『青空文庫TOP100』パッケージのバックアップ(No.2)

全文検索システム『ひまわり』

作成者：山口昌也 (国立国語研究所)

2018-xx-xx

『青空文庫TOP100』パッケージの概要 †

　本パッケージは，『青空文庫』のの作品（13606作品）を『ひまわり』用にインポートしたデータです。また，「作家別作品一覧拡充版」や作品に含まれる文字数などの情報を取り込んでいます。

↑

収録データの内容 †

サイト：『青空文庫』
収録作品
- 「作家別作品一覧拡充版」(2017-10-01時点のデータを使用。リンク先は現在のものなので注意)から次の条件を満たす13606作品
  - 著作権が切れていること
  - XHTML 版が存在し，かつ，『青空文庫』サイトから配布されていること
  - 『ひまわり』用にインポートできること
  - なお，底本が複数ある作品は，「文字遣い種別」が新字，新仮名の作品を優先しました

原資料からの変更点
- 『ひまわり』のインポート機能を利用し，『ひまわり』用のデータに変換しています。
- 変換時に本文には変更を加えていませんが，インポート後，画像で表現されている外字（サロゲートペアによる文字は除く）を文字に変換しています。
- ルビ，注記などの付与情報についても，基本的に改変を加えていませんが，『ひまわり』用のデータ形式の関係上，反映できなかった情報（例：head要素中の書誌情報）もあります。

↑

使用条件 †

本パッケージの使用条件は，青空文庫収録ファイルの取り扱い規準に準じます。
本ページで公開しているパッケージを利用したことにより直接的，間接的に生じる，いかなる損害も保証しません。

↑

ダウンロード †

『青空文庫』パッケージ(20171001)（圧縮時約811MB，解凍時約1.2GB, ZIP形式，履歴・旧バージョン）
(通常版) 形態素解析結果追加パッケージ（圧縮時約1.1GB，解凍時約6.3GB, 7z形式）
- 利用には，上記の『青空文庫』パッケージと『ひまわり』ver.1.5が必要です。
- 収録作品を MeCab (ver.0.996) で形態素解析した結果です。
- 『ひまわり』ver.1.5に標準で付属している「青空文庫サンプル」と同様，当該検索文字列の前後２形態素が表示されます。検索には時間がかかるため，じっくり分析する人向けです。
- ファイルは，7z形式で圧縮されています。OS標準の機能では，解凍できません。7-Zip，7-Zip Portableなどを利用して，解凍して下さい。
(ver.1.6専用) 形態素解析結果追加パッケージ（圧縮時約964MB，解凍時約1.8GB, zip形式）
- 上記の通常版と内容に違いはありませんが，『ひまわり』ver.1.6専用です。検索の高速化，パッケージサイズの軽量化が図られています。
- 圧縮形式もzipなので，他のパッケージと同様ドラッグ＆ドロップでインストール可能です。
- ただし，ver.1.6は現在開発版なので，通常版よりも不具合を多く含む可能性があります。

↑

使用方法 †

↑

インストール方法 †

『ひまわり』(ver.1.5以降)をインストールしてください。
『青空文庫』パッケージをダウンロードし，次の手順でインストールして下さい。
- 『ひまわり』ver.1.5.4以降では，ダウンロードしたファイルを『ひまわり』にドラッグ＆ドロップするか，[ファイル]⇒[インストール]で指定して下さい。
- 『ひまわり』ver.1.5.3までのバージョンでは，次の手順でインストールを行います。
  - ダウンロードしたファイルを解凍すると，AozoraHimawari フォルダが現れます。その中に次のファイルがあることを確認してください。
```
 Corpora フォルダ ... 『青空文庫』データを格納したフォルダ
 config_aozora.xml ... 設定ファイル(ver.1.3, 1.5共用)
 config_aozora.db.xml ... 設定ファイル(ver.1.5専用；メモ機能・形態素解析結果の利用)
```
  - 上記のフォルダ，ファイルを，『ひまわり』がインストールされているフォルダの中にコピーしてください。ただし，コピー時は「統合」オプションを使うなど，元あったフォルダが消えないように気をつけてください。
形態素解析結果追加パッケージをインストールする場合
- (従来版追加パッケージ)パッケージをダウンロード・解凍後，himawari.h2.db を『ひまわり』フォルダの中の Corpora/Aozora/ フォルダにコピーして下さい。
- (1.6専用追加パッケージ) ダウンロードした追加パッケージを起動している『ひまわり』にドラッグ＆ドロップして，インストールして下さい。

