MeCabを使ってPHPから形態素解析をやってみる

PHPで形態素解析をやりたんですけど

APIならYahooやgooから提供されているし、サーバ内でやりたいんならMeCabというライブラリが多く使われているよ

形態素解析とは、文章を文法的な要素に分けて、それぞれの要素がどのようなものかを解析することです。

形態素解析は意外といろいろなところで役にたちます。
文章の区切りを見つけたり、検索語を分けたり、単語を集計したりする場合に必要になってきます。

Yahooが良いAPIを提供しているので、それを使うのもありですが、WEBサーバ内で完結して処理したい、というときは MeCab を使っています。

Contents

MeCabのインストール

yum でインストールしたいので Groonga のリポジトリを追加します

rpm -ivh http://packages.groonga.org/centos/groonga-release-1.1.0-1.noarch.rpm

yum を使ってMeCab その他必要なものをインストールします

yum install mecab mecab-devel mecab-ipadic php-devel php-pear gcc

IPA辞書を使わない場合は ipadic のところを適宜変更してください。

PHPのMeCabライブラリをインストールするためにPEARのチャンネルを登録します。

pear channel-discover pecl.opendogs.org

PHPのMeCabライブラリをインストールします

pear install opendogs/mecab-beta

/etc/php.ini を修正します。
以下の行を追加してください。

extension=/usr/lib64/php/modules/mecab.so

1	extension=/usr/lib64/php/modules/mecab.so

Webサーバを再起動します。

service httpd restart

これでMeCabを使用する準備が整いました。

以下のようなコードで形態素解析が行えます。

$mecab = new \MeCab\Tagger();
$parsed = $mecab->parse($text);

1 2	$mecab = new \MeCab\Tagger(); $parsed = $mecab->parse($text);

平家物語の冒頭を解析した結果は以下のようになります

単語	品詞	品詞細分類1	品詞細分類2	品詞細分類3	活用形	活用型	原形	読み	発音
祇園	名詞	固有名詞	地域	一般	*	*	祇園	ギオン	ギオン
精舎	名詞	一般	*	*	*	*	精舎	ショウジャ	ショージャ
の	助詞	連体化	*	*	*	*	の	ノ	ノ
鐘	名詞	一般	*	*	*	*	鐘	カネ	カネ
の	助詞	連体化	*	*	*	*	の	ノ	ノ
声	名詞	一般	*	*	*	*	声	コエ	コエ
、	記号	読点	*	*	*	*	、	、	、
諸行無常	名詞	一般	*	*	*	*	諸行無常	ショギョウムジョウ	ショギョームジョー
の	助詞	連体化	*	*	*	*	の	ノ	ノ
響き	名詞	一般	*	*	*	*	響き	ヒビキ	ヒビキ
あり	動詞	自立	*	*	五段・ラ行	連用形	ある	アリ	アリ