制約付き解析

In [1]:

    

from natto import MeCab


    

In [2]:

    

text1 = """\
証券コードは４桁の銘柄識別コードです。
たとえば、7777 です。
あるいは  7777 JP や 7777.Tというのもあります。
また「７７７７ＪＰ」のような全角文字を使う表し方もあるかも知れません。
\
"""

# 簡単な証券コードの正規表現
patt = "[0-9\uFF10-\uFF19]{4}((\s|\.)+[a-zA-Z]{1,2}|[\uFF21-\uFF3A]{2})"

with MeCab(r"-F%m\t%f[0]\t%s") as nm:
    #for n in nm.parse(text, as_nodes=True):
    for n in nm.parse(text1, boundary_constraints=patt, as_nodes=True):
        print(n.feature)


    

    




証券	名詞	0
コード	名詞	0
は	助詞	0
４	名詞	0
桁	名詞	0
の	助詞	0
銘柄	名詞	0
識別	名詞	0
コード	名詞	0
です	助動詞	0
。	記号	0
たとえば	接続詞	0
、	記号	0
7777	名詞	1
です	助動詞	0
。	記号	0
あるいは	接続詞	0
7777 JP	名詞	1
や	助詞	0
7777.T	名詞	1
という	助詞	0
の	名詞	0
も	助詞	0
あり	動詞	0
ます	助動詞	0
。	記号	0
また	接続詞	0
「	記号	0
７７７７ＪＰ	名詞	1
」	記号	0
の	助詞	0
よう	名詞	0
な	助動詞	0
全角	名詞	0
文字	名詞	0
を	助詞	0
使う	動詞	0
表し	動詞	0
方	名詞	0
も	助詞	0
ある	動詞	0
かも	助詞	0
知れ	動詞	0
ませ	助動詞	0
ん	助動詞	0
。	記号	0
EOS

In [3]:

    

text2 = "にわにはにわにわとりがいる"

feat = (("にわとり","*"), ("はにわ","*"), ("にわ","*"))

with MeCab(r"-F%m\t%f[0]") as nm:
    for n in nm.parse(text, as_nodes=True):
    for n in nm.parse(text2, feature_constraints=feat, as_nodes=True):
        if not (n.is_bos() or n.is_eos()):
            print(n.feature)


    

    




にわ	名詞
に	助詞
はにわ	名詞
にわとり	名詞
が	助詞
いる	動詞