HaikuFinderを触ってみた

きっかけ

まずタイトルからして訳わからん感じですが，きっかけはProcessingのpython modeを探していた時でした．Python Modeを作っている人自体は沢山いますが，そのうちのProcessingの公式モジュール?一覧で出ていたPython Modeを作成した人のウェブサイトをよく見ていました．すると彼は俳句ファインダーなるものを作っていた，という次第です．というわけで触ってみました．ちなみに俳句と言っても英語で，音節の数を数えているようです．

動かしてみた

インストール

いたって通常通りです．

$ wget http://MrFeinberg.com/haikufinder-1.1.zip

$ unzip haikufinder-1.1.zip

$ cd haikufinder-1.1

$ python setup.py install

あとはREADMEにあるようなスクリプトをつらつらと書けばできる．．．．．．．．．はずでしたが，まず音節の並びが5 7 5となるような文書を見つけねばなりません．
いろいろさまよって，なんとかこれをみつけました．シンデレラです(笑)

スクリプト

というわけでこんな感じになります．

haiku_test.py

from haikufinder import HaikuFinder

text = ''' Once there was a gentleman who married, for his
second wife, the proudest and most haughty woman that
was ever seen. She had, by a former husband, two
daughters of her own humor, who were, ..(長いので略)'''

haikus = HaikuFinder(text).find_haikus()
for haiku in haikus:
    print haiku[0]
    print "    %s" % haiku[1]
    print haiku[2]
    print

こんなスクリプトを用意して，先ほどのhaikufinder-1.1/下に置いて実行しましょう．結果はこの様になりました．

$ python haiku_test.py
Nothing was then heard
     but a confused noise of: "Ha!
how handsome she is!

です．
これだけです．とりあえずリズムの良いフレーズが取り出せますよっということですね．

日本語なら

1. まずはmecab等で分かち書き
2. 文章中の漢字もmecabで読み推定しておく
3. 日本語を文節ごとに切る(なんかツールある?)
4. 5 7 5数える

ですかね．形態素じゃなくて文節で区切れるツールあると思いますが，詳しく調べていません．mecabの形態素解析は文節数最小をヒューリスティックに使ってるみたいなのできっとあると思います．では．