Caracteres de largura total e de meia largura

Por que existem duas larguras

Em japonês, chinês e coreano, cada caractere ocupa uma célula quadrada. Os primeiros computadores japoneses tinham dois tipos de conjunto de caracteres: um de um byte, o JIS X 0201, com letras latinas, números e um pequeno conjunto de katakana que ocupava meia célula, e outros de dois bytes, como o JIS X 0208, com kanji, kana e uma segunda cópia das letras e dos números que ocupava a célula inteira. O padrão coreano KS X 1001 também traz uma cópia de largura total do alfabeto latino.

O Unicode manteve as duas cópias para que textos antigos pudessem ser convertidos sem perda. As formas de largura total dos caracteres ASCII (U+FF01–FF5E) e o katakana de meia largura (U+FF61–FF9F) ficam no bloco "Halfwidth and Fullwidth Forms", e o banco de dados de caracteres Unicode registra a qual caractere comum cada um corresponde. É esse registro que um conversor usa.

O que tem forma de largura total e de meia largura

Kanji, hiragana e sílabas hangul só têm uma largura. Não existe hiragana de meia largura, e os katakana pequenos ヵ, ヶ e ヮ e as letras antigas ヰ e ヱ também não têm forma de meia largura.

Onde a diferença dá problema

• Formulários. Um campo que só aceita números recusa ０９０, e um CEP ou número de cartão copiado de um site japonês costuma estar em largura total. Converter para meia largura resolve.
• Busca e duplicados. Uma busca por ABC nem sempre encontra ＡＢＣ, e uma lista de clientes pode guardar o mesmo nome duas vezes, em duas larguras.
• Aparência. Letras de largura total num texto em português ficam espaçadas; katakana de meia largura num texto japonês fica apertado.
• Sistemas com regras próprias. Alguns formulários japoneses pedem a leitura do nome (フリガナ) em katakana de largura total, outros em hiragana, e alguns sistemas antigos só aceitam katakana de meia largura. Siga o que o formulário pede.

O katakana de meia largura e os sinais sonoros

O katakana de meia largura não tem letras sonoras próprias. ガ é escrito com dois caracteres, ｶ seguido do sinal sonoro ﾞ, e パ com ﾊ seguido do sinal semissonoro ﾟ. Um bom conversor junta o par numa só letra de largura total e o separa de novo na volta. Por isso o número de caracteres muda: ｶﾞｯｺｳ tem cinco e ガッコウ, quatro.

Um sinal que não pode se unir à letra anterior, como em ｱﾞ, fica como sinal separado (ア゛). ヴ vira ｳﾞ, e ヷ e ヺ viram ﾜﾞ e ｦﾞ.

Sósias que não formam par

A barra invertida é um caso à parte. O JIS X 0201 colocou o sinal do iene no código que o ASCII usa para a barra invertida, por isso algumas fontes japonesas ainda a desenham como ¥. O caractere é o mesmo; só o desenho muda.

Hiragana e katakana

Cada hiragana de ぁ a ゖ tem um katakana de mesmo nome, e o Unicode os coloca a 96 posições de distância, então a conversão é exata: やまだ たろう vira ヤマダ タロウ. O sinal de vogal longa ー é usado nas duas escritas e não muda. Katakana sem hiragana próprio, como ヷ, continuam em katakana.

Para programadores: a normalização muda mais

A forma de normalização Unicode NFKC também passa letras de largura total para meia largura e junta ｶﾞ em ガ, mas ao mesmo tempo muda muitos outros caracteres: ① vira 1, № vira No, ㈱ vira (株) e ㍻ vira 平成. Use-a quando quiser tudo isso, por exemplo para comparar chaves de busca. Para mudar só a largura, converta apenas os pares de largura e deixe o resto como está.

Perguntas frequentes