Create detection_ja.sh

detection_ja.sh

@@ -0,0 +1,41 @@
+#!/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"