かな入力用ゆとり辞書を作る

yutori-kana-mac.php

<?php
$ret = main();
exit($ret);

// https://code.google.com/p/mecab/ から
// mecab-jumandic-7.0-20130310.tar.gz をダウンロード
// 展開してできる ContentW.csv を使わせてもらう
//
// ああ,1430,1430,8661,感動詞,*,*,*,ああ,ああ,代表表記:ああ/ああ
// 愛,1133,1133,5256,名詞,普通名詞,*,*,愛,あい,代表表記:愛/あい 漢字読み:音 カテゴリ:抽象物
// あい,1133,1133,12206,名詞,普通名詞,*,*,あい,あい,代表表記:愛/あい 漢字読み:音 カテゴリ:抽象物
// 藍,1133,1133,5042,名詞,普通名詞,*,*,藍,あい,代表表記:藍/あい カテゴリ:植物
// あい,1133,1133,12206,名詞,普通名詞,*,*,あい,あい,代表表記:藍/あい カテゴリ:植物
// ...

function main() {
	$src = 'mecab-jumandic-7.0-20130310/ContentW.csv'; // UTF-8
	$IN = fopen($src, 'r');
	if (! $IN) {
		fputs(STDERR, 'no data');
		return 1;
	}
	$OUT = fopen('kana-dic-mac.txt', 'w');
	if (! $OUT) {
		fputs(STDERR, 'cannot output');
		return 2;
	}

	while (! feof($IN)) {
		$line = fgets($IN);
		if ($word = getWord($line)) {
			$buf = '"' . implode('","', $word) . '"' . "\n";
			$buf = mb_convert_encoding($buf, 'Shift_JIS', 'UTF-8');
			fwrite($OUT, $buf);
		}
	}
	fclose($OUT);
	fclose($IN);
	
	return 0;
}

function getWord($line) {
	if (strpos($line, '名詞') === false) {
		return null;
	}
	list ($word, $t, $t, $t, $type, $stype, $t, $t, $t, $kana, $misc) = explode(',', $line);
	$kana_smpl = dekkaku($kana);
	if ($kana_smpl === $kana) {
		return null;
	}
	if (preg_match('{代表表記:(.+?)/}', $misc, $m)) {
		if ($m[1] !== $word) {
			return null;
		}
	}
	return array($kana_smpl, $word, convType($type, $stype));
}

function convType($type, $stype) {
	switch ($stype) {
	case 'サ変名詞': return 'サ変名詞';
	case '時相名詞': break;
	}
	return '普通名詞';
}

// ここで濁点はずしをしてもいい
function dekkaku($str) {
	static $table = array(
		'ぁ' => 'あ',
		'ぃ' => 'い',
		'ぅ' => 'う',
		'ぇ' => 'え',
		'ぉ' => 'お',
		'っ' => 'つ',
		'ゃ' => 'や',
		'ゅ' => 'ゆ',
		'ょ' => 'よ',
		'ァ' => 'ア',
		'ィ' => 'イ',
		'ゥ' => 'ウ',
		'ェ' => 'エ',
		'ォ' => 'オ',
		'ッ' => 'ツ',
		'ャ' => 'ヤ',
		'ュ' => 'ユ',
		'ョ' => 'ヨ',
	);
	return strtr($str, $table);
}

yutori-kana-msime.php

<?php
$ret = main();
exit($ret);

// https://code.google.com/p/mecab/ から
// mecab-jumandic-7.0-20130310.tar.gz をダウンロード
// 展開してできる ContentW.csv を使わせてもらう
//
// ああ,1430,1430,8661,感動詞,*,*,*,ああ,ああ,代表表記:ああ/ああ
// 愛,1133,1133,5256,名詞,普通名詞,*,*,愛,あい,代表表記:愛/あい 漢字読み:音 カテゴリ:抽象物
// あい,1133,1133,12206,名詞,普通名詞,*,*,あい,あい,代表表記:愛/あい 漢字読み:音 カテゴリ:抽象物
// 藍,1133,1133,5042,名詞,普通名詞,*,*,藍,あい,代表表記:藍/あい カテゴリ:植物
// あい,1133,1133,12206,名詞,普通名詞,*,*,あい,あい,代表表記:藍/あい カテゴリ:植物
// ...

function main() {
	$src = 'mecab-jumandic-7.0-20130310/ContentW.csv'; // UTF-8
	$IN = fopen($src, 'r');
	if (! $IN) {
		fputs(STDERR, 'no data');
		return 1;
	}
	$OUT = fopen('kana-dic.txt', 'w');
	if (! $OUT) {
		fputs(STDERR, 'cannot output');
		return 2;
	}

	while (! feof($IN)) {
		$line = fgets($IN);
		if ($word = getWord($line)) {
			$buf = implode("\t", $word) . "\n";
			$buf = mb_convert_encoding($buf, 'Shift_JIS', 'UTF-8');
			fwrite($OUT, $buf);
		}
	}
	fclose($OUT);
	fclose($IN);
	
	return 0;
}

function getWord($line) {
	if (strpos($line, '名詞') === false) {
		return null;
	}
	list ($word, $t, $t, $t, $type, $stype, $t, $t, $t, $kana, $misc) = explode(',', $line);
	$kana_smpl = dekkaku($kana);
	if ($kana_smpl === $kana) {
		return null;
	}
	if (preg_match('{代表表記:(.+?)/}', $misc, $m)) {
		if ($m[1] !== $word) {
			return null;
		}
	}
	return array($kana_smpl, $word, convType($type, $stype));
}

function convType($type, $stype) {
	switch ($stype) {
	case 'サ変名詞': return 'さ変名詞';
	case '時相名詞': break;
	}
	return '名詞';
}

// ここで濁点はずしをしてもいい
function dekkaku($str) {
	static $table = array(
		'ぁ' => 'あ',
		'ぃ' => 'い',
		'ぅ' => 'う',
		'ぇ' => 'え',
		'ぉ' => 'お',
		'っ' => 'つ',
		'ゃ' => 'や',
		'ゅ' => 'ゆ',
		'ょ' => 'よ',
		'ァ' => 'ア',
		'ィ' => 'イ',
		'ゥ' => 'ウ',
		'ェ' => 'エ',
		'ォ' => 'オ',
		'ッ' => 'ツ',
		'ャ' => 'ヤ',
		'ュ' => 'ユ',
		'ョ' => 'ヨ',
	);
	return strtr($str, $table);
}