スラッグ生成でガイドがカ-イトになる理由 濁点とNFDの落とし穴

記事や商品の URL に使うスラッグを作る関数は、たいてい「NFD で分解して結合文字を消す」という同じ手順でアクセント記号を落とす。Café が cafe になるので、英語やフランス語の見出しではうまく動く。

ところが同じ関数で日本語を残す設定にすると、「ガイド入門」が カ-イト-入門 になる。韓国語の「한국어」は見た目は変わらないのに、URL にすると長さが3倍になる。ドイツ語の Straße は stra-e になる。

この記事では、ハシトシステムの スラッグ生成（slugify） の変換関数で実際にこれが起きることを確かめ、原因を Unicode の正規化の規則から説明する。最後に、ラテン文字以外を壊さないスラッグ関数を作って結果を比べる。

検証環境は Windows 11、Node.js v24.11.1（ICU 77.1、Unicode 16.0）、比較に使ったライブラリは slugify 1.6.6 と @sindresorhus/slugify 3.0.0 である。

ツールの変換関数

スラッグ生成 は、タイトルを小文字の英数字と区切り文字だけの文字列に変えるツールである。2026-11-14 に本番の HTML から変換関数を取り出すと、処理は次の順になっていた。

1. 「アクセント記号を除去」がオンなら normalize('NFD') で分解し、U+0300〜U+036F を消す（初期値はオン）
2. 「小文字化する」がオンなら toLowerCase()（初期値はオン）
3. 「非ラテン文字を残す」がオフなら [^a-zA-Z0-9]+ を、オンなら [^\p{L}\p{N}]+ を空白に置き換える（初期値はオフ）
4. 連続する空白を区切り文字（- か _）1つにする

U+0300〜U+036F は Unicode の「Combining Diacritical Marks」ブロックで、é を分解したときに出てくる U+0301（アキュートアクセント）などが入っている。

この関数と、npm の slugify（strict: true）、@sindresorhus/slugify に同じ入力を渡した結果が次の表である。「ツール（日本語を残す）」は、アクセント除去と小文字化を初期値のオンのまま、「非ラテン文字を残す」だけをオンにした結果である。

入力	ツール（初期設定）	ツール（日本語を残す）	slugify	@sindresorhus/slugify
Café Déjà Vu	cafe-deja-vu	cafe-deja-vu	cafe-deja-vu	cafe-deja-vu
Straße	stra-e	straße	strasse	strasse
Ærøskøbing	r-sk-bing	ærøskøbing	aeroskobing	a-eroskobing
Łódź	odz	łodz	lodz	lodz
Đà Nẵng	a-nang	đa-nang	dja-nang	da-nang
ｆｕｌｌ　ｗｉｄｔｈ	空文字	ｆｕｌｌ-ｗｉｄｔｈ	空文字	空文字
ガイド入門	空文字	カ-イト-入門	空文字	空文字
プログラミング	空文字	フ-ロク-ラミンク	空文字	空文字
한국어	空文字	한국어（NFD）	空文字	空文字
हिन्दी	空文字	ह-न-द	空文字	空文字

2つのライブラリは日本語や韓国語を残さない。日本語のスラッグが要るなら、ローマ字にするか、記事 ID などで別に決めるのが前提の作りである。ツールには日本語を残すオプションがあるので、そこで上の崩れ方が出る。

濁点が区切り文字になる

「ガ」（U+30AC）は、Unicode の正準分解で「カ」（U+30AB）と U+3099（結合用の濁点）の2文字になる。NFD はこの分解をする正規化なので、'ガ'.normalize('NFD').length は2である。

U+3099 の一般カテゴリは Mn（結合文字）で、\p{L}（文字）にも \p{N}（数字）にも入らない。消す対象の U+0300〜U+036F の外にあるので、アクセント除去でも消えない。その結果、手順3の [^\p{L}\p{N}]+ に一致して空白に置き換わり、手順4で - になる。

「ガイド入門」はこうなる。

ガイド入門
→ NFD:  カ U+3099 イ ト U+3099 入 門
→ 手順3: カ 空白 イ ト 空白 入 門
→ 結果:  カ-イト-入門

「が」1文字だけを入れると、末尾の区切りが落ちて か になる。全コードポイントで数えると、ひらがな・カタカナの文字（\p{L}）566個のうち58個が、この関数を通すと別の文字に変わった。濁点・半濁点の付いた仮名である。

