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

90.48%

  • Python

    8647questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    6937questions

    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。

python 形態素解析について

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 168

---stax---

score 66

表題の件で質問させてください。
あるテキストファイルを読み込んで、文単位で形態素解析を行い名詞だけ抽出し、基本形を文ごとのリストにしたいと考えています。

このようなテキストを形態素解析するとして

まず冒頭、天皇陛下の御公務の負担軽減等について申し上げます。現在、有識者会議で検討を進めており、近々論点整理が行われる予定です。

①以下のようなひとまとめのリストではなく

['冒頭', '天皇陛下', '公務', '負担', '軽減', '等', '現在', '有識者', '会議', '検討', '論点', '整理', '予定' 

②このような文単位で形態素解析されたリストを作りたいです

[['冒頭', '天皇陛下', '公務', '負担', '軽減', '等'], ['現在', '有識者', '会議', '検討', '論点', '整理', '予定']

以下のコードを作成したのですが、このやり方では①のようになってしまいます
②のような形にするにはどのように処理を書くべきでしょうか?
初歩的な質問になりますがアドバイス宜しくお願い致します。

import re
import numpy as np
from collections import Counter
from janome.tokenizer import Tokenizer
import itertools

def readin(filename): 
    with open(filename, "r") as afile: 
        whole_str = afile.read() 
    sentenses = (re.sub('。', '。 \n', whole_str)).splitlines() 
    return [re.sub('','', u) for u in sentenses if len(u)!=0]

t = Tokenizer()


filename = (r'C:\Users\Desktop\abe-enzetsu-2017-01-20.txt')
string = readin(filename)

ret = []

for sentense in string:
    sentense.splitlines() #1行に区切る(for sentense in stringで分離してるから要らない?)
    for v in t.tokenize(sentense): #形態素解析する
        if v.part_of_speech.split(',')[0] in ['名詞']: #名詞のみ抽出(なぜか引数なしsplit()では何も表示されない)
            print(v.base_form) #確認
            ret.append(v.base_form) #基本形でリストに格納
print(ret)    
  • 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 1

checkベストアンサー

+1

あまりもとのコードに手を入れずに書くとこういう感じで期待した動作になりますか?
tmp_retという一時的なリストを用意しただけですが。

ret = []

for sentense in string:
    sentense.splitlines() #1行に区切る(for sentense in stringで分離してるから要らない?)
    tmp_ret = []  # 各センテンス用の一時的なリストを用意
    for v in t.tokenize(sentense): #形態素解析する
        if v.part_of_speech.split(',')[0] in ['名詞']: #名詞のみ抽出(なぜか引数なしsplit()では何も表示されない)
            print(v.base_form) #確認
            tmp_ret.append(v.base_form) #基本形で一時的なリストに格納
    ret.append(tmp_ret) # メインのリストに追加
print(ret)    

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。

  • 2018/06/14 14:23

    回答ありがとうございます
    返答遅くなってしまい申し訳ありません
    頂いたコードで目標を達成することが出来ました
    ありがとうございます

    キャンセル

関連した質問

同じタグがついた質問を見る

  • Python

    8647questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    6937questions

    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。