「あ・い・う・え・お」の各段が一音ずつ含まれる単語を抽出

corpus.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
#
# 松下達彦(2011) 「日本語を読むための語彙データベース（VDRJ) Ver.1.0 （研究用）」
# http://www17408ui.sakura.ne.jp/tatsum/database/VDRJ_Ver1_1_Research_Top60894.xlsx
# ダウンロード:2022年6月17日
#
# から「あ・い・う・え・お」の各段が一音ずつ含まれる単語を抽出する。
# （動詞・音引きは除外 。 促音は許容)

from openpyxl import load_workbook
import pykakasi

kks = pykakasi.kakasi()

docdir = './'
vdrj_filename = docdir + 'VDRJ_Ver1_1_Research_Top60894.xlsx'
vowels = ['a','e','i','o','u']


wb = load_workbook(filename = vdrj_filename, read_only=True)
try:
  ws = wb['重要度順語彙リスト60894語']
  for row in ws.rows:
    kanji = row[13].value
    kana = row[15].value
    hinshi = row[16].value
    if (
       kana
       and (not hinshi.startswith('動詞'))
       and (kana.count('ン') == 0)
        ):
      result = kks.convert(kana)
      roma = result[0]['hepburn']
      if all([roma.count(c)==1 for c in vowels]):
          print(kanji)
finally:
  wb.close