emoji-mozc-import: Unicode CLDR から mozc 用の 17,500 件の絵文字辞書を自動生成する

emoji-mozc-import: Auto-generating a 17,500-entry emoji dictionary for mozc from Unicode CLDR

CLDRの日本語アノテーションとunicode.orgの公式ZWJシーケンスリストから、mozcユーザー辞書用の絵文字・記号辞書を生成するツールです。

動作確認:

• 実機 : Linux Mint 22.3 Cinnamon / Python 3.12
• VM : Ubuntu 24.04.2 LTS / Python 3.12

なにこれ？

Linuxでmozcを使っていて、こんな経験ありませんか？

「ねこ」で変換しても 🐱 が出てこない
絵文字を使いたいたびにWebで検索してコピペしている
👩‍🦰 や 🏳️‍🌈 みたいな合成絵文字はそもそも入力方法がわからない

このツールは、Unicode公式のデータから 約17,500件の絵文字・記号辞書 を自動生成して、mozcのユーザー辞書に一発で取り込めるようにします。
ねこ → 🐱 🐈 🐈‍⬛ 😺 😸 😻 🙀
ゆき → ❄ ☃ ⛄ 🌨
はーと → ❤ 💛 💚 💙 💜 🖤 🤍
セットアップしたら ./emoji_mozc_import.sh を実行してmozcにインポートするだけ。それだけです。

セットアップ

ここからダウンロードまたは、git clone。

git clone https://gitlab.com/Ayanonymous/emoji-mozc-import.git

cd emoji-mozc-import
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

使い方

# 基本（ひらがな読みのみ）
./emoji_mozc_import.sh

# 漢字混じりの読みもひらがなに変換して収録数を増やす（推奨）
./emoji_mozc_import.sh --kana-convert

完了後、Mozcプロパティ → 辞書ツール → 管理 → インポート で生成された merged_mozc.txt を読み込んでください。

設定

emoji_mozc_config.toml を編集するだけで動作を変更できます。

[cldr]
# 別言語に変えたい場合はURLの "ja" を変更
url = "https://raw.githubusercontent.com/unicode-org/cldr-json/main/.../ja/annotations.json"

[zwj]
# "latest" を特定バージョン（例: "15.1"）に変えると固定できる
url = "https://unicode.org/Public/emoji/latest/emoji-zwj-sequences.txt"

アーキテクチャ

[unicode.org CLDR]
        ↓ curl
annotations.json（日本語絵文字アノテーション）
        ↓ convert_emoji_tsv.py
        │  ・ひらがな/カタカナ読みのみ抽出
        │  ・unicodedata.category() で品詞自動判定
        │    So（絵文字）→ 短縮よみ / その他 → 記号
        │  ・--kana-convert 時は漢字読みを kana_convert.py に渡す
        ↓
emoji_mozc.tsv（単体絵文字・記号 約8800件）

[kana_convert.py]（--kana-convert 時のみ）
  GiNZA / MeCab / pyopenjtalk の3エンジンで多数決
  漢字混じり読み → ひらがな

[unicode.org emoji-zwj-sequences.txt]
        ↓ generate_zwj_tsv.py
        │  ・公式ZWJシーケンスリストを取得
        │  ・先頭コードポイントの読みをemoji_mozc.tsvから引く
        ↓
zwj_mozc.tsv（👩‍🦰 等のZWJ合成絵文字 約8600件）

emoji_mozc.tsv + zwj_mozc.tsv
        ↓ cat
merged_mozc.txt（約17500件）→ mozcユーザー辞書にインポート

依存

パッケージ	用途	必須
ginza, ja_ginza	読み変換（高精度）	いずれか1つ
fugashi, unidic-lite	読み変換（MeCab）	いずれか1つ
pyopenjtalk	読み変換（軽量）	いずれか1つ

--kana-convert を使わない場合は全て不要です。

ファイル構成

ファイル	説明
emoji_mozc_import.sh	メインスクリプト
convert_emoji_tsv.py	CLDRアノテーション→TSV変換
kana_convert.py	漢字混じり読み→ひらがな変換CLI
generate_zwj_tsv.py	ZWJ絵文字辞書生成
emoji_mozc_config.toml	設定ファイル
requirements.txt	Python依存パッケージ

既知の問題

一部ZWJ絵文字がmozcの変換候補に出ない場合は手動登録してください（mozc側の問題）。

サポート

個人開発のためサポート対応はしていません。

リポジトリ

License

Apache License 2.0 - see LICENSE for details.

#mozc #Linux #LinuxMint #日本語入力 #Python