Python で MeCab を使ってテキストの内容を形態素解析してみる ～小説内の頻出単語の抽出～ - GIS奮闘記

本日は MeCab を使ってみようと思います。MeCab については最近、以下エントリーでインストール方法と簡単な使い方を紹介しましたが、本エントリーではより実践的な使い方を紹介したいと思います。 www.gis-py.com やってみること 「坊ちゃん」（夏目漱石）のテキストデータをダウンロード 正規表現で不要な文字を除去する（ここはなくても形態素解析が可能ですが、より正確に解析したかったので、この手順を入れました） MeCab を使用して頻出単語（名詞）TOP10を抽出する データ入手先 青空文庫さんで色々な小説のテキストデータをダウンロードすることができます。 青空文庫 Aozora Bunko 坊ちゃんのデータはここですね。 図書カード：坊っちゃん 中身はこんな感じです。《にさんち》のようにフリガナが入っていたり、ヘッダーやフッターも除去する必要がありますね 実行環境 Window

[ujigislab]

「坊ちゃん」（夏目漱石）のテキストデータをダウンロード、正規表現で不要な文字を除去する、MeCab を使用して頻出単語（名詞）TOP10を抽出する