detection_ja.sh

#!/bin/bash

# 処理対象の拡張子
extensions="js|mjs|jsx|json|txt|html|htm"

# 一時ファイル
TMP_RESULT=$(mktemp)

# ファイルを検索してループ処理
find . -type f -regextype posix-extended -regex ".*\.($extensions)$" | while read -r file; do
    # 日本語っぽい文字列の抽出
    matches=$(grep -oE '[^[:space:][:cntrl:]]*[\p{Script=Hiragana}\p{Script=Katakana}\p{Script=Han}a-zA-Z]*[\p{Script=Hiragana}\p{Script=Katakana}\p{Script=Han}]+[^[:space:][:cntrl:]]*' "$file" | \
        perl -CSD -pe '
            # 日本語と英語が混じった文を記号やスペースで分割
            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)

    if [[ -n "$matches" ]]; then
        echo "\"$file\": {" >> "$TMP_RESULT"
        echo "$matches" | while read -r line; do
            escaped=$(echo "$line" | sed 's/"/\\"/g')
            echo "  \"$escaped\": []," >> "$TMP_RESULT"
        done
        # 最後のカンマを削除してオブジェクトを閉じる
        sed -i '$ s/,$//' "$TMP_RESULT"
        echo "}," >> "$TMP_RESULT"
    fi
done

# 最後のカンマを削除してJSON風に整形して出力
if [[ -s "$TMP_RESULT" ]]; then
    echo "{"
    sed '$ s/,$//' "$TMP_RESULT"
    echo "}"
else
    echo "{}"
fi

# 一時ファイル削除
rm "$TMP_RESULT"