Utilisez mecab-ipadic-neologd de Python

Chose que tu veux faire

--Utilisez MeCab pour l'analyse morphologique - http://mecab.googlecode.com/svn/trunk/mecab/doc/index.html

--Utiliser un nouveau dictionnaire de mots - https://github.com/neologd/mecab-ipadic-neologd/ --Utiliser en combinaison avec d'autres modules dans les scripts Python

environnement

• OSX 10.10.5
• Conda 3.19.0
• Python 2.7.11
• MeCab 0.996

Python 2.7 Utilisez Conda.

$ conda create -n py27con python=2.7 anaconda
$ conda info -e
$ source ~/.pyenv/versions/miniconda3-3.16.0/envs/py27con/bin/activate py27con

mecab-ipadic J'utiliserai mecab-ipadic-neologd plus tard, donc je le mettrai en UTF-8

$ cd ~/path/to/mecab-ipadic-2.7.0-20070801/
$ make clean
$ ./configure --with-charset=utf8
$ make
$ make install

mecab-ipadic-neologd

$ cd ~/path/to/mecab-ipadic-neologd/
$ bin/install-mecab-ipadic-neologd 

mecab-python

Liaisons MeCab Python

$ pip install https://mecab.googlecode.com/files/mecab-python-0.996.tar.gz

Contrôle de fonctionnement

test.py

# -*- coding: utf-8 -*-
import MeCab
m = MeCab.Tagger(' -d /usr/local/lib/mecab/dic/mecab-ipadic-neologd')

text = '''
"Idol Master Cinderella Girls" (L'IDOLME@STER CINDERELLA GIRLS) est "THE IDOLM" développé et exploité par Bandai Namco Entertainment (anciennement Bandai Namco Games) et Cygames.@Un jeu social exclusivement pour les terminaux mobiles avec le motif du monde de STER.
'''
print(m.parse(text))

Le texte est [Wikipedia](https://ja.wikipedia.org/wiki/%E3%82%A2%E3%82%A4%E3%83%89%E3%83%AB%E3%83%9E%E3 % 82% B9% E3% 82% BF% E3% 83% BC_% E3% 82% B7% E3% 83% B3% E3% 83% 87% E3% 83% AC% E3% 83% A9% E3% 82 À partir de% AC% E3% 83% BC% E3% 83% AB% E3% 82% BA).

$ python test.py
"Symbole,Ouvrir les parenthèses,*,*,*,*,『,『,『
Idol Master Cinderella Girls Nominal,Nomenclature propriétaire,Général,*,*,*,Idolmaster Cendrillon Filles,Idolmaster Cendrillon Filles,Idolmaster Cendrillon Filles
"Symbole,Fermé entre parenthèses,*,*,*,*,』,』,』
(Symbole,Ouvrir les parenthèses,*,*,*,*,（,（,（
THE IDOLM@Nomenclature STER CINDERELLA GIRLS,Nomenclature propriétaire,Général,*,*,*,THE IDOLM@STER CINDERELLA GIRLS,Idolmaster Cendrillon Filles,Idolmaster Cendrillon Filles
) Symbole,Fermé entre parenthèses,*,*,*,*,）,）,）
Est un assistant,Assistance,*,*,*,*,Est,C,sensationnel
, Symbole,Point de lecture,*,*,*,*,、,、,、
Bandai Namco Entertainment Noun,Nomenclature propriétaire,Général,*,*,*,Divertissement Bandai Namco,Divertissement Bandai Namco,Divertissement Bandai Namco
(Symbole,Ouvrir les parenthèses,*,*,*,*,（,（,（
Ancien préfixe,Connexion de nom,*,*,*,*,Vieux,Kyu,queue
Bandai Namco Games Noun,Nomenclature propriétaire,Général,*,*,*,BANDAI NAMCO Games,Jeux Bandai Namco,Jeux Bandai Namco
) Symbole,Fermé entre parenthèses,*,*,*,*,）,）,）
Et des mots auxiliaires,Assistants parallèles,*,*,*,*,Quand,À,À
Nomenclature Cygames,Nomenclature propriétaire,Général,*,*,*,Cygames,Jeux Sai,Jeux Sai
Est un assistant,Assistant de cas,Général,*,*,*,Mais,Géorgie,Géorgie
Nomenclature de développement,Changer de connexion,*,*,*,*,développement de,Kaihatsu,Kaihatsu
· Symbole,Général,*,*,*,*,・,・,・
Nomenclature de gestion,Changer de connexion,*,*,*,*,Opération,Unei,Unei
Verbe,Indépendance,*,*,Sahen / Suru,Forme basique,Faire,Suru,Suru
"Symbole,Ouvrir les parenthèses,*,*,*,*,『,『,『
THE IDOLM@STER substantif,Nomenclature propriétaire,Général,*,*,*,THE IDOLM@STER,Maître des idoles,Maître des idoles
"Symbole,Fermé entre parenthèses,*,*,*,*,』,』,』
Mots auxiliaires,syndicat,*,*,*,*,de,Non,Non
Nomenclature de la vision du monde,Nomenclature propriétaire,Général,*,*,*,Vue du monde,Sekaikan,Sekaikan
Auxiliaire,Assistant de cas,Général,*,*,*,À,Wo,Wo
Motif substantif,Général,*,*,*,*,motif,motif,motif
Et des mots auxiliaires,Assistant de cas,Général,*,*,*,Quand,À,À
Verbe,Indépendance,*,*,Sahen / Suru,Forme basique,Faire,Suru,Suru
Terminal mobile substantif,Nomenclature propriétaire,Général,*,*,*,Terminal mobile,Keitaitanmatsu,Keitaitanmatsu
Nomenclature dédiée,Changer de connexion,*,*,*,*,désigné,Senyou,Senyo
Mots auxiliaires,syndicat,*,*,*,*,de,Non,Non
Nomenclature des jeux sociaux,Nomenclature propriétaire,Général,*,*,*,jeu social,jeu social,jeu social
.. symbole,Phrase,*,*,*,*,。,。,。
EOS

Au fait, si vous omettez -d / usr / local / lib / mecab / dic / mecab-ipadic-neologd et regardez la différence, vous pouvez voir que le nouveau dictionnaire de mots fonctionne bien (principalement unique). nom).

Où je l'ai mis en attente

Liste des problèmes fréquents:

• La sortie est brouillée ――Peut-être avez-vous juste besoin d'utiliser correctement le dictionnaire UTF-8
• Quelques différences / conflits entre Conda Python et System Python --Exemple: Shell plante lorsque python source activate --Cela peut être fait en spécifiant correctement le chemin de ʻactiver`. --Travailler pour rendre le script de configuration de liaison Python obtenu et l'exemple de script compatibles avec Python 3.5 --Travailler pour rendre la liaison elle-même 3.5 compatible avec SWIG --Je reçois encore des erreurs liées à Unicode

Je voulais le faire avec 3,5 si possible, mais je ne pouvais pas m'échapper parce que j'en étais accro, alors je l'ai fait avec 2,7 pour le moment.