【備忘録】MeCabをUbuntuにインストールしてPython3系で使う。

はじめに

今回、改めてUbuntuにMeCabを入れ直す必要に迫られました。
かなり時間を使ってしまったので、忘れた時ようにメモします。

実行環境

Ubuntu 16.04 LTS
Python 3.6.3
Jupyter Notebook 1.0.0

インストール方法

公式ホームページから、ダウンロードしてmakeして、、、　とやって文字化けでハマっていましたが、以下のようにapt-get と　pipで簡単に環境構築できました。

sudo apt-get install mecab libmecab-dev mecab-ipadic mecab-ipadic-utf8
pip install mecab-python3

また、さらに最近の言葉まで対応している辞書であるNEologdを導入します。
何と週2回以上更新されているそうです。

git clone --depth 1 https://github.com/neologd/mecab-ipadic-neologd.git
cd mecab-ipadic-neologd
 ./bin/install-mecab-ipadic-neologd -n -a
mecab -d /usr/local/lib/mecab/dic/mecab-ipadic-neologd/

テストコード

from io import StringIO
import pandas as pd

import MeCab

m = MeCab.Tagger('-Ochasen')
analyzed = m.parse('我輩は猫である。名前はまだ無い。')

df_analyzed = pd.read_csv(StringIO(analyzed), delimiter='\t', names=['単語', '読み','原形', '品詞', '活用', '活用形'])

df_analyzed

	単語	読み	原形	品詞	活用	活用形
0	我輩は猫である	ワガハイハネコデアル	我輩は猫である	名詞-固有名詞-一般	NaN	NaN
1	。	。	。	記号-句点	NaN	NaN
2	名前	ナマエ	名前	名詞-一般	NaN	NaN
3	は	ハ	は	助詞-係助詞	NaN	NaN
4	まだ	マダ	まだ	副詞-助詞類接続	NaN	NaN
5	無い	ナイ	無い	形容詞-自立	形容詞・アウオ段	基本形
6	。	。	。	記号-句点	NaN	NaN
7	EOS	NaN	NaN	NaN	NaN	NaN

df_analyzed['単語']

0    我輩は猫である
1          。
2         名前
3          は
4         まだ
5         無い
6          。
7        EOS
Name: 単語, dtype: object

　参考資料

MecabをUbuntu14.0.4にインストールして実行してみる
新語・固有表現に強い「mecab-ipadic-NEologd」の効果を調べてみた
mecab-ipadic-NEologd : Neologism dictionary for MeCab