1. 趣旨

スクレイピングしたデータをそのままdata.frame等に変換して時系列分析をやろうとすると、年データがスクレイピング先によっては和暦で書かれていることがあり、「文章は保持しつつ、和暦を全て西暦に直したい！」ということがありました。

イメージとしては、こんな感じに変換したいわけです。

恐らく平成20年に生まれた人は、令和元年にはもう11歳になっているのだろう。
　↓
恐らく2008年に生まれた人は、2019年にはもう11歳になっているのだろう。

つまり、単純に和暦データを西暦に直せば済むという訳ではなく、あくまで文章の中で変換したいというのが今回のポイントです。

という記事『【R】文章内で「和暦⇒西暦」に変換する関数作った。』を2020/01/23に一旦書いて公開したのですが・・・

「折角作ったし、ここまで来たらパッケージにしたほうが使いやすいよね!!」
ということで、元記事を削除してリメイクしました。

2. パッケージのインストールと読み込み

{wareki}というパッケージをGitHubにアップロードしたので、導入しましょう。

library(devtools)
devtools::install_github("zakkii11/wareki")
library(wareki)

環境

R 3.6.2
RStudio 1.2.5033
必要パッケージ
- dplyr
- magrittr
- stringr

3. 実際の動作

wareki()

> wareki("令和2年1月23日")
[1] "2020年1月23日"

> wareki("平成25年度卒業式")
[1] "2013年度卒業式"

> wareki("昭和2年昭和3年")
[1] "1927年1928年"

> wareki("恐らく平成20年に生まれた人は、令和元年にはもう11歳になっているのだろう。")
[1] "恐らく2008年に生まれた人は、2019年にはもう11歳になっているのだろう。"

wareki() と wareki2()の違い

GitHub上には、wareki2.Rというファイルがあり、wareki2()という関数が書かれています。

> wareki("平成30年")
[1] "2018年"
> wareki2("平成30年")
[1] "2018年"

> wareki("平成30")
[1] "平成30"
> wareki2("平成30")
[1] "2018"

wareki()は「平成○○年」のように、「元号」と「年」の文字列に挟まれた数字を変換の対象とします。つまり、変換対象になるには「年」という文字が必要です。
それに対して、wareki2()は「平成○○」のように、「元号」に続く数字を変換の対象とします。「年」という文字がなくても変換の対象になります。

wareki2()のほうが変換対象が広いですが、逆に不要な変換をしてしまう可能性もあります。
wareki()のほうが安全な変換が可能ですが、文書の性質に応じて使い分けてください。

4. zipanguパッケージとの比較

この関数と似たようなことが実現できるパッケージとして{zipangu}というパッケージが存在します。
https://uribo.hatenablog.com/entry/2019/12/02/163114

このパッケージには、和暦を西暦に変換する関数があるのですが、こんな感じで動作します。

> library(zipangu)
> convert_jyear("平成2年")
[1] 1990

さて、僕のwareki()との違いは何か、次の例を見るとお分かりいただけると思います。

和暦より前に文章が続く場合

> wareki("恐らく平成20年に生まれた")
[1] "恐らく2008年に生まれた"

> convert_jyear("恐らく平成20年に生まれた")
[1] NA
 警告メッセージ: 
Unsupported Japanese imperial year.
Please include the year after 1868 or the year used since then, Meiji, Taisho, Showa, Heisei and Reiwa.

和暦より後に文章が続く場合

> wareki("平成25年度卒業式")
[1] "2013年度卒業式"

> convert_jyear("平成25年度卒業式")
[1] 2013

テキストに複数の和暦が含まれている場合

> wareki("昭和2年昭和3年")
[1] "1927年1928年"

> convert_jyear("昭和2年昭和3年")
[1] 1927

テキストに和暦が含まれていない

> wareki("平成はいい時代だった")
[1] "平成はいい時代だった"

> convert_jyear("平成はいい時代だった")
[1] NA

違い	wareki()	convert_jyear()
出力オブジェクト	character	numeric
和暦より前の文章	残る	NAを返す
和暦より後の文章	残る	残らない
テキストに複数の和暦が含まれる場合	全て変換される	先頭に最も近い和暦のみ変換される
テキストに和暦が含まれていない場合	元テキストを返す	NAを返す

冒頭の趣旨で説明した「文章は保持しつつ和暦を西暦に変換」ということが、convert_jyear()では実現できなかったですが、今回作ったwareki()だと実現できます。

5. 課題

この辺はおいおい修正していきたいです。

漢数字に対応してません。
対応元号は令和～元和（1615）まで
旧字体は、一部（應・德・寶・祿）を除いて非対応。

6. まとめ

ちなみに、これが初めてのパッケージ作りです。
一回作ると、こんなに大変なんだーって思いました。皆すごいですね。
~~その辺の話は、どっかで書きたいです。~~
コチラに書きました。
【R】初めてのパッケージ作成で迷った5つのコト。 - Qiita

~~あと、関数の引数の説明とか、とにかく英語が死ぬほどゴミです。~~

Enjoy!

おしまい。

参考文献

パッケージ作りに際しては、以下の記事を死ぬほど参考にさせて頂きました。
ありがとうございました。

【R】 文章内で「和暦⇒西暦」に変換するパッケージ作った。