成蹊2022/応用日本語講座の履歴差分(No.13)

追加された行はこの色です。
削除された行はこの色です。
#author("2022-05-12T22:35:11+00:00","default:ogiwiki","ogiwiki")
#author("2022-05-13T09:04:45+00:00","default:ogiwiki","ogiwiki")
[[成蹊2022]]

*応用日本語講座（日本語・日本文学のためのコンピュータ） [#v8457c9d]
-金曜2限：''10:40～12:20''
-Mail: ogiso@ogiso.net
-[[CoursePower（成蹊大学）授業ページ>https://lms.seikei.ac.jp/lms/corsColl/doIndex;SID=s180286c6cc5c9b1f05dfc0a8ae]]
------

**05/20 全文検索システム「ひまわり」 [#ufc26106]


***補足：Wordのワイルドカードと正規表現 [#ob585ec6]
-https://note.com/jinbunxshakai/n/n8070db080041


**05/13 正規表現の応用／タグ付き正規表現 [#ne15725c]

***ゲームの紹介 [#k337bfef]
-正規表現を学ぶ狩りに出ようRegex Hunting
--https://www.regex-hunting.com/
--https://qiita.com/yukiHaga/items/8ef2051036e126eb00c6

***正規表現の応用 [#c7a3ea2d]
-カタカナ語
--カタカナ（外来語）の形容動詞語幹
-送りがなの揺れ（行う／行なう）
-会話文中（"「"で始まる文中）の用例を検索する
-同一文中での共起
--全然～ない。
--もし～なら（ば）


***タグ付き正規表現 [#z9ef50e5]

-走[らりるれろ] でgrepした結果を置換するにはどうしたらいいか
--次のように置換するととんでもないことに…
---検索文字列：走[らりるれろっ] 
---置換文字列：★走[らりるれろっ] 
-タグ付き正規表現：カッコ（半角丸カッコ）と\1（\2，\3…）を使う
-[[授業資料/タグつき正規表現]]


***最長一致の原則（greedy matching） [#y047e9bd]
-正規表現は、パターンが一致する最も長い範囲にマッチする
--例：''あ+'' → ''【\1】''
---ああああああああ →　【ああああああああ】
そのせいで…
--例：''「(.+)」'' → ''【\1】''
---「こんにちは」「さようなら」 →　【こんにちは」「さようなら】
--括弧の組ごとに置換するためには''「([^」]+)」'' → ''【\1】''　のように書かなければならない
---「こんにちは」「さようなら」 →　【こんにちは】【さようなら】
-よりかんたんに指定するには（最短一致，ものぐさ指定）
--''「(.+?)」「(.*?)」''のように、繰り返し指定の+*の後に「?」をつける


-（参考）タグ付き正規表現の応用：[[grepと置換でKWICを作る>授業資料/grepと置換でKWICを作る]]


***検索文字列の中での後方参照 [#ra28185d]
-検索語の中で\1を使う
--(..)\1  「ころころ」「毎日毎日」など二文字の繰り返しにマッチ
--(.ろ)\1  「ころころ」「どろどろ」「へろへろ」などにマッチ
--(..)\1\1
--(...)\1


***正規表現に関する参考資料 [#w86de08b]
-サクラエディタの正規表現：http://sakura-editor.sourceforge.net/htmlhelp/HLP000089.html
-正規表現に関する本　[[amazonで検索>https://www.amazon.co.jp/s?k=%E6%AD%A3%E8%A6%8F%E8%A1%A8%E7%8F%BE]]

***「ひまわり」の準備 [#a1c1b435]
-USBメモリ


**05/06 正規表現 [#c333d4cf]

-今日の練習用テキストデータ
--[[soseki2.zip>https://www.dropbox.com/s/gw1j25svf2s9tki/soseki2.zip?dl=1]] （前回と同じもの）


***正規表現を使ってみる [#u471d57b]
-文字クラス
--例：読[まみむめもん]
---半角ブラケットの中に文字を並べる→並べた文字いずれか1文字

***正規表現とは [#d216d4e0]

-''正規表現''　[[＞用語>http://e-words.jp/w/E6ADA3E8A68FE8A1A8E78FBE.html]]
--文字を表すための特殊な文字（メタ文字）を使って文字列のパターンを表現する
--テキストエディタでは置換・検索・grepで利用できる　（エディタ以外にもさまざまなアプリケ－ションやコンピュータ言語で利用されている）
--特殊な文字（メタ文字）はすべて半角
//--特殊な文字そのものを表す場合には\でエスケープする（特殊な意味を打ち消す）　例：1\+2


***正規表現のいろいろ [#q514651f]
-[[授業資料/正規表現]]
--文字クラス [ ]
--文字クラスの否定（補集合）[^ ]
--繰り返し ? + *
--グループ化  ()
--or（論理和）  |
--文頭 ^、文末 $




**04/29（授業実施日） テキストエディタの利用 [#ca0dd8a2]

***放送予定 [#w5292560]
-チコちゃんに叱られる! 4月29日(金)午後7:57
--「私は」は「は」と書くのになぜ「わ」という？
--https://www.nhk.jp/p/chicochan/ts/R12Z9955V3/episode/te/P2PV9VL5XX/

***テキストデータ（青空文庫）の配布 [#bd04ed6f]
-★[[soseki2.zip>https://www.dropbox.com/s/gw1j25svf2s9tki/soseki2.zip?dl=1]] （今日の授業で使います）
--（参考：
[[aozoradoc2.zip>https://www.dropbox.com/s/t3udkej39grd7h1/aozoradoc2.zip?dl=1]]（ちょっと古い青空文庫の全テキスト））
-ダウンロードして展開（解凍）してください


