MeCab 名詞をリストで出力．出現名詞のカウント．

Question

前提

MeCabを用いて名詞をリストに格納して出力したいと考えています。しかし，エラーがでてうまくいきません．エラーから推測すると，おそらく，"-Ochasen"に原因がありそうでしたのでこれを"-chansen"に変えて実行しました．そうすると，エラーメッセージは出ませんでしたが，何も出力されませんでした．

この件について，わかる方お教え頂ければ幸いです．

実現したいこと

• 形態素解析を行った後，名詞のみをリストで出力．
• 出てきた名詞をカウントする．

期待する出力例．
[テニス，テニス，サッカー，野球，ゴルフ，テニス，剣道，サッカー，バレー]

テニス：3
サッカー：2
・
・
・

発生している問題・エラーメッセージ

Failed initializing MeCab. Please see the README for possible solutions:

    https://github.com/SamuraiT/mecab-python3#common-issues

If you are still having trouble, please file an issue here, and include the
ERROR DETAILS below:

    https://github.com/SamuraiT/mecab-python3/issues

issueを英語で書く必要はありません。

------------------- ERROR DETAILS ------------------------
arguments: -Ochasen
error message:  [!tmp.empty()] unknown format type [chasen]
----------------------------------------------------------
  File "C:\Users\subaru narahashi\graduation_research\mecab.py", line 42, in <module>
    main()
  File "C:\Users\subaru narahashi\graduation_research\mecab.py", line 21, in main
    mecab = MeCab.Tagger("-Ochasen")
  File "C:\Users\subaru narahashi\anaconda3\lib\site-packages\MeCab\__init__.py", line 124, in __init__
    super(Tagger, self).__init__(args)
RuntimeError

該当のソースコード

import sys
import MeCab
import requests
import urllib
import re
import json
import pandas as pd
from collections import Counter



def main():
    # ファイル読み込み
    # cmd, infile = sys.argv
    with open('test.tex', "r", encoding = 'utf-8')  as data:
        documents = [document.strip() for document in data]  
     
        

    # パース
        mecab = MeCab.Tagger("-chasen")
        parse = mecab.parse(str(documents))
        lines = parse.split('\n')
        items = (re.split('[\t,]', line) for line in lines)

        #print(list(items))

    # 名詞をリストに格納
    words = [item[0]
            for item in items
            if (item[0] not in ('EOS', '', 't', 'ー') and
                item[1] == '名詞' and item[2] == '一般')]
    

    # 頻度順に出力
    counter = Counter(words)
    for word, count in counter.most_common():
        print(f"{word}: {count}")


if __name__ == "__main__":
    main()

試したこと

-Ochasenを=chasenに変更

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

Comments

[melian]

エラーメッセージに unknown format type [chasen] と表示されています。また、

Failed initializing MeCab. Please see the README for possible solutions:

https://github.com/SamuraiT/mecab-python3#common-issues

とあって、そのページを眺めてみますと以下の項目があります。

Using Unsupported Output Modes like -Ochasen
https://github.com/SamuraiT/mecab-python3#using-unsupported-output-modes-like--ochasen

Chasen output is not a built-in feature of MeCab, you must specify it in your dicrc or mecabrc.

[quickquip]

辞書に何を使っているか? に依存する話ですのでそのあたりの情報が必要です。

Answer 1

chasenフォーマットに対応した辞書を使うことが前提のコードをどこからか持ってきたのだと思います。
それでchasenフォーマットに対応しない辞書を使って実行すると当然エラーになります。

-Ochasen を外して解析するようにして、そのフォーマットに応じてコードを書き換えてください。
（どうコードを書き換えるのかは辞書に依存します）

Answer 2

先の解答(フォーマット違いに関するもの)と合わせて，今後のため改善案を追記しておきます．

現状，mecab.parse(str(documents))によって意味不明な文字列が生成されています．
配列をstr()で変換すると，括弧が付与され，正しく解析できないでしょう．

例えば，doc = ["abc", "def"]としたものをstr(doc)にすると，その文字列は"['abc', 'def']"になります．括弧やクォーテーションごとMeCabの解析対象になってしまっています．

str(documents)ではなく，'\n'.join(documents)にでもしましょう．

Comments

[maro]

ありがとうございます．解決しました．