BroadRouter
始める

RTL テキスト(右から左に書く文字、right-to-left)

更新日

RTL(right-to-left)テキストとは、アラビア語やヘブライ語のように右から左へ表示される文字のことです。コンピューターは論理的な読み順で保存し、左から右の文字、数字、モデル名、コードと混在する場合は Unicode 双方向アルゴリズムが表示順を決めます。

別名: RTL、右から左、右横書き、双方向テキスト、双方向アルゴリズム、bidi、right-to-left、bidirectional text

モデルのアラビア語の回答は正しいのに、画面では価格が反対側にあり、モデル名が真っ二つに割れている。これはモデルの問題ではなく、bidi(双方向テキスト)の問題です。

仕組み

テキストは論理順、つまり読んで入力する順番で保存されます。Unicode 双方向アルゴリズムである UAX #9 は、各文字に方向の種別を割り当て、行の表示順を計算します。メモリ上の文字は動かず、変わるのは表示だけです。

字母(レター)は強い文字で、アラビア文字は右から左、ラテン文字は左から右です。数字や句読点は弱い文字または中立の文字で、位置は周囲のテキストから決まります。ヨーロッパ数字は EN 型、アラビア・インド数字は AN 型で、UAX #9 はアラビア文字の後ろにある EN を AN として解決します。

アラビア語アシスタントが返す典型的な混在文字列です。

جرّب النموذج broadnet/qwen3.8-27b على 20 رسالة

左から右の文脈で表示すると、アラビア語の部分はそれぞれ右から左に読めても段落が左から始まるため、文全体の順序がおかしく見え、スラッシュ、ドット、数字の 20 が別の部分にくっつくことがあります。直すべきは基本方向の設定で、文字の並べ替えではありません。

マークアップが使えない場合のために、Unicode には目に見えない制御文字があります。

コードポイント 名前 用途
U+200F RLM、右から左マーク 中立の文字を RTL 側に寄せる
U+061C ALM、アラビア文字マーク 同上、アラビア語の文脈向け
U+2067 RLI、右から左アイソレート RTL の範囲を開始する
U+2066 LRI、左から右アイソレート モデル ID などの LTR の範囲を開始する
U+2068 FSI、最初の強い文字によるアイソレート 内容から方向を決める
U+2069 PDI、方向アイソレートの終了 あらゆるアイソレートを終える

UAX #9 は、新しい文書では古いエンベディング(U+202A〜U+202C)よりアイソレートを使うよう勧めています。エンベディングは周囲のテキストへの影響が強すぎるためです。また、オーバーライド(U+202D、U+202E)はセキュリティ上の懸念から、できる限り避けるべきだとしています。

なぜ重要か

HTML について W3C は、ページが RTL なら html 要素に dir="rtl" を付け、基本方向の設定に CSS を使わないよう勧めています。モデルの返答やユーザー名のように方向がわからないテキストには、dir="auto" か bdi 要素を使います。W3C は、auto が最初の強い文字で方向を決めるため、大部分が英語でもアラビア語の単語で始まる段落は誤って表示されうると注意しています。

API 利用者がよく出会う問題は次のとおりです。

  • チャット UI。 ストリーミングの返答が英語で始まり、途中でアラビア語に変わります。dir="auto" はページに 1 回ではなく、メッセージごとに設定してください。
  • JSON とログ。 モデルの出力には目に見えないマークが含まれることがあります。"‏gulf" のような値は "gulf" と一致しません。構造化出力のフィールドを比較する前に、bidi 制御文字を取り除いてください。
  • 翻訳した UI 文字列。 アラビア語の中のプレースホルダーや製品名にはアイソレートが必要です。アプリの文字列を LLM でアラビア語に翻訳するを参照してください。

BroadNet Inference の場合

BroadNet のチャットエンドポイントは、ほかの OpenAI 互換 API と同じく、アラビア語を JSON レスポンスの普通のテキストとして返します。BroadNet には表示や bidi に関する機能はありません。方向の処理はフロントエンドの役割です。検索用にテキストを正規化するなら、Unicode 正規化と同じ処理の中で bidi 制御文字も削除してください。NFC と NFKC はそれらを残すためです。

よくある間違い

  • 表示を「直す」ために、コードでアラビア語の文字列を反転させる。
  • 方向を CSS だけで設定する。
  • ID、キー、enum の値に U+200F や U+2067 を残したままにする。

よくある質問

LLM API はアラビア語を逆順で返しますか?

いいえ。API は文字を論理順、つまり読む順番で返します。逆に見えるのは表示のときだけで、周囲の方向指定が間違っている場合です。

モデルの出力から bidi 制御文字を削除すべきですか?

信頼できないテキストからはオーバーライド(U+202D、U+202E)を削除してください。UAX #9 がセキュリティ上の懸念を警告しています。アイソレートやマークは通常は無害ですが、比較、インデックス、パースに使う値からは取り除いてください。

アラビア語の文で数字が反対側に飛んでしまうのはなぜですか?

数字は弱い文字で、位置は隣の文字によって決まります。数字と単位をアイソレートで囲むか、dir="rtl" で段落の方向を明示してください。

Markdown で読むChatGPT に聞くClaude に聞くPerplexity に聞く