PHP で Mecab を使って日本語形態素解析の結果を簡単に取得する! #PHP

■MeCabについて
MeCab は、オープンソースの形態素解析エンジンです。

MeCab 以外でもフリーで入手可能なものには、ChaSen、Juman、KAKASI などがある。有償のものだと Basis Technology の Rosette 形態素解析システムなどもある。

MeCabはオープンソースの形態素解析エンジンで、奈良先端科学技術大学院大学出身、現GoogleソフトウェアエンジニアでGoogle 日本語入力開発者の一人である工藤拓氏によって開発されている。名称は開発者の好物「和布蕪（めかぶ）」から取られた。
開発開始当初はChaSenを基にし、ChaSenTNGという名前で開発されていたが、現在はChaSenとは独立にスクラッチから開発されている。ChaSenに比べて解析精度は同程度で、解析速度は平均3-4倍速い。
品詞情報を利用した解析・推定を行うことができる。MeCabで利用できる辞書はいくつかあるが、ChaSenと同様にIPA品詞体系で構築されたIPADICが一般的に用いられている。
MeCabはGoogleが公開した大規模日本語n-gramデータの作成にも使用された。
Mac OS X v10.5及びv10.6のSpotlightやiPhone OS 2.1以降の日本語入力にも利用されている。

との事です。

■事前準備

Ubuntu で、ビルドに必要なパッケージをインストールする。

$ sudo aptitude install build-essential libc6-dev g++

MeCabのダウンロード

MeCab 本体

$ wget https://drive.google.com/uc?export=download&id=0B4y35FiV1wh7cENtOXlicTFaRUE

MeCab 用の辞書 (IPA 辞書)

$ wget https://drive.google.com/uc?export=download&id=0B4y35FiV1wh7cENtOXlicTFaRUE

インストール

本体のインストール

$ tar zxfv mecab-0.996.tar.gz
$ cd mecab-0.996
$ ./configure 
$ make
$ make check
$ sudo make install

辞書のインストール

$ tar zxfv mecab-ipadic-2.7.0-20070801.tar.gz
$ mecab-ipadic-2.7.0-20070801
$ ./configure --with-charset=utf8
$ make
$ sudo make install

libmecab.so.2: cannot open shared object file

のエラーが出る場合は、sudo ldconfig してリトライする。

テスト

コマンドラインで、

$ mecab すもももももももものうち
すもも  名詞,一般,*,*,*,*,すもも,スモモ,スモモ
も      助詞,係助詞,*,*,*,*,も,モ,モ
もも    名詞,一般,*,*,*,*,もも,モモ,モモ
も      助詞,係助詞,*,*,*,*,も,モ,モ
もも    名詞,一般,*,*,*,*,もも,モモ,モモ
の      助詞,連体化,*,*,*,*,の,ノ,ノ
うち    名詞,非自立,副詞可能,*,*,*,うち,ウチ,ウチ
EOS

となれば、日本語形態素解析は一応出来たことになる。

■PHPで使う

pecl.opendogs.org をチャンネルに追加する。

pear channel-discover pecl.opendogs.org
pear remote-list -c opendogs
sudo pear install opendogs/mecab-beta

インストール途中で、mecab-config をしているする場面があるかも。その場合は、こんな感じで指定する。

specify pathname to mecab-config [no] : /usr/local/bin/mecab-config

Ubuntuの場合、/etc/php5/conf.d/ に mecab.ini を作成し、以下の通りに設定する。

extension=mecab.so

で、Apacheをリスタートさせて、phpinfo(); 等をすると、こんな感じで読み込まれたことが確認出来る。

実際に、PHPで動かす場合は、 mecab_split !