PHPのMecab Extentionを使ってみたよ

mecab PHP

ちょっと思いついたのでPHPのMecab Extentionを使ってみるテスト。。。とか寝る前に始めてみたら、もうこんな時間

下記のサイトを参考にしたら、思いのほか何とかなったのです


ひとまず作成途中の(Mecab Extentionを使った）形態素解析用クラスを下に書いときます。*1

        • -
| ∧ 　 　　　　　　∧
|/　ヽ 　 　 　　　./ .∧
|　　 ｀､　　　　　/ 　 ∧
|　　 　 ￣￣￣　　　　ヽ
|￣￣￣月曜日￣￣￣）
|￣￣￣￣￣￣￣￣￣.＼
|ヽ-=・=-′　ヽ-=・=-　　/ 　　やあ
|:: 　 　＼＿＿_／　　　　/
|:::::::　　　 ＼／　　　　　/
        • -

とりあえず、月曜日がやってきたので今日はもう寝るす



まだ書き途中なのでコメントとか定義が適当すぎなのであしからず。あとで細かいところとか詰めてく予定、ついでに表示系の処理のロジックも（あとで）きっちり組んでちゃんと書くよー

<?php
// Mecab　Extentionを指定
define('MECAB_MODULE', 'mecab.so');
// Mecab用辞書ファイルを指定
define('DIC_PATH', '/usr/local/lib/mecab/dic/ipadic');

class Mecab_Analyze
{
    private $text;
    private $pos_array;
    private $threshold;
    
    public function __construct($pos_array=null, $threshold=5)
    {
        // MECABモジュールの読み込み
        dl(MECAB_MODULE);
        // 辞書ファイルの読み込み先を設定
        $dic = DIC_PATH;
        if (!empty($dic))
        {
            if (!file_exists($dic))
            {
                print("Error: dic file not exist");
                return false;
            }
            //設定オプションとして辞書ファイルのパスを設定
            ini_set('mecab.default_dicdir', $dic);
        }
        
        // 解析対象の品詞IDを設定
        /**
        * 初期値として設定する計測する品詞（あまり根拠無く、適当に選別）
        * 名詞,サ変接続,*,* 36
        * 名詞,ナイ形容詞語幹,*,* 37
        * 名詞,一般,*,* 38
        * 名詞,引用文字列,*,* 39
        * 名詞,形容動詞語幹,*,* 40
        * 名詞,固有名詞,一般,* 41
        * 名詞,固有名詞,人名,一般 42
        * 名詞,固有名詞,人名,姓 43
        * 名詞,固有名詞,人名,名 44
        * 名詞,固有名詞,組織,* 45
        * 名詞,固有名詞,地域,一般 46
        * 名詞,固有名詞,地域,国 47
        */
        if(is_null($pos_array))
        {
            $this->pos_array = array(36,37,38,39,40,41,42,43,44,45,46,47);       
        }
        else
        {
            $this->pos_array = $pos_array;
        }
        // 出現単語の閾値を設定
        $this->threshold = $threshold;
    }

    private function __posCheck($pos_id)
    {
        if(in_array($pos_id, $this->pos_array))
        {
            return true;
        }
        return false;
    }
    
    private function __multiArraySearch($needle, $key, $array=array())
    {
        if(0 < count($array))
        {
            foreach($array as $array_key => $value)
            {
                if($value[$key] == $needle)
                {
                    return $array_key;
                }
            }
        }
        return false;
    }

    private function __parseText()
    {
        $text = $this->text;        
        // Mecabオブジェクトを生成
        $mecab = new MeCab_Tagger();
        //文字列をパース
        $node=$mecab->parseToNode($text);  
        /**
        * $nodeの要素メモ
        * -- 基本情報 --
        * [surface]         : 形態素の文字列情報
        * [feature]         : CSV で表記された素性情報
        * [id]              : 形態素に付与される ユニークID
        * [length]          : 形態素の長さ
        * [rlength]         : 形態素の長さ(先頭のスペースを含む)
        * [rcAttr]          : 右文脈 id
        * [lcAttr]          : 左文脈 id
        * [posid]           : 形態素(品詞) ID
        * [char_type]       : 文字種情報
        * [stat]            : 形態素の種類: 以下のマクロの値
        *                       #define MECAB_NOR_NODE  0
        *                       #define MECAB_UNK_NODE  1
        *                       #define MECAB_BOS_NODE  2
        *                       #define MECAB_EOS_NODE  3
        * [isbest]          : ベスト解の場合 1, それ以外 0
        * [sentence_length] : (要確認)解析対象文章の長さ？ BOS nodeのみ？
        *
        * -- alpha, beta, prob は -l 2 オプションを指定した時に定義 --
        * [alpha]           : forward backward の foward log 確率
        * [beta]            : forward backward の backward log 確率
        * [prob]            : 周辺確率
        *
        * -- 解析のコスト関連の値 --
        * [wcost]           : 単語生起コスト
        * [cost]            : 累積コスト
        */
        //////////////////////////////
        //// 各ノードを解析
        // 格納用の配列を初期化
        $array = array();
        // 解析結果を配列に格納
        while($node)
        {
            $array_tmp = $node->toArray();
            if($this->__posCheck($array_tmp['posid']))
            {
                $result = $this->__multiArraySearch($array_tmp['surface'], 'surface', $array);
                if($result !== false)
                {
                    $array[$result]['num']++;
                }
                else
                {
                    // 配列の要素から使う物のみを選別
                    $array_item['surface'] = $array_tmp['surface'];
                    $array_item['posid'] = $array_tmp['posid'];
                    $array_item['length'] = $array_tmp['length'];
                    $array_item['num'] = 1;
                    // 配列を追加
                    $array[] = $array_item;
                }
            }
            // 配列格納処理が完了したら次ノードへ
            $node = $node->getNext();
        }
        // 格納された配列をリターン
        return $array;
    }

    private function __sortFunction($a, $b)
    {
        if ($a['num'] == $b['num'])
        {
            return 0;
        }
        elseif($a['num'] < $b['num'])
        {
            return 1;
        }
        else
        {
            return -1;
        }
    }

    public function getResult($text, $sort_flag=true)
    {
        // 解析対象のテキストを設定
        if(isset($text) || $text !=  "")
        {
            $this->text = $text;
        }
        else
        {
            print("Error: Not Input Text");
            return false;
        }
        $array = $this->__parseText();

        if($sort_flag)
        {
            uasort($array, array($this, "__sortFunction"));
        }

        return $array;
    }
}


/**
* テスト実行用のスクリプト
*/
$text = "Mecabを使ってPHPで形態素解析してみるテストですが、PHPではどんな塩梅？";
$ma = new Mecab_Analyze();
$result = $ma->getResult($text);

foreach($result as $word)
{
    print_r($word);
    echo("<br><br>");
}

?>

あ、閾値切り捨て処理を組み込んでないじゃない。。。　 → あとでやるよー

*1:そういやmecabってPythonからも呼び出せるらしいので今回のコードを基にPython版を作ろうかしらん？