Mecabのdefファイル調整メモ
Mecab/IPA辞書を使って記号を食わせると、記号（＆とか）がサ変接続と認識されます。 $ echo "P&!G" | mecab P 名詞,固有名詞,組織,*,*,*,* &! 名詞,サ変接続,*,*,*,*,* G 名詞,固有名詞,組織,*,*,*,* EOS なんでこうなるかと言うと、char.defとunk.defの設定でそうなっているからです。 （ところで、unknownの略のunkってなんて読むんと良いんでしょうね。うんこ？(´・ω・｀)） char.defでは以下のように記述されています。 SYMBOLのINVOKEが1になっているので、常にunknown wordとして扱われます。そしてGROUPが1なので、同じ種別でまとめられます。 SYMBOL 1 1 0 # ASCII 0x0021..0x002F SYMBOL 0x0030..0x0039 NUMERIC 0x0
PHPで都道府県、市区町村、町域名以降の住所分割を高速に行う方法 - 理想未来ってなんやねん
一つに結合された住所文字列から、『都道府県』、『市区町村』、『町域名以降』を高速に分割したい。 簡単に思いつく方法としては、日本郵便で公開されている住所データを元に1行づつ比較していく方法が考えられますが、生成に時間が掛かってしまいます。 こんな時にmecabを使うと簡単且つ高速に分割できます。 住所辞書の作成 まずは住所辞書を作成します。 そのために住所辞書の元になるデータ用意する必要がありますが、今回は日本郵便で公開されている郵便番号データを使いました。 公開されているデータファイルはlzh形式となっているので、lhaで解凍します。 CentOSでのlhaのインストールは『CentOSでlhaを使う - 理想未来はどうなった？』を参考にしてください。 wget http://www.post.japanpost.jp/zipcode/dl/kogaki/lzh/ken_all.lzh
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