ヒンディー語の हिन्दी も同じ理由で崩れる。母音記号の U+093F と U+0940 は Mc、ヴィラーマの U+094D は Mn で、どれも \p{L} ではない。こちらは NFD とは関係なく、アクセント除去をオフにしても ह-न-द になる。[^\p{L}\p{N}] が結合文字を残さないことが原因である。

ハングルは分解されたまま残る

「한」（U+D55C）は、NFD で U+1112、U+1161、U+11AB の3つの字母（ジャモ）に分解される。字母は \p{L} なので消えずに残り、画面上では「한」と同じに見える。しかし文字列としては別物で、encodeURIComponent すると次のように長さが変わる。

形	encodeURIComponent の結果の長さ
한국어（NFC・入力そのもの）	27文字
한국어（ツールの出力・NFD）	81文字

ハングルの音節 11,172 個は、すべてこの関数で NFD の字母列になった。NFC で書かれたリンクと NFD のスラッグは一致しないので、同じ見た目の URL が2つできる。

分解できない文字は消える

ß、ø、æ、ł、đ には Unicode の正準分解が無い。NFD をかけても1文字のままなので、アクセントを消す処理では何も変わらない。初期設定の [^a-zA-Z0-9]+ に一致して区切りになり、Straße は stra-e、Łódź は odz になる。

2つのライブラリは、こうした文字を ss や l に置き換える表を持っている。Đ の置き換え先が dj と d で分かれているように、表の中身はライブラリごとに違う。

全角英字の ｆｕｌｌ も NFD では分解されない。全角を半角にするのは互換分解（NFKC / NFKD）の仕事である。

直し方

原因は3つに分けられる。

• 結合文字を、ラテン文字の上に付いたものだけでなく全部「記号」として扱っている
• NFD で分解したまま返している
• 正準分解の無い文字と全角文字を考えていない

そこで、次の順に処理する。

1. 最初に NFKC をかけ、全角英数や ① を通常の文字にする
2. NFD で分解し、\p{Script=Latin} の直後に続く結合文字だけを消す
3. ß や ø は表で置き換える
4. NFC に戻してから小文字化する
5. 日本語を残す場合は、区切りにする文字から \p{M} を外す（[^\p{L}\p{M}\p{N}]）

手順2で消す範囲をラテン文字の上に限るので、濁点や母音記号は残る。手順4で NFC に戻すので、「カ」と U+3099 は「ガ」に、ハングルの字母は音節に戻る。

ツールの関数で見つかった3つの崩れ方（濁点とヒンディー語の母音記号、ハングルの NFD、分解できない文字と全角）は、修正対象として記録した。入力したテキストはブラウザ内で処理され、サーバーには送られない。

URL に日本語をそのまま使うと、リンクを共有したときにパーセントエンコードされた長い文字列になる。この変換の違いは encodeURIComponent と URLSearchParams の記事 に、ドメイン名に日本語を使うときの正規化は Punycode の記事 に書いた。

実際に試す

前提: Node.js（確認は v24.11.1）。外部パッケージは不要である。

上の手順をそのまま関数にした。

// slug.mjs（Node.js v24.11.1 で確認・外部パッケージ不要）
// 使い方: node slug.mjs
// 結合文字を消すのはラテン文字の上だけにし、最後に NFC に戻すスラッグ関数
const FOLD = { 'ß': 'ss', 'ẞ': 'SS', 'æ': 'ae', 'Æ': 'AE', 'œ': 'oe', 'Œ': 'OE',
  'ø': 'o', 'Ø': 'O', 'ł': 'l', 'Ł': 'L', 'đ': 'd', 'Đ': 'D', 'ð': 'd', 'Ð': 'D',
  'þ': 'th', 'Þ': 'TH', 'ı': 'i' };

export function slugify(str, { keepNonLatin = false, sep = '-' } = {}) {
  let s = str.normalize('NFKC');                    // 全角英数・①・Ⅻ を通常の文字へ
  s = s.normalize('NFD')
    .replace(/(\p{Script=Latin})\p{M}+/gu, '$1')     // ラテン文字に付いた記号だけ消す
    .replace(/[ßẞæÆœŒøØłŁđĐðÐþÞı]/g, (c) => FOLD[c]) // 分解できない文字は表で置き換える
    .normalize('NFC')                                 // ガ・한 などを合成済みの形に戻す
    .toLowerCase();
  s = keepNonLatin
    ? s.replace(/[^\p{L}\p{M}\p{N}]+/gu, ' ')         // 結合文字（濁点・母音記号）は残す
    : s.replace(/[^a-z0-9]+/g, ' ');
  return s.trim().replace(/\s+/g, sep).normalize('NFC');
}

