授業資料/grepと置換でKWICを作るの履歴(No.19)

grepと置換でKWICを作る†

テキストエディタのgrepと置換だけでKWICをつくるには---K2Editor編

KWIC --- KeyWord In Context
下に出てくる\は半角の￥*1

区切り文字「,」にマッチする正規表現を使った検索結果や、原文中にカンマが現れる場合には対応できません。

1. 調べたい文字列をgrepする。（簡単な正規表現も利用可）†

================================================================================
    GREP検索結果
    Grep("新聞紙","*.*",1,1,0,1,0,0)
================================================================================
G:\青空文庫\与謝野晶子\三面一体の生活へ.txt(98):私たちに取っては、こういう事実が新聞紙上に現れるごとに、言い知らぬ不快と公憤とを感じます。
G:\青空文庫\与謝野晶子\姑と嫁について.txt(10):　新聞紙の伝うる所に由れば、姑という人は明治以前の思想をそのままに、,(由=よ)
G:\青空文庫\与謝野晶子\姑と嫁について.txt(11):苦痛を忍んでいることを知っているので、姑に対する新聞紙の報道を誇張だとは思わない。

↑

2. ファイル先頭のいらない部分（=====で囲まれたところ）を削除する。†

（あとで削除してもよい）

G:\青空文庫\与謝野晶子\三面一体の生活へ.txt(98):私たちに取っては、こういう事実が新聞紙上に現れるごとに、言い知らぬ不快と公憤とを感じます。
G:\青空文庫\与謝野晶子\姑と嫁について.txt(10):　新聞紙の伝うる所に由れば、姑という人は明治以前の思想をそのままに、,(由=よ)
G:\青空文庫\与謝野晶子\姑と嫁について.txt(11):苦痛を忍んでいることを知っているので、姑に対する新聞紙の報道を誇張だとは思わない。

↑

3. 行頭のいらない部分を置換で削除する。†

（行頭のG:\…\の部分。1.のgrepの時に「相対パス」をonにしていればこの作業は不要)

与謝野晶子\三面一体の生活へ.txt(98):私たちに取っては、こういう事実が新聞紙上に現れるごとに、言い知らぬ不快と公憤とを感じます。
与謝野晶子\姑と嫁について.txt(10):　新聞紙の伝うる所に由れば、姑という人は明治以前の思想をそのままに、,(由=よ)
与謝野晶子\姑と嫁について.txt(11):苦痛を忍んでいることを知っているので、姑に対する新聞紙の報道を誇張だとは思わない。

↑

4-a. 区切り「,」を入れる。†

4-a' 「\\|\.txt$|$:」を「,」に置換（「ファイル先頭から」on、「正規表現」on）

上の置換は「ファイル先頭から」on、「正規表現」offで次の3回の置換を行うのと同じ。

4-a(1) 「\」を「,」に置換
4-a(2) 「.txt(」を「,」に置換
4-a(3) 「): 」を「,」に置換

↑

4-b. 1.で調べた文字列の前後に区切り「,」を入れる。†

4-b 1.でgrepした文字列（または正規表現）をカッコ()で囲みタグ付き正規表現で置換（「ファイル先頭から」on、「正規表現」on）*2
　例：「(新聞紙)」を「,$1,」

与謝野晶子,三面一体の生活へ,98,私たちに取っては、こういう事実が,新聞紙,上に現れるごとに、言い知らぬ不快と公憤とを感じます。
与謝野晶子,姑と嫁について,10,　,新聞紙,の伝うる所に由れば、姑という人は明治以前の思想をそのままに、,(由=よ)
与謝野晶子,姑と嫁について,11,苦痛を忍んでいることを知っているので、姑に対する,新聞紙,の報道を誇張だとは思わない。

↑

5. １行に複数出てきた場合の対処†

タグ付き正規表現を使った置換で,１行に複数出てきた行を複数行化する。

5-1. 正規表現onでファイル先頭から次の置換を行う。

検索語^([^,]*,[^,]*,[^,]*,)(.*)(,新聞紙,)([^,]*)(,新聞紙,.*)$
最小一致を使った^(.*?,.*?,.*?,)(.*)(,新聞紙,)(.*?)(,新聞紙,.*)$ でも可。*3
置換する語$1$2$3$4\n$1$4$5

※最初に検索するときに、「|」「( )」などのグループ化が必要な正規表現を使った場合は、ここで内側になるグループ化の括弧を「(?: ... )」とする。

　例：新聞紙|雑誌

　^([^,]*,[^,]*,[^,]*,)(.*)(,(?:新聞紙|雑誌),)([^,]*)(,(?:新聞紙|雑誌),.*)$

　例：(其れ?|それ)を

　^([^,]*,[^,]*,[^,]*,)(.*)(,(?:其れ?|それ)を,)([^,]*)(,(?:其れ?|それ)を,.*)$

5-2. 5-1.をヒットしなくなくなるまで繰り返す。（1行に3個以上出てきたときのため）

1行に複数出てきた場合の例

置換前

オイゲン・チリコフ／森林太郎訳,板ばさみ,237,総ての進歩的思想の人が、,新聞紙,の良友であるが如く、検閲官も亦,新聞紙,の良友である筈であります。
大杉栄,獄中記,337,と言っても実は二度で、最初の,新聞紙,条令違犯で食っているうちに、二度目の,新聞紙,条令違犯がきまって、前のが満期になるとすぐ引続いてあとのを勤めた。

置換後

オイゲン・チリコフ／森林太郎訳,板ばさみ,237,総ての進歩的思想の人が、,新聞紙,の良友であるが如く、検閲官も亦
オイゲン・チリコフ／森林太郎訳,板ばさみ,237,の良友であるが如く、検閲官も亦,新聞紙,の良友である筈であります。
大杉栄,獄中記,337,と言っても実は二度で、最初の,新聞紙,条令違犯で食っているうちに、二度目の
大杉栄,獄中記,337,条令違犯で食っているうちに、二度目の,新聞紙,条令違犯がきまって、前のが満期になるとすぐ引続いてあとのを勤めた。

↑

6. 「名前を付けて保存」で拡張子をcsvとして保存する。†

ファイル名：「～.csv」。.csvは半角。

↑

7. 表計算ソフト（Excel）で開く。†

与謝野晶子	三面一体の生活へ	98	私たちに取っては、こういう事実が	新聞紙	上に現れるごとに、言い知らぬ不快と公憤とを感じます。
与謝野晶子	姑と嫁について	10		新聞紙	の伝うる所に由れば、姑という人は明治以前の思想をそのままに、	(由=よ)
与謝野晶子	姑と嫁について	11	苦痛を忍んでいることを知っているので、姑に対する	新聞紙	の報道を誇張だとは思わない。

Counter: 7648, today: 1, yesterday: 0

授業資料/grepと置換でKWICを作る の履歴(No.19)