国語研究所の施設整備に伴い,関連のサービスを次の期間,停止します。
期間:2024年4月27日(土)9:00~2024年4月29日(月・祝)17:30
対象:Web用例データベース(複合動詞,サ変動詞,形容詞)・『ひまわり』&関連資料(ダウンロードもできません),FishWatchr & FishWatchr Miniなど
『ひまわり』は,テキストファイル,HTML, XHTML,XML などさまざまな形式のテキストをインポートして,検索することができます。以下,順序をおって,一般的な操作手順を説明します。
まず,インポートする言語資料を一つのフォルダにまとめます。フォルダの中にフォルダを作って,細かく分類しても,かまいません。ここでは,次のような構造でファイルを配置したものとします。
言語資料を集める際は,次のことに留意してください。
『ひまわり』のメニューから[ファイル]⇒[インポート]を実行します。
次のウィンドウが現れたら,「参照」ボタンを押して,言語資料をまとめたフォルダを指定します。コーパス名は,指定したフォルダ名となります。例えば,5.1.1 の図の言語資料の場合,「テストコーパス」がコーパス名となります。
そのままでよければ,「インポート」ボタンを押してください。インポート処理が終わると,次のようなウィンドウがでれば,インポート完了です。なお,より詳しい設定を行う場合は,「詳細オプション」を選択してください。詳しくは,5.2 節以降でファイルの種類ごとに説明します。
インポート直後から,検索できる状態になります。今回インポートした言語資料の設定ファイルは,config_コーパス名.xml です。『ひまわり』がインストールされているフォルダに自動的に作成されます。例えば,5.1.2 でコーパス名を「aozora」とすれば,設定ファイルは,config_aozora.xml となります。
生テキストファイルをインポートする際の詳細設定について説明します。ここで言う「生テキストファイル」とは,ファイル名の末尾が ".txt" のファイルで,HTML,XML でアノテーションされていないファイルのことです。
インポートするファイルの中に,生テキストファイルが含まれる場合は,変換オプションの「対象ファイル」で,「テキストファイル」を選んで下さい。この項目が選択されていない場合は,指定したフォルダの中に生テキストファイルが含まれていても,インポートされません。
『ひまわり』は独自の形式のアノテーションに対応します。例えば,「青空文庫」の「テキスト形式」ファイルでは,ルビを次のような形式でアノテーションしています(「坊ちゃん」から引用)。
設定は,インポート時の詳細オプションで行います。変換オプションの「テキストファイル変換」で,「青空文庫形式」にチェックを入れると,青空文庫の独自アノテーションに対応したインポートを行います。別の形式に対応するには,チェックを外し,「改行の扱い」などの個別の項目を選択してください。
HTML,XHTML ファイルをインポートする場合は,変換オプションの「対象ファイル」で,「XHTML」を選んで下さい。このオプションが選択されると,ファイル名の末尾が .html もしくは .htm のファイルがインポート対象となります。
インポート時のオプションとして,XHTML ファイル用のスタイルシートを指定できます。デフォルトでは,次の二つのスタイルシートが用意されています。スタイルシートを指定しなければ,そのまま変換せずにインポートします。
HTML ファイルの場合,そのままではスタイルシートは適用できませんが,「HTMLファイルの変換も試みる」オプションをチェックすると,XHTML ファイルへの変換を試みた後に,スタイルシートを適用します。ただし,常に XHTML ファイルに変換できるとは限りません。
HTML,XHTML ファイルをインポートする場合は,変換オプションの「対象ファイル」で,「XML」を選んで下さい。このオプションが選択されると,ファイル名の末尾が .xml のファイルがインポート対象となります。
インポート時のオプションとして,XHTML ファイル用のスタイルシートを指定できます。スタイルシートを指定しなければ,そのまま変換せずにインポートします。特定のスタイルシートは同梱されていませんが,『ひまわり』がインストールされているフォルダの resource/xsl/xml フォルダにスタイルシートを入れると,それを利用できるようになります。