import { fileURLToPath } from 'node:url';
if (process.argv[1] === fileURLToPath(import.meta.url)) {
  for (const x of ['Café Déjà Vu', 'Straße', 'Ærøskøbing', 'Łódź', 'Đà Nẵng', 'İstanbul', 'ｆｕｌｌ　ｗｉｄｔｈ', 'Ⅻ章']) {
    console.log(x.padEnd(14), slugify(x));
  }
  for (const x of ['ガイド入門', 'プログラミング', '한국어', 'हिन्दी']) {
    const out = slugify(x, { keepNonLatin: true });
    console.log(x.padEnd(14), out, out === out.normalize('NFC') ? 'NFC' : 'not NFC', encodeURIComponent(out).length);
  }
}

実行結果は次のとおりである。最後の列は encodeURIComponent した長さである。

$ node slug.mjs
Café Déjà Vu   cafe-deja-vu
Straße         strasse
Ærøskøbing     aeroskobing
Łódź           lodz
Đà Nẵng        da-nang
İstanbul       istanbul
ｆｕｌｌ　ｗｉｄｔｈ     full-width
Ⅻ章             xii
ガイド入門          ガイド入門 NFC 45
プログラミング        プログラミング NFC 63
한국어            한국어 NFC 27
हिन्दी         हिन्दी NFC 54

Ⅻ章 は NFKC で XII章 になり、英数字だけを残す設定では 章 が落ちて xii になる。İstanbul の İ は NFD で I と U+0307 に分かれ、U+0307 がラテン文字の上の記号として消えるので istanbul になる。

元の関数と比べるには、slug.mjs と同じ場所に次のファイルを置いて実行する。日本語を残す設定で、元の関数（アクセント除去オン）と直した関数の出力を並べ、元の出力が NFC かどうかも表示する。

// compare.mjs（slug.mjs と同じ場所に置く）
import { slugify } from './slug.mjs';
function original(str) {
  let s = str.normalize('NFD').replace(/[̀-ͯ]/g, '').toLowerCase().trim();
  return s.replace(/[^\p{L}\p{N}]+/gu, ' ').trim().replace(/\s+/g, '-');
}
for (const x of ['ガイド入門', 'プログラミング', '한국어', 'हिन्दी']) {
  const a = original(x), b = slugify(x, { keepNonLatin: true });
  console.log(x.padEnd(10), 'original:', a, a === a.normalize('NFC') ? 'NFC' : 'NFD', '/ fixed:', b);
}

$ node compare.mjs
ガイド入門      original: カ-イト-入門 NFC / fixed: ガイド入門
プログラミング    original: フ-ロク-ラミンク NFC / fixed: プログラミング
한국어        original: 한국어 NFD / fixed: 한국어
हिन्दी     original: ह-न-द NFC / fixed: हिन्दी

한국어 は両方とも同じに見えるが、元の関数の出力は NFD である。

まとめ

• NFD で分解して U+0300〜U+036F を消す方法は、ラテン文字のアクセントにしか効かない。
• 日本語を残す設定で [^\p{L}\p{N}] を区切りにすると、NFD で分かれた濁点（U+3099、Mn）が区切りになり、「ガイド」が カ-イト になる。仮名566文字中58文字が変わった。
• ハングルの音節は NFD で字母に分かれたまま残り、URL の長さが3倍になる。返す前に NFC に戻す。
• ß ø ł などは正準分解が無いので、アクセント除去では変わらず消える。置き換えの表が要る。
• 全角英数は NFD では変わらない。最初に NFKC をかける。

結果は 2026-11-14 時点の上記の環境とバージョンで得たものである。

参考

• Unicode Standard Annex #15「Unicode Normalization Forms」（NFC / NFD / NFKC / NFKD の定義）
• Unicode Character Database — UnicodeData.txt（U+30AC の正準分解、U+3099・U+093F・U+094D の一般カテゴリ）、Blocks.txt（Combining Diacritical Marks U+0300〜U+036F）
• ECMAScript Language Specification — String.prototype.normalize、正規表現の Unicode プロパティエスケープ（\p{L} \p{M} \p{Script=Latin}）
• slugify 1.6.6、@sindresorhus/slugify 3.0.0 のソースと実行結果