In [1]:

    

from pyknp import Juman,Jumanpp,KNP


    

In [2]:

    

# Create instance of Juman
juman = Juman()


    

In [3]:

    

str = "巨大なマーライオンがセントーサ島にいた"
result = juman.analysis(str)


    

In [4]:

    

for mp in result.mrph_list():
    print("見出し:{}, 読み:{}, 原形:{}, 品詞:{}, 品詞細分類:{}, 活用型:{}, 活用形:{}, 意味情報:{}, 代表表記:{}".format(
    mp.midasi, mp.yomi, mp.genkei, mp.hinsi, mp.bunrui, mp.katuyou1, mp.katuyou2, mp.imis, mp.repname))


    

    




見出し:巨大な, 読み:きょだいな, 原形:巨大だ, 品詞:形容詞, 品詞細分類:*, 活用型:ナ形容詞, 活用形:ダ列基本連体形, 意味情報:代表表記:巨大だ/きょだいだ, 代表表記:巨大だ/きょだいだ
見出し:マーライオン, 読み:マーライオン, 原形:マーライオン, 品詞:名詞, 品詞細分類:普通名詞, 活用型:*, 活用形:*, 意味情報:自動獲得:Wikipedia Wikipedia上位語:像/ぞう, 代表表記:
見出し:が, 読み:が, 原形:が, 品詞:助詞, 品詞細分類:格助詞, 活用型:*, 活用形:*, 意味情報:NIL, 代表表記:
見出し:セントーサ, 読み:セントーサ, 原形:セントーサ, 品詞:名詞, 品詞細分類:普通名詞, 活用型:*, 活用形:*, 意味情報:自動獲得:Wikipedia Wikipediaリダイレクト:セントーサ島, 代表表記:
見出し:島, 読み:しま, 原形:島, 品詞:名詞, 品詞細分類:普通名詞, 活用型:*, 活用形:*, 意味情報:代表表記:島/しま 漢字読み:訓 地名末尾 カテゴリ:場所-自然, 代表表記:島/しま
見出し:に, 読み:に, 原形:に, 品詞:助詞, 品詞細分類:格助詞, 活用型:*, 活用形:*, 意味情報:NIL, 代表表記:
見出し:いた, 読み:いた, 原形:いる, 品詞:動詞, 品詞細分類:*, 活用型:母音動詞, 活用形:タ形, 意味情報:代表表記:射る/いる, 代表表記:射る/いる

In [5]:

    

import pandas as pd

mps = [(mp.midasi, mp.yomi, mp.genkei, mp.hinsi, mp.bunrui, mp.katuyou1, mp.katuyou2, mp.imis, mp.repname) for mp in result.mrph_list()]
clmns = ('見出し','読み', '原形', '品詞', '品詞細分類', '活用型', '活用形', '意味情報', '代表表記') 
pd.DataFrame(mps,columns=clmns)


    

    
Out[5]:







  

    

      

      
見出し
      
読み
      
原形
      
品詞
      
品詞細分類
      
活用型
      
活用形
      
意味情報
      
代表表記
    
  
  

    

      
0
      
巨大な
      
きょだいな
      
巨大だ
      
形容詞
      
*
      
ナ形容詞
      
ダ列基本連体形
      
代表表記:巨大だ/きょだいだ
      
巨大だ/きょだいだ
    
    

      
1
      
マーライオン
      
マーライオン
      
マーライオン
      
名詞
      
普通名詞
      
*
      
*
      
自動獲得:Wikipedia Wikipedia上位語:像/ぞう
      

    
    

      
2
      
が
      
が
      
が
      
助詞
      
格助詞
      
*
      
*
      
NIL
      

    
    

      
3
      
セントーサ
      
セントーサ
      
セントーサ
      
名詞
      
普通名詞
      
*
      
*
      
自動獲得:Wikipedia Wikipediaリダイレクト:セントーサ島
      

    
    

      
4
      
島
      
しま
      
島
      
名詞
      
普通名詞
      
*
      
*
      
代表表記:島/しま 漢字読み:訓 地名末尾 カテゴリ:場所-自然
      
島/しま
    
    

      
5
      
に
      
に
      
に
      
助詞
      
格助詞
      
*
      
*
      
NIL
      

    
    

      
6
      
いた
      
いた
      
いる
      
動詞
      
*
      
母音動詞
      
タ形
      
代表表記:射る/いる
      
射る/いる
    
  

In [6]:

    

# Create instance of KNP
knp = KNP(option = '-tab -anaphora')


    

In [7]:

    

# Generates phrase objects
result = knp.parse(str)
ph_objs = result.bnst_list()


    

In [8]:

    

# Create phrase dictionary
ph_dic = {}
for ph_obj in ph_objs:
    phrase_list = []
    for mrph in ph_obj._mrph_list._mrph:
        phrase_list.append(mrph.midasi)
    ph_dic[ph_obj.bnst_id] = {"phrase_list":phrase_list, "phrase":''.join(phrase_list), "parent_id": ph_obj.parent_id}


    

In [9]:

    

# Show dependency of phrases
for p in ph_dic.items():
    if p[1]['parent_id'] > 0:
        print(p[1]['phrase'], '=>', ph_dic[p[1]['parent_id']]['phrase'])


    

    




巨大な => マーライオンが
マーライオンが => いた
セントーサ島に => いた

In [10]:

    

# Show dependency of phrases (list representation)
for p in ph_dic.items():
    if p[1]['parent_id'] > 0:
        print(p[1]['phrase_list'], '=>', ph_dic[p[1]['parent_id']]['phrase_list'])


    

    




['巨大な'] => ['マーライオン', 'が']
['マーライオン', 'が'] => ['いた']
['セントーサ', '島', 'に'] => ['いた']