korean:mecab:python
差分
このページの2つのバージョン間の差分を表示します。
| 両方とも前のリビジョン前のリビジョン次のリビジョン | 前のリビジョン | ||
| korean:mecab:python [2021/11/06 10:43] – [はじめに] yoshi | korean:mecab:python [2021/11/14 22:49] (現在) – [形態素解析の実行] yoshi | ||
|---|---|---|---|
| 行 3: | 行 3: | ||
| ===== はじめに ===== | ===== はじめに ===== | ||
| - | ここではHanDicをPythonで利用する方法について紹介します． | + | ここでは[[https:// |
| Pythonのバージョンは3.7.11，HanDicはhandic-mecab-20210116を用いました．MeCabを扱うためのモジュールmecab-python3ほか，必要なモジュールがインストールされていることが前提です．HanDicはPythonスクリプトのあるディレクトリ下，'' | Pythonのバージョンは3.7.11，HanDicはhandic-mecab-20210116を用いました．MeCabを扱うためのモジュールmecab-python3ほか，必要なモジュールがインストールされていることが前提です．HanDicはPythonスクリプトのあるディレクトリ下，'' | ||
| - | なお，'' | + | なお，HanDicに含まれるファイルのうち'' |
| ==== 注意 ==== | ==== 注意 ==== | ||
| 行 17: | 行 17: | ||
| HanDicでは完成型のハングルではなく，字母に分解した文字列を入力として用いるため，完成形ハングルを字母に分解するスクリプトを用意します． | HanDicでは完成型のハングルではなく，字母に分解した文字列を入力として用いるため，完成形ハングルを字母に分解するスクリプトを用意します． | ||
| - | <code python> | + | <file python |
| # k2jamo | # k2jamo | ||
| - | # substitute_main(match) | + | # substitute(text) |
| import re | import re | ||
| - | initial | + | REGEX = '[가-힣]' |
| - | medial | + | pattern |
| - | final = ["", | + | |
| - | regex = u' | ||
| - | pattern = re.compile(regex) | ||
| def convert_main(match): | def convert_main(match): | ||
| + | ' | ||
| value = ord(match.group(0)) | value = ord(match.group(0)) | ||
| my_int = value - 44032 | my_int = value - 44032 | ||
| my_int_index = int(my_int / 588) | my_int_index = int(my_int / 588) | ||
| my_final_index = my_int % 28 | my_final_index = my_int % 28 | ||
| - | my_medial_index = int((my_int - (my_int_index * 588) - my_final_index) / 28) | + | my_medial_index = \ |
| - | result = initial[my_int_index] + medial[my_medial_index] + final[my_final_index] | + | |
| + | result = initial[my_int_index] + \ | ||
| + | | ||
| + | | ||
| return result | return result | ||
| - | def substitute_main(text): | + | |
| + | def substitute(text): | ||
| + | ' | ||
| result = re.sub(pattern, | result = re.sub(pattern, | ||
| return result | return result | ||
| - | </code> | + | |
| + | |||
| + | if __name__ == ' | ||
| + | for letters in [' | ||
| + | output = substitute(letters) | ||
| + | print(letters, | ||
| + | </file> | ||
| これを'' | これを'' | ||
| 行 51: | 行 60: | ||
| <code python> | <code python> | ||
| import MeCab | import MeCab | ||
| - | from k2jamo | + | import |
| tokenizer = MeCab.Tagger(' | tokenizer = MeCab.Tagger(' | ||
| tokenizer.parse('' | tokenizer.parse('' | ||
| 行 58: | 行 67: | ||
| ===== 形態素解析の実行 ===== | ===== 形態素解析の実行 ===== | ||
| - | '' | + | '' |
| <code python> | <code python> | ||
| input = u' | input = u' | ||
| - | # 한겨레 2021年11月5日付け記事より（https:// | + | # 한겨레 2021年11月5日付け記事（https:// |
| - | input = substitute_main(input) | + | input = k2jamo.substitute(input) |
| print(tokenizer.parse(input)) | print(tokenizer.parse(input)) | ||
| </ | </ | ||
| 行 85: | 行 94: | ||
| 김 | 김 | ||
| 부겸 Noun, | 부겸 Noun, | ||
| - | 국무총리 | + | 국무 |
| + | 총리 Noun, | ||
| 를 | 를 | ||
| 비롯 Root, | 비롯 Root, | ||
| 行 95: | 行 105: | ||
| 이 | 이 | ||
| 코로나 | 코로나 | ||
| - | 검사 Noun, | + | 검사 Noun, |
| 대상 Noun, | 대상 Noun, | ||
| 이 | 이 | ||
| 行 105: | 行 115: | ||
| </ | </ | ||
| - | 「検査」となるべきところが「検事」になっていますが，他はだいたいうまく行っているようです． | + | うまくいっているようです． |
| + | |||
| + | ====== 参考にしたページ ====== | ||
| + | |||
| + | * [[https:// | ||
| + | * [[https:// | ||
| + | * [[https:// | ||
| + | * [[https:// | ||
| - | {{indexmenu_n> | + | {{indexmenu_n> |
korean/mecab/python.1636162980.txt.gz · 最終更新: 2021/11/06 10:43 by yoshi