形態素解析の結果が表示されない

Question

テキストファイルから特定の文字列を除去した後，Mecab-python3を用いた形態素解析によりストップワードを含まない2文字以上の名詞を抽出，表示させたいと思っています．
しかし，名詞のセレクションの段階で以下のエラーが出てきました．("#該当箇所"の行です)

従来natto-pyを使っていたときでも同様の現象が飽きており，何か不適切な書き方をしてしまっているのか，あるいは不足している情報があるのか自分の知識では判断できない状況です．
この件に関する原因と解決策がご存知の方に是非ご教示頂きたいです．
宜しくお願いします．

テキスト

全ゲノム配列決定が容易になった結果，多くの新規遺伝子(タンパク質)の存在や機能を配列情報から予測することはかなり容易になった．
とはいえ，どの生物種でも全遺伝子の1/3~1/2はその配列からだけでは機能を予測できない「機能未知タンパク質」をコードしている．
生命現象の全体像を分子レベルから理解するためには，それら機能未知タンパク質の機能の解明も必要である．
又，タンパク質配列のうち全くもって未知なものもあれば，多くの種で保存されている既知の機能部位を持つものもある．
更に，タンパク質が持つ活性(分子機能)と細胞における働き(細胞内機能)は往々にして別の文脈で語られることが多く，これらを実験的に検証する系は未だ存在しない．
本研究では，モデル生物である出芽酵母を用いて，関心のある機能未知タンパク質の機能部位の同定と機能解析をランダム変異導入法を用いて，安価かつ簡素に行う系を確立することを目的とする．

理想の出力結果

[[“ゲノム”], [“配列”], [“決定”], [“容易”], [“結果”], [“多く”], [“新規”], [“遺伝子”],,,]#途中省略

エラー

Traceback (most recent call last):
  File "renshu2.py", line 64, in <module>
    if w.feature.split(",")[0] == "名詞":
AttributeError: 'str' object has no attribute 'feature'

コード

import os
import tweepy
import redis
from collections import Counter
from collections import defaultdict
import re
import MeCab
import codecs
import sys
from sklearn.feature_extraction.text import TfidfVectorizer
import glob
import numpy as np
import urllib.request
from gensim import corpora
from itertools import chain

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

#日本語ツイートを読み込む + 文書数を表示
count = 0
with codecs.open("protein.txt", "r", "utf-8") as f:
    corpus = f.read()
    #print(corpus)

#テキストデータの行数を取得する
num_lines = sum(1 for line in open("protein.txt"))
#print(num_lines)

#名詞の抽出と整形
rm_list = ["RT","https","co"]

#ストップワードの読み込み
stop_words = []
path = 'stop_words.txt'
with open(path) as g:
    stop_words = g.readlines()
#url, 返信, RT, 絵文字の除去
corpus = re.sub(r"http\S+", "", corpus)
corpus = re.sub(r"@(\w+) ", "", corpus)
corpus = re.sub(r"(^RT.*)", "", corpus, flags=re.MULTILINE | re.DOTALL)
emoji_pattern = re.compile("["
u"\U0001F600-\U0001F64F"
u"\U0001F300-\U0001F5FF"
u"\U0001F680-\U0001F6FF"
u"\U0001F1E0-\U0001F1FF"
"]+", flags=re.UNICODE)
corpus = emoji_pattern.sub("", corpus)
#texts = str(corpus)
print(corpus)
texts = mecab.parse(corpus)

#名詞の抽出とスクリーニング
docs = []
for txt in texts:
    words = mecab.parse(txt)
    doc = []

    for w in words:
        if w.feature.split(",")[0] == "名詞":#該当箇所
            if len(w.surface) >= 2:
                if w.surface not in rm_list:
                    doc.append(w.surface)
                    #print(doc)
    docs.append(doc)
#本来の意味とは別だがcorpusに単語群を格納
corpus = docs
print(corpus)

補足情報（FW/ツールのバージョンなど）

iOS 10.15, Python 3.7.4, Atom

Comments

[quickquip]

このソースはインデントがおかしいのでエラーになるはずですけれども、動かしているコードを貼ってますか?
コードの貼り間違えでないなら、このコードを動かしているつもりで別のコードを動かしているのではないでしょうか?

[farinelli]

動かしているコードです．インデントエラーは出ていないですね．
後学のために，どの辺のインデントがどうおかしいのかご教授いただくことは可能でしょうか？

[quickquip]

for w in words:
の行の空白が1つ足りません。
HTMLの表示上の問題ですかね……?

[farinelli]

tabで空けてるので表示上の問題だと思います．

Answer 1

natto は Python 3.7.x での動作がイマイチ不安定です。書式が微妙に違うのですが、mecab-python3 を使うことをオススメします。

Comments

[farinelli]

有難うございます．やってみます．

[KoichiYasuoka]

mecab-python3 の場合、MeCab.Tagger(option).parse(corpus) の結果かえってくるのは、あくまでstrで、配列とかObjectとかじゃありません。ですので、strを適宜splitした上で、必要な部分を取り出さなきゃダメです。

[farinelli]

有難うございます．
返信が遅れ，大変失礼致しました．調べたら上手い事いきそうです．