Python3+xlrd+mecabを利用してExcelデータを分かち書きで出力

目的

Excelファイルにテキストデータが存在し、そのテキストデータを分かち書きしたものをタブ区切り形式(tsvファイル)で出力する。

動作確認環境

Mac OS 10.12.3
Python 3.6.0
mecab of 0.996
mecab-python3==0.7

準備

mecabと辞書をインストール

Homebrewでのインストール(Mac)
　Python3からMeCabを使う
もしくは、自分でmakeしてインストール
　Python3で形態素解析エンジンMeCabを使えるようにする(2016年3月版)

pythonバインディングのインストール

　Python3でmecabを使う

xlrdのインストール

　【Python】pandasでExcelを読み込む

ソースコード

mecab.py

#!/usr/bin/env python

import xlrd
import MeCab
import sys

args = sys.argv

# Excelファイルを開く
book = xlrd.open_workbook(args[1])
sh = book.sheet_by_index(0)

# header
print("\t".join(('text','price')))

# 分かち書きオプションでパース
t = MeCab.Tagger ("-Owakati")

# 各行について
for rx in range(1, sh.nrows):

    # 必要なカラムを拾う
    text = sh.cell_value(rowx=rx, colx=1)
    price = sh.cell_value(rowx=rx, colx=2)

    # 改行削除
    text = text.replace('\n','').replace('\r','')

    try:
        # パースと改行削除
        m = t.parse(text).replace('\n','')

        # 出力
        print( "\t".join((m, price)) )

    except RuntimeError as e:
        print("RuntimeError:" + e)

実行

$ ./mecab.py [excelファイル名]