MeCabの形態素解析の出力フォーマットについて

Question

こんにちは。
MeCabの形態素解析の出力フォーマットについてお伺いしたいです。

MeCab公式ページだと出力フォーマットは以下のように、まず表層系と品詞が「\t」で区切られ、細かい品詞は「,」で区切られています。

表層形\t品詞,品詞細分類1,品詞細分類2,品詞細分類3,活用型,活用形,原形,読み,発音

しかし、現在私が形態素解析を行うと、すべて「\t」で区切られた下のようなフォーマットで出力されます。

すもも\tスモモ\tスモモ\t李\t名詞-普通名詞-一般\t\t\t0

公式ページに乗っているようなフォーマットで出力する方法を教えてください。
よろしくお願いいたします。

環境は以下の通りです。
・Google Colab
・Python 3.7.13
・mecab-python3 1.0.3

Comments

[TakaiY]

実行するときに、どのように実行していますか。

[chaso_86]

import MeCab
print(MeCab.Tagger().parse("すもももももももものうち").split("\n"))

このようなコードで実行してます。

Answer 1

その部分(最初のタブ記号以降)の出力は "辞書にどのような素性が入ってるか?" と "辞書の設定ファイルで書式がどう指定されているか?" に依ります。
mecab-python3 がどの辞書を使うか? という点で間接的に関係するのであって、直接の関係はありません。

---

表層形\t品詞,品詞細分類1,品詞細分類2,品詞細分類3,活用型,活用形,原形,読み,発音

というフォーマットはipadicを使った時の出力でしょう。

すもも\tスモモ\tスモモ\t李\t名詞-普通名詞-一般\t\t\t0

はunidic-liteを使った時の出力でしょう。

---

mecab-python3 は(Pythonライブラリの)unidicが入っていたらそれを使うように、次にunidic-liteが入っていたらそれを使うように、それもなければlibmecabのデフォルトで初期化します(ビルドした時の状況で変わります)。

Comments

[chaso_86]

ありがとうございました！
python -m unidic download
pip install mecab-python3 unidic
でできました！

今は
「'すもも\t名詞,普通名詞,一般,,,,スモモ,李,すもも,スモモ,すもも,スモモ,和,"","","","","","",体,スモモ,スモモ,スモモ,スモモ,"0","C2","",15660352771596800,56972」
こんな感じで、品詞の内容がだいぶ長く表示されるようになっていました。