragana}\p{Katakana}\p{Han}a-zA-Z]*[\p{Hiragana}\p{Katakana}\p{Han}]+[^\s[:cntrl:]]*' | \
-        perl -CSD -pe '
-            s/([^\p{Han}\p{Hiragana}\p{Katakana}a-zA-Z]+)/\n/g;
-            s/^\s+|\s+$//g;
-        ' | grep -P '[\p{Hiragana}\p{Katakana}\p{Han}]' | sort | uniq)
+    matches=$(echo "$content" | perl -CS -ne '
+        while (/([\p{Hiragana}\p{Katakana}\p{Han}a-zA-Z0-9ー]+(?:[\p{Hiragana}\p{Katakana}\p{Han}a-zA-Z0-9ー]+)*)/g) {
+            my $word = $1;
+            # 日本語を含むものだけ出力
+            print "$word\n" if $word =~ /[\p{Hiragana}\p{Katakana}\p{Han}]/;
+        }
+    ' | sort | uniq)
 
-    # 結果がある場合だけ出力に追加
     if [[ -n "$matches" ]]; then
         echo "\"$file\": {" >> "$TMP_RESULT"
         echo "$matches" | while read -r line; do
@@ -39,7 +34,7 @@ find . -type f -regextype posix-extended -regex ".*\.($extensions)$" | while rea
     fi
 done
 
-# JSON形式として出力
+# JSON出力
 if [[ -s "$TMP_RESULT" ]]; then
     echo "{"
     sed '$ s/,$//' "$TMP_RESULT"
@@ -48,5 +43,4 @@ else
     echo "{}"
 fi
 
-# 後始末
 rm "$TMP_RESULT"