成蹊2015/日本語日本文学のためのコンピュータの履歴(No.5) - OGI-Wiki

日本語学・日本文学を研究していく上で必要なコンピュータの知識・技術（テキストエディタ・正規表現・表計算ソフト・文書の構造化）を学びます。　
前期2限
ogiso＠ogiso.net　←＠を@に直してください

2015/4/24　　テキストエディタの利用

今回からUSBメモリを利用します。

テキストデータ（青空文庫）の配布
- soseki2.zip （今日の授業で使います）
- aozoradoc2.zip（青空文庫全テキスト・参考）
- ダウンロードしてUSBメモリに展開（解凍）してください

検索・置換、grep
- 検索で初出行を調べる
- 置換で用例数を数える
- grepで用例リストを作る
- タグジャンプで文脈を確認する
- サブフォルダのgrep

ショートカットキー†

授業資料/覚えておきたいショートカットキー

正規表現を使ってみる†

文字クラス
- 例：読[まみむめもん]
  - 半角ブラケットの中に文字を並べる→並べた文字いずれか1文字

正規表現とは†

正規表現　＞用語
- 文字を表すための特殊な文字（メタ文字）を使って文字列のパターンを表現する
- エディタでは置換・検索・grepで利用できる　（エディタ以外にもさまざまなアプリケ－ションやコンピュータ言語で利用されている）
- 記号はすべて半角
- 記号そのものを表す場合には\でエスケープする（特殊な意味を打ち消す）　例：1\+2

文字クラス [ ]
- 文字クラスの補集合（それ以外の文字）[^ ]

grepと置換でKWIC(CSVファイル)を作る（簡易版）†

CSVファイルとは：テキストファイルで表を表現する用語：CSVファイル
KWIC：KeyWord In Context

2015/4/17　テキストデータとテキストエディタ

USBメモリの準備
- 次回の授業からUSBメモリを使います。2GB（できれば4GB）以上の空きのあるUSBメモリを用意してください。

テキストデータ

すべての基本、文字が並ぶだけのデータ
- 授業資料/テキストデータとは
- バイナリファイルとテキストファイル
TXT,CSV,HTM・・・
- ファイルの種類と拡張子参考：拡張子辞典
- 拡張子(wikipedia)

授業で使うテキストデータ
- 授業資料/テキストデータ紹介

テキストエディタ†

テキストエディタとはどんなものか
- 授業資料/テキストエディタ

サクラエディタのダウンロードとインストール
- サクラエディタのダウンロード:sakura2.zip
  - (参考) サクラエディタホームページ：http://sourceforge.net/projects/sakura-editor/

zipファイルの展開（解凍）
- 解凍しないままでも開けるが必ず解凍すること

テキストエディタの設定
- 行の折り返し
- 行番号表示
  - スタイル行番号（ワープロ的行番号）と論理行番号（エディタ的行番号）

練習用サンプルデータ（漱石＋芥川）
- sample.zip

2015/4/11　イントロダクション

自己紹介
- 大学共同利用機関法人人間文化研究機構国立国語研究所 http://www.ninjal.ac.jp/
  - コーパス開発センター
  - 現代日本語書き言葉均衡コーパス少納言

デモ
- テキストエディタとgrep
- 全文検索システムひまわり
- Excel（ピボットテーブル）
- 形態素解析：茶まめ／MeCab+UniDic

シラバス確認
- シラバス
- この授業の目的
- 授業の進め方
- 評価方法

授業で利用する主なソフトウェア†

ソフトウェアの種類・名前	利用目的
テキストエディタサクラエディタ sakura2	正規表現を使ったテキストの検索・整形
全文検索ソフトひまわり	データの検索
表計算ソフトExcel	ピボットテーブルによる分析・グラフ作成
ワープロWord	「スタイル」を利用したレポート作成