よみがな　あり｜なし

前回(ぜんかい)のログは、Windows7にインストールしたMecabをコマンドプロンプトから動作(どうさ)できるようにしました。

解析(かいせき)結果(けっか)を見(み)ると、名詞(めいし)とか格(かく)助詞(じょし)の品詞(ひんし)名(めい)も表示(ひょうじ)されますよね。
Mecabを利用(りよう)する最終(さいしゅう)的(てき)な目的(もくてき)は、漢字(かんじ)のよみがなを入手(にゅうしゅ)することですので、不要(ふよう)なデータも出力(しゅつりょく)されていることになります。

Mecabはコマンドオプションを送信(そうしん)することで出力(しゅつりょく)結果(けっか)をカスタマイズすることができます。
たとえば、コマンドオプションに「-O yomi」と入力(にゅうりょく)することでデフォルト機能(きのう)である「読(よ)み」だけを解析(かいせき)結果(けっか)に出力(しゅつりょく)することができます。

コマンドオプションでmecabの出力(しゅつりょく)結果(けっか)を変更(へんこう)することができるのだ！

「yomi」オプションは「読(よ)み」だけを出力(しゅつりょく)するので、カタカナでの「読(よ)み」だけに変換(へんかん)されます。

オプションについては、Mecab配布(はいふ)サイトのこの部分(ぶぶん)に書(か)いてあります。

Mecab｜出力(しゅつりょく)フォーマットの変更(へんこう)
http://taku910.github.io/mecab/#format

さらに、この部分(ぶぶん)を読(よ)むと出力(しゅつりょく)フォーマットの定義(ていぎ)もカスタマイズできると書(か)いてあります。

Mecab｜出力(しゅつりょく)フォーマット
http://taku910.github.io/mecab/format.html

Mecabには出力(しゅつりょく)フォーマットの定義(ていぎ)ファイルがあります。
Mecabの配布(はいふ)サイトには「/usr/local/lib/mecab/ipadic/dicrc」が定義(ていぎ)ファイルと書(か)いてあります。

でもこれは、UNIX環境(かんきょう)での表記(ひょうき)のようでして、Windows7環境(かんきょう)ではMecabをインストールしたフォルダのなかにあります。
Windows7環境(かんきょう)においてデフォルトでインストールした場合(ばあい)は「C:\Program Files (x86)\MeCab\dic\ipadic\dicrc」が定義(ていぎ)ファイルです。

定義(ていぎ)ファイル「dicrc」には拡張子(かくちょうし)がありません。
テキストエディタで開(ひら)くと中身(なかみ)を見(み)ることができます。
この際(さい)、使用(しよう)するテキストエディタは改行(かいぎょう)文字(もじ)や文字(もじ)コードが変(か)わらないよう気(き)を配(くば)れるものがよろしいと思(おも)います。
わたしの環境(かんきょう)ではTerapadで開(ひら)きました。

「dicrc」に書(か)かれている出力(しゅつりょく)フォーマット定義(ていぎ)は、このようになってます。

１２行(ぎょう)から１５行(ぎょう)目(め)に「yomi」オプションについての定義(ていぎ)が書(か)かれているのがわかります。
Mecab配布(はいふ)サイトの「出力(しゅつりょく)フォーマット」と合(あ)わせて見(み)くらべることで、フォーマット定義(ていぎ)の意味(いみ)がわかります。

さて、この定義(ていぎ)ファイルに対(たい)しスタジオムーンリーフが目指(めざ)す「よみがな自動(じどう)処理(しょり)」に都合(つごう)のいい出力(しゅつりょく)フォーマットを追加(ついか)します。
オプション名(めい)は「yomi2」としました。

「yomi」オプションを参考(さんこう)にしながら、「yomi2」の出力(しゅつりょく)定義(ていぎ)を１７行(ぎょう)から２０行(ぎょう)に追加(ついか)しました。

追加(ついか)した「yomi2」出力(しゅつりょく)フォーマット

; yomi2
node-format-yomi2 = %M\t%f[7]\n
unk-format-yomi2 = %M\n
eos-format-yomi2 = EOS\n

「dicrc」を上書(うわが)き保存(ほぞん)すれば完了(かんりょう)です。

では改(あらた)めて。
コマンドオプションに「-O yomi2」をつけて出力(しゅつりょく)結果(けっか)を確認(かくにん)してみると……

はい、とてもシンプルな出力(しゅつりょく)結果(けっか)になりました。
漢字(かんじ)のよみがなを入手(にゅうしゅ)ために必要(ひつよう)なデータだけが得(え)られる出力(しゅつりょく)フォーマットです。

ところで。
コマンドプロンプトをはじめ、デフォルトでインストールされたMecabで使用(しよう)される文字(もじ)コードはShift-JISです。
今後(こんご)、ウェブで表示(ひょうじ)するためにプログラムからMecabを利用(りよう)するためには、文字(もじ)コードをそろえてやる必要(ひつよう)があります。
ウェブとプログラムで利用(りよう)している文字(もじ)コードはUTF8です。

Windows7環境(かんきょう)にインストールされたMeacabの文字(もじ)コードを変更(へんこう)するには、辞書(じしょ)を再(さい)定義(ていぎ)してやる必要(ひつよう)があります。
WindowsのMeacabは、辞書(じしょ)を再(さい)定義(ていぎ)するプログラムも一緒(いっしょ)にインストールされます。

スタートメニュー＞すべてのプログラム＞Meacabフォルダ

のなかに、「Recompile ～～ Dictionary」という名前(なまえ)で辞書(じしょ)を再(さい)定義(ていぎ)するプログラムがあります。

UTF8に再(さい)定義(ていぎ)したいときは、「UTF-8 Dictionary」を起動(きどう)してやります。
こんな画面(がめん)が自動(じどう)で動(うご)いて、辞書(じしょ)の再(さい)定義(ていぎ)が終(お)われば自動(じどう)で閉(と)じます。

辞書(じしょ)の再(さい)定義(ていぎ)プログラムは自動(じどう)で閉(と)じます。スクリーンショットを撮影(さつえい)できるタイミングもあっという間(ま)だ！

はい、以上(いじょう)でプログラムと連携(れんけい)する準備(じゅんび)が整(ととの)いました。
次回(じかい)からいかにプログラムと連携(れんけい)するか、そのあたりをお伝(つた)えできればと思(おも)います。

内容(ないよう)がどんどん専門(せんもん)的(てき)になってきてますけど、このブログ、ニーズあるのか？
そんな考(かんが)えが頭(あたま)をもたげてきたけど、めげないよ！

≫ NEXT_LOG よみがな自動(じどう)処理(しょり)への道(みち)【４】ローカルとサーバのダブルシステム(01 photos)

≪ PREV_LOG よみがな自動(じどう)処理(しょり)への道(みち)【２】パスれ！(07 photos)