日本語学講義(I) 日本語コーパス研究†
第3回 2009/04/24 テキストエディタの利用†
grepと置換でKWIC(CSVファイル)を作る†
- grep結果の置換による整形
- 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
- CSVファイルをExcelで開く
- KWIC:KeyWord In Context
テキストファイルと拡張子†
ショートカットキー†
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)
- 置換・検索・grepで利用できる
- 記号はすべて半角
- 特殊文字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 [ ]
- 文字クラスの否定(補集合)[^ ]
- 繰り返し ? + *
第2回 2009/04/17 テキストデータとテキストエディタ†
コーパスについて†
この授業ではBCCWJ(モニター公開版)・太陽コーパスのほか、青空文庫・国会会議録などの広義のコーパスも取り扱う。
- 狭義のコーパス 言語研究を目的として収集され、言語研究のための情報が付けられたコンピュータ上で利用可能な大規模な言語データ。
- Kotonoha (BCCWJ / CSJ / 太陽コーパス)
- 広義のコーパス コンピュータ上で利用可能な大規模な言語データ。必ずしも言語研究向きではないが、言語研究に利用可能。
- さまざまなテキストアーカイブ(新潮文庫の百冊 / 青空文庫 / 国会会議録)
- Webデータ
- 検索サイトの利用
- WAC(Web as Corpus)
授業で利用する主なソフトウェア†
このほかにWeb上で利用できるサービスも取り上げます。
最初に、テキストエディタを使ってテキストデータを扱うことからはじめます。
テキストデータ†
全ての基本。テキストデータ≒テキストファイル≒電子化テキスト
#amazon(4894762994)
テキストエディタ†
テキストエディタの基礎†
- 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)
- 検索と置換
- grep
2009/04/10 イントロダクション†