xreaでpythonからMeCabを使うまで

xreaは、無料枠でもSSHが使える破格のレンタルサーバーです。

そんなxreaですが、形態素解析ツールのMeCabが初めから使えます。

TL;DR

• 辞書は/usr/lib64/mecab/dic/ipadic/を指定する
• 対話モードでテストするときはサーバーのlocaleを適当に設定する

MeCabを使ってみる

サーバーをレンタルして入ったら、そのままmecabを使うことができます。

[username@sxxxx ~]$ mecab
xreaでMeCabを使いたい
xrea    ̾,ͭ̾,ȿ,*,*,*,*
でM     ,,*,*,*,*,*
eCab    ̾,ͭ̾,ȿ,*,*,*,*
を      ,,*,*,*,*,*
        ̾,,*,*,*,*,,ӥ,ӥ
いたい  ,,*,*,*,*,*
EOS

このように文字コードの問題でまともに動作しません。
xreaがデフォルトで利用している辞書は、EUC-JPでビルドされているため、utf8のものを使うようにします。
/usr/lib64/mecab/dic/ipadic/にutf8でビルドされたIPA辞書があるため、それを使います。

[username@sxxxx ~]$ mecab -d /usr/lib64/mecab/dic/ipadic/
xreaでMeCabを使いたい
xrea    名詞,一般,*,*,*,*,*
で      助詞,格助詞,一般,*,*,*,で,デ,デ
MeCab   名詞,一般,*,*,*,*,*
を      助詞,格助詞,一般,*,*,*,を,ヲ,ヲ
使い    動詞,自立,*,*,五段・ワ行促音便,連用形,使う,ツカイ,ツカイ
たい    助動詞,*,*,*,特殊・タイ,基本形,たい,タイ,タイ
EOS

よさげです。

pythonからMeCabを使う

ここでは、python3.6でMeCabを利用することを目標とします。
とはいっても、基本的にはmecab-python3をインストールするだけです。

[username@sxxxx ~]$ python3.6 -m pip install mecab-python3 --user

最後に対話モードで動作をテストしましょう。
ここで1つ注意点があります。そのまま日本語の文字列を形態素解析しようとすると'ascii' codec can't decode ~のようなエラーが表示されるはずです。これは、pythonがサーバーの環境変数を読んで、ASCIIコードで日本語をデコードしようとするからです。
そのため、環境変数を適当に設定します。

[username@sxxxx ~]$ export LANG=ja_JP.utf8

以上で、mecab-python3の動作をチェックすることができます。

>>> import MeCab
>>> mecab = MeCab.Tagger ('-d /usr/lib64/mecab/dic/ipadic/')
>>> print(mecab.parse('xreaでMeCabを使いたい'))
xrea    名詞,一般,*,*,*,*,*
で      助詞,格助詞,一般,*,*,*,で,デ,デ
MeCab   名詞,一般,*,*,*,*,*
を      助詞,格助詞,一般,*,*,*,を,ヲ,ヲ
使い    動詞,自立,*,*,五段・ワ行促音便,連用形,使う,ツカイ,ツカイ
たい    助動詞,*,*,*,特殊・タイ,基本形,たい,タイ,タイ
EOS

参考

Python3環境で日本語を使うとUnicodeEncodeErrorが出る問題について