【python3】Mecabをpythonで使えるようにするまで【Windows10編】

f:id:htmllifehack:20181123211904j:plain

なんとなくmecabやってみようかなー的な。

なんとなく文章生成してみようかなー的な。

そんな気分だったのでちょっと形態素解析に手を出してみました。

結構ハマったのでびっくりですね。

Windows10にMeCabをインストール
環境変数にmecabを追加
mecab-ipadic-neologdのインストール
- 余談 ubuntu側からwindows側のパスを知るコマンド
jupyter notebookで確かめる
まとめ

Windows10にMeCabをインストール

pythonのバージョンを確認

python --version

64bitだった場合
https://qiita.com/yukinoi/items/990b6933d9f21ba0fb43
ページ下にあるリンクからmecab-0.966-64.exeをダウンロードし実行する。

pythonでmecabを使うためにはmecab-python3をpipでインストールする必要がある。
が、普通にやってもうまくいかない。

Command "python setup.py egg_info" failed with error code 1 in C:\Users\Owner\AppData\Local\Temp\pip-install-824a3xtp\mecab-python3　というエラーがでる。

mecab-python3にあるsetup.pyの中のコードがエラーを出しているようでエラー内容はout of range
どうやらsetup.pyを書き換えないといけないらしい。

非常にめんどくさい。

ただ神が存在するのでこちらのページで
簡単にインストールできるmecab-python-windowsが配布されている。

これをpipでインストールすればOK

Windows で pip で mecab-python をいれる - Qiita

なんでこんなめんどくさいのかは不明。

mecabは32bitしかないので32bitようにmecab-python3が作られたからなのか。

はたまたpython2.7のときに作られたからなのか。

mecab-python3
ここからmecab-python3をダウンロードできるのであえていばらの道を歩みたい人はここからどうぞ。

環境変数にmecabを追加

pathにmecabを追加

C:\Program Files\MeCab\bin

環境変数にmecabrcを追加

mecabrcとは

dicdir = $(rcpath)\..\dic\ipadicなる文字が書かれたテキストファイル

辞書の場所を指定するファイル？

f:id:htmllifehack:20181123215203j:plain

関係ないけどtempが2つある謎

mecab-ipadic-neologdのインストール

windowsではインストールできないのでwindows subsystem linux 略してWSLを利用する。

windows store からUbuntuをインストール
※WSLとかで調べて

Ubuntsuの設定

まず最初はアップデート、そしてgitのインストール。

$ sudo apt-get install update upgrade
$ sudo apt-get install git

neologdのURL
https://github.com/neologd/mecab-ipadic-neologd/blob/master/README.ja.md

そしてgit clone

git cloneだけじゃインストールされないので生成されたneologdフォルダの中にあるinstall-mecab-ipadic-Neologdを実行する。

$ git clone https://github.com/neologd/mecab-ipadic-neologd.git
$ ./install-mecab-ipadic-NEologd

僕はそのままインストールしちゃったけど嫌だったらmecabのディレクトリ作ってそこにインストールしてね。

mecab-ipadic-Neologdがインストールされたのでそこまで移動。

$ cd /usr/lib/x86_64-linux-gnu/mecab/dic/
$ ls mecab-ipadic-neologd
char.bin  dicrc  left-id.def  matrix.bin  pos-id.def  rewrite.def  right-id.def  sys.dic  unk.dic

なにもディレクトリを指定しなかった場合は/usr/lib/x86_64-linux-gnu/mecab/dicにインストールされる。

ってことでmecab-ipadic-neologdというフォルダをwindows側へコピー。

Cドライブはアクセス拒否されてできなかったのでDドライブなど他のドライブへコピーする。

/usr/lib/x86_64-linux-gnu/mecab/dic/ $ sudo cp -r mecab-ipadic-neologd  /mnt/d/mecab-ipadic-neologd

余談 ubuntu側からwindows側のパスを知るコマンド

wslpathというコマンドを使ってUbuntu側ではどこにいるのかを確認できる。

DドライブのMeCabフォルダのパスを調べる例

$ wslpath 'd:\MeCab'
/mnt/d/MeCab

するとUbuntu側でDドライブのMeCabフォルダにアクセスするには/mnt/d/MeCabというパスを用いればよいことがわかる。

jupyter notebookで確かめる

neologdのインストールが終了すると使い方がコマンドラインに表示される。

Taggerの引数で-dオプションを用いることでneologdを使える。

import MeCab

text = "吾輩は猫である。名前はまだない。9日に"
t = MeCab.Tagger('-Ochasen -d D:\mecab-ipadic-neologd\mecab-ipadic-neologd')
result = t.parse(text)

吾輩は猫である	ワガハイハネコデアル	吾輩は猫である	名詞-固有名詞-一般		
名前	ナマエ	名前	名詞-一般		
は	ハ	は	助詞-係助詞		
まだ	マダ	まだ	副詞-助詞類接続		
ない	ナイ	ない	形容詞-自立	形容詞・アウオ段	基本形
。	。	。	記号-句点		
9日	ココノカ	9日	名詞-固有名詞-一般		
に	ニ	に	助詞-格助詞-一般		
EOS

ちなみにneologdを使わずにデフォルトのまま使うとこんな結果になる。

吾輩	ワガハイ	吾輩	名詞-代名詞-一般		
は	ハ	は	助詞-係助詞		
猫	ネコ	猫	名詞-一般		
で	デ	だ	助動詞	特殊・ダ	連用形
ある	アル	ある	助動詞	五段・ラ行アル	基本形
名前	ナマエ	名前	名詞-一般		
は	ハ	は	助詞-係助詞		
まだ	マダ	まだ	副詞-助詞類接続		
ない	ナイ	ない	形容詞-自立	形容詞・アウオ段	基本形
。	。	。	記号-句点		
9	9	9	名詞-数		
日	ニチ	日	名詞-接尾-助数詞		
に	ニ	に	助詞-格助詞-一般