質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.40%

  • Python 3.x

    7968questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • Mecab

    211questions

    Mecabは、オープンソースの形態素解析エンジンです。 言語、辞書、コーパスに依存しない汎用的な設計を基本方針としています。 Mecabの由来は、開発者の好物である和布蕪(めかぶ)から名づけられました。

python3.6環境下におけるmecabによる大容量データの実行について

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 354

jeolact

score 2

 前提・実現したいこと

python環境下におけるmecabで取得したツイートを形態素解析し、出力したい

 発生している問題・エラーメッセージ

分かち書きをしたいデータが2MB程度のファイルであれば実行できるのですが、
それ以上のファイルを解析しようとすると

None


となってしまいます。

 該当のソースコード

import MeCab

import unicodedata
wakatilist = []

mecab = MeCab.Tagger ('-d /usr/local/lib/mecab/dic/mecab-ipadic-neologd\n ')

f = open('10a_month_analysis_001.txt')

line = f.read()
line = unicodedata.normalize("NFKC", line)#正規化

line = re.sub(r'[#|#]', " ", line)
#line = re.sub(r'[(\(.*?\))]', "", line)
line.lower()
mecab.parse('')
#line = re.sub(r'\n', "", line)
sentence = mecab.parse(line)

f.close()
print(sentence)

 補足情報(FW/ツールのバージョンなど)

python 3.6.3
mecab-python3 0.7
を使用しています。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

checkベストアンサー

+2

対象がツイートということは個々の文字列は140文字しかなく、ファイルに含まれている件数が膨大なのだと思います。お示しのスクリプトでは最初にこれをline=f.read()で丸呑みしているようですが、

with open("10a_month_analysis_001.txt") as f:
  for line in f:
    ...


のように一行づつ読んで処理していくようにすればいいのではないでしょうか。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/05/20 19:43

    一行ずつ読み込み、形態素解析することで問題解決しました。ありがとうございます。

    キャンセル

+1

mecabかmecab-pythonの実装の問題ですねぇ・・・。

文字列がでかすぎて、mecab自体かmecab-pythonのどっちかが拒否しています(どっちかまではわかりませんが、経験的にはmecab-pythonの方な気がします。バインディングの出来がそこまでよくない)。

mecab-pythonにこだわらず、コマンドライン上で

$ meacb -Owakati < 10a_month_analysis_001.txt > 10a_month_analysis_001_wakati.txt

とすると、mecab自体が拒否しなければinput_wakati.txtが無事にできそうな気がします(保証はしません)。差し支えなければそれをpythonから読み込んで処理するというのが一つの選択肢。

mecab-pythonでやりたいのなら、文字列を適当な単位で分割して投げてみてください。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/05/20 19:43

    バインディングの問題だとは・・・勉強になりました。ありがとうございます。

    キャンセル

同じタグがついた質問を見る

  • Python 3.x

    7968questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • Mecab

    211questions

    Mecabは、オープンソースの形態素解析エンジンです。 言語、辞書、コーパスに依存しない汎用的な設計を基本方針としています。 Mecabの由来は、開発者の好物である和布蕪(めかぶ)から名づけられました。