***復習[#j546f1d9]
-検索・置換、grep
--検索で初出行を調べる
--置換で用例数を数える
--grepで用例リストを作る
--タグジャンプで文脈を確認する


***ショートカットキー [#da449f25]
-[[授業資料/覚えておきたいショートカットキー]]
-Mac のキーボードショートカット https://support.apple.com/ja-jp/HT201236


***grepと置換でKWIC(CSVファイル)を作る（簡易版） [#u3ab2d6f]
-CSVファイルとは：テキストファイルで表を表現する
[[用語：CSVファイル>http://e-words.jp/w/CSV.html]]
-KWIC：KeyWord In Context


**04/22　テキストデータと文字コード [#d34ebd0b]


***文字コード [#g8eacf69]
-&#13055;（令和）の話
--[[授業資料/文字コード関連リンク]]

***テキストデータ [#k896318b]
-すべての基本、文字が並ぶだけのデータ
-[[授業資料/テキストデータとは]] 
--バイナリデータとテキストデータ
--テキストデータとテキストファイル

-TXT,CSV,HTM…
--ファイルの種類と拡張子 参考：[[拡張子辞典>http://www.7key.jp/data/ext_new/]]
--[[拡張子(wikipedia)>http://ja.wikipedia.org/wiki/%E6%8B%A1%E5%BC%B5%E5%AD%90]]

-授業で使うテキストデータ
--[[授業資料/テキストデータ紹介]]

***テキストエディタ [#q7ae852c]
-テキストエディタとはどんなものか
--[[授業資料/テキストエディタ]]

***サクラエディタのダウンロードとインストール [#bf5ea59f]
フリーソフトウェア（無償）のエディタを使います。（PC教室のパソコンにはインストール済み）

（以下は自分のPCで使う場合）
-★[[サクラエディタのダウンロード:https://github.com/sakura-editor/sakura/releases/download/v2.4.1/sakura-tag-v2.4.1-build2849-ee8234f-Win32-Release-Installer.zip]]
---(参考) サクラエディタホームページ：https://sakura-editor.github.io/

-インストールの手順
--ダウンロードしたzipファイルの中のsakura_install～.exeをダブルクリック
--以下、画面の指示に従ってインストール


***テキストエディタを使ってみる [#zc42842b]
-テキストエディタの設定
--行の折り返し
--行番号表示
---スタイル行番号（ワープロ的行番号）と論理行番号（エディタ的行番号）

-練習用サンプルデータ（漱石 こころ.txt）
--[[sample.zip>https://www.dropbox.com/s/fi5kg860wvlgwir/sample.zip?dl=1]]

-検索・置換、grep
--検索で初出行を調べる
--置換で用例数を数える
--grepで用例リストを作る
--タグジャンプで文脈を確認する

**04/15 [#n5d114e2]

***イントロダクション [#j7eb4b41]

-[[自己紹介]]
--大学共同利用機関法人人間文化研究機構 国立国語研究所 https://www.ninjal.ac.jp/
--[[言語資源開発センター>https://clrd.ninjal.ac.jp/]]（先月までコーパス開発センター）


-シラバス確認
--この授業の[[シラバス>https://portal.seikei.ac.jp/campusweb/slbssbdr.do?risyunen=2022&semekikn=1&kougicd=125236130]]
--この授業の目的
--授業の進め方
--評価方法


***授業で利用する主なソフトウェア [#i06478d2]

|ソフトウェアの種類・名前|利用目的|h
|[[テキストエディタ ''サクラエディタ''>http://sourceforge.net/projects/sakura-editor/]]|正規表現を使ったテキストの検索・整形|
|[[全文検索ソフト''ひまわり''>http://www2.ninjal.ac.jp/lrc/index.php?%C1%B4%CA%B8%B8%A1%BA%F7%A5%B7%A5%B9%A5%C6%A5%E0%A1%D8%A4%D2%A4%DE%A4%EF%A4%EA%A1%D9]]|データの検索|
|表計算ソフト''Excel''|ピボットテーブルによる分析・グラフ作成|
|ワープロ''Word''|文書構造を意識したレポート作成|


***授業で利用する主なデータ [#g7f34e64]
-[[青空文庫>https://www.aozora.gr.jp/]]の近代の小説
-国立国語研究所のコーパス
--[[「現代日本語書き言葉均衡コーパス」>https://clrd.ninjal.ac.jp/bccwj/]]
--[[「日本語歴史コーパス」（一部）>https://clrd.ninjal.ac.jp/chj/]]

***デモ [#hb184f26]
--テキストエディタとgrep
--全文検索システム[[ひまわり>https://www2.ninjal.ac.jp/lrc/index.php?%C1%B4%CA%B8%B8%A1%BA%F7%A5%B7%A5%B9%A5%C6%A5%E0%A1%D8%A4%D2%A4%DE%A4%EF%A4%EA%A1%D9]]
--Excel（ピボットテーブル）
--形態素解析：[[Web茶まめ>https://chamame.ninjal.ac.jp]]

-現代語コーパス
--[[少納言>https://shonagon.ninjal.ac.jp]]
成蹊2022/応用日本語講座 の履歴差分(No.13)

成蹊2022/応用日本語講座の履歴差分(No.13)
