PHPで直接MeCabの結果を利用する - 院生エンジニアのにっき

Page2にてMecab Extentionなるものも存在するんですが、こちらなどを参考にしてmorph_analysis関数を作ってみました。

やってる内容は至極簡単。

MeCabプロセスに対して文字列を投げて返ってきた値をパースしているだけ。

define('Mecab_Encoding', 'SJIS');
define('Mecab_ResultEncoding', 'UTF-8');
define('MeCab_Path', 'mecab.exe');
function morph_analysis($text) {
  $text = mb_convert_encoding($text, Mecab_Encoding, Mecab_ResultEncoding);
  $descriptorspec = array (
    0 => array ("pipe",   "r"), // stdin
    1 => array ("pipe", "w") // stdout
  );
  $process = proc_open(MeCab_Path, $descriptorspec, $pipes);
  if (is_resource($process)) {
    // mecabに文章を与える
    fwrite($pipes[0], $text);
    fclose($pipes[0]);
    // 結果を読み取る
    while (!feof($pipes[1])) {
      $result .= fread($pipes[1], 4096);
    }
    fclose($pipes[1]);
    proc_close($process);
    
    $result = mb_convert_encoding($result, Mecab_ResultEncoding, Mecab_Encoding);
    $lines = explode("\r\n", $result);
    $res = array();
    foreach($lines as $line) {
      if(in_array(trim($line), array('EOS', ''))) {continue;}
      $s = explode("\t", $line);
      $word = $s[0];
      $words = explode(',', $s[1]);
      //基本形などを利用したい場合はここに追加
      $res[] = array(
        'word' => $word,
        'class' => $words[0],
        'detail1' => $words[1],
        'detail2' => $words[2],
        'detail3' => $words[3],
        'conjugation1' => $words[4],
        'conjugation2' => $words[5]
      );
    }
    return $res;
  } else {
    return false;
  }
}

MeCabを使ってブログの形態素解析をしているんですが、やはり精度はかなり悪いですね。ブログには顔文字もあるし、誤字・脱字も多い＆口語表現・・・・なにかいい方法はないか模索中。。

PHPで直接MeCabの結果を利用する 2008-11-12