　以上で，インストールは終了です。

　次回以降は，『ひまわり』フォルダにインストールされた設定ファイル（config_aozora.xmlかconfig_aozora_db.xmlなど)を以下「検索」の説明にしたがって読み込んで下さい。

　なお，検索時にメモリ関連のエラーが出る場合は，FAQの「メモリ関連のエラーが出ます」の対処方法をお試し下さい。

↑

検索 †

　『ひまわり』を起動し，[ファイル]→[新規]やドラッグ＆ドロップで，『ひまわり』フォルダにある設定ファイル（config_aozora.xmlかconfig_aozora_db.xml) を読み込んでください。なお，設定ファイルは，上記のとおり，2種類を収録していますので，適宜使い分けてください。検索結果の時に詳しい検索方法については，全文検索システム『ひまわり』の利用者マニュアルを参照してください。

書誌情報は，基本的に「作家別作品一覧拡充版」(2016-04-01時点のデータを使用。リンク先は現在のものなので注意)に準じます。
- 「作家別作品一覧拡充版」から取り込んだ情報は，次のとおりです。なお，括弧内は，『ひまわり』の検索結果における欄名です。
  作品ID，副題，初出，分類番号，文字遣い種別，姓(著者，*後述)，名(著者，*後述)，図書カードURL，人物ID，役割フラグ(役割)，生年月日，没年月日，底本名1(底本名)，底本出版社名1(底本出版社名)，底本初版発行年1(底本初版発行年)，入力に使用した版1(入力に使用した版)，XHTML/HTMLファイルURL(ファイルURL)

検索結果の「著者」欄の内容は，「作家別作品一覧拡充版」の「姓」「名」欄を統合したものです。統合後，姓名の間は，空白で区切られます。また，例2のように，姓名がカタカナと記号からなる場合は，「名」「姓」の順に表示しています。
- 例1：「芥川」「竜之介」　⇒　「芥川竜之介」
- 例2：「ポー」「エドガー・アラン」　⇒　「エドガー・アランポー」
「著者」欄などで複数の著者が入る場合は，「::」で区切られます。

「文字数」欄は，当該の作品の「本文」に含まれる文字数です。ここで言う「本文」とは，青空文庫のXMLファイルの中から，冒頭の作品名，著者名，末尾の書誌情報・注記などを除いたテキスト部分です。半角空白や改行は，文字数に含まれていません。
収録作品のリストは，[ツール]⇒[一覧]⇒[作品別書誌情報一覧]を実行して下さい。

↑

形態素解析結果追加パッケージの利用 †

通常版
- 検索時には，config_aozora.db.xml を読み込んでください。
- 使用方法は，利用者マニュアルをご覧ください。
- config_aozora.xml と同様，全文検索機能もそのまま使えますが，検索速度は落ちます。
ver.1.6専用版
- 検索時には，config_aozora.sd.xml を読み込んでください。それ以外は，通常版と同様です。

↑

アンケート †

　よろしければ，アンケートにもお答えください。なお，このアンケートは，『ひまわり』をどのような方にお使いいただいているかを調べ，今後の研究・開発に活用させていただくためのものです。アンケート結果は，これらの目的以外には利用いたしません。

↑

謝辞 †

　収録作品の著者の方々，有益なデータを提供してくださる青空文庫の運営者，工作員の方々に心より感謝いたします。

全文検索システム『ひまわり』/ダウンロード/『青空文庫TOP100』パッケージ のバックアップ(No.2)