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。

--- korean:mecab:python [2021/11/06 10:43] – 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 =====
-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://ja.osdn.net/projects/handic/|HanDic]]をPythonで利用する方法について紹介します．
 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，''handic''という名前のディレクトリに保存されているとします．
-なお，''dicrc''に記述の不備があり，「bos-feature」行の末尾に「'',*,*''」を追加しました．
+なお，HanDicに含まれるファイルのうち''dicrc''に記述の不備があり，「bos-feature」行の末尾に「'',*,*''」を追加しました．
 ==== 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．
-<code python>
+<file python k2jamo.py>
 # k2jamo
-# substitute_main(match)
+# substitute(text)
 import re
-initial = ["ᄀ", "ᄁ", "ᄂ", "ᄃ", "ᄄ", "ᄅ", "ᄆ", "ᄇ", "ᄈ", "ᄉ", "ᄊ", "ᄋ", "ᄌ", "ᄍ", "ᄎ", "ᄏ", "ᄐ", "ᄑ", "ᄒ"]
+REGEX = '[가-힣]'
-medial = ["ᅡ", "ᅢ", "ᅣ", "ᅤ", "ᅥ", "ᅦ", "ᅧ", "ᅨ", "ᅩ", "ᅪ", "ᅫ", "ᅬ", "ᅭ", "ᅮ", "ᅯ", "ᅰ", "ᅱ", "ᅲ", "ᅳ", "ᅴ", "ᅵ", ""]
+pattern = re.compile(REGEX)
-final = ["", "ᆨ", "ᆩ", "ᆪ", "ᆫ", "ᆬ", "ᆭ", "ᆮ", "ᆯ", "ᆰ", "ᆱ", "ᆲ", "ᆳ", "ᆴ", "ᆵ", "ᆶ", "ᆷ", "ᆸ", "ᆹ", "ᆺ", "ᆻ", "ᆼ", "ᆽ", "ᆾ", "ᆿ", "ᇀ", "ᇁ", "ᇂ"]
-regex = u'[가-힣]'
-pattern = re.compile(regex)
 def convert_main(match):
+    '正規表現でマッチした完成形ハングル<match>を字母に分解する'
     value = ord(match.group(0))
     my_int = value - 44032
     my_int_index = int(my_int / 588)
     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]
+        int((my_int - (my_int_index * 588) - my_final_index) / 28)
+    result = initial[my_int_index] + \
+        medial[my_medial_index] + \
+        final[my_final_index]
     return result
-def substitute_main(text):
+def substitute(text):
+    '正規表現で完成形ハングルにマッチした入力<text>を置換する'
     result = re.sub(pattern, convert_main, text)
     return result
-</code>
+if __name__ == '__main__':
+    for letters in ['가', '안녕', '한국어 문장입니다.', '영문자 a/b를 포함']:
+        output = substitute(letters)
+        print(letters, '=>', output)
+</file>
 これを''k2jamo.py''として保存します．
@@ 行 51: / 行 60: @@
 <code python>
 import MeCab
-from k2jamo import substitute_main
+import k2jamo
 tokenizer = MeCab.Tagger('-d handic')
 tokenizer.parse('')
@@ 行 58: / 行 67: @@
 ===== 形態素解析の実行 =====
-''k2jamo.py''にある関数''substitute_main()''を使って字母に分解し，MeCabで解析します．
+''k2jamo.py''にある関数''substitute()''を使って字母に分解し，MeCabで解析します．
 <code python>
 input = u'한상혁 방송통신위원장이 코로나19 확진 판정을 받으면서 김부겸 국무총리를 비롯한 국무위원들이 코로나 검사 대상이 됐다.'
-# 한겨레 2021年11月5日付け記事より（https://www.khan.co.kr/politics/politics-general/article/202111050751001/）
+# 한겨레 2021年11月5日付け記事（https://www.khan.co.kr/politics/politics-general/article/202111050751001/）より
-input = substitute_main(input)
+input = k2jamo.substitute(input)
 print(tokenizer.parse(input))
 </code>
@@ 行 108: / 行 117: @@
 うまくいっているようです．
- {{indexmenu_n>204}}
+====== 参考にしたページ ======
+  * [[https://taku910.github.io/mecab/bindings.html|スクリプト言語のバインディング]]
+  * [[https://atmarkit.itmedia.co.jp/ait/articles/2102/05/news027.html|［文章生成］MeCabをインストールして分かち書きを試してみよう]]
+  * [[https://water2litter.net/rum/post/python_wordcloud_jp/|PythonでWord Cloudを作ってみた（和文編）]]
+  * [[https://analytics-note.xyz/programming/frequencies-word-cloud/|単語の頻度データからWord Cloudを作成する方法]]
+{{indexmenu_n>204}}