WTの公式ワードファイルから、特定の文字数のフレーズのみを抽出するスクリプト

generate.rb

require 'rexml/document'
include REXML

# --- 設定 ---
TARGET_LENGTH = 5
SOURCE_FILE = "word2jp.xml"
OUTPUT_FILE = "word2jp_len#{TARGET_LENGTH}.xml"
SIGNATURE = "word2-len#{TARGET_LENGTH}"
# ------------

# XML読み込み
file = File.open(SOURCE_FILE)
doc = Document.new(file)

# 出力
File.open(OUTPUT_FILE, "w:utf-8") do |out|
  out.write("\uFEFF")  # BOM
  out.puts '<?xml version="1.0" encoding="utf-8" standalone="yes"?>'
  out.puts '<Words Version="2">'
  out.puts "  <Name>公式ワード2（#{TARGET_LENGTH}文字）</Name>"
  out.puts "  <Author>Generated</Author>"
  out.puts "  <Language>#{doc.elements['Words/Language']&.text}</Language>"
  out.puts "  <Memo>#{TARGET_LENGTH}文字のフレーズのみ</Memo>"
  out.puts "  <Signature>#{SIGNATURE}</Signature>"

  doc.elements.each("Words/Part") do |original_part|
    out.puts "  <Part>"
    original_part.elements.each("Word") do |word|
      chars = word.elements["Characters"]&.text&.strip
      display = word.elements["Display"]&.text&.strip
      next unless chars && chars.length == TARGET_LENGTH

      out.puts "    <Word>"
      out.puts "      <Display>#{display}</Display>"
      out.puts "      <Characters>#{chars}</Characters>"
      out.puts "    </Word>"
    end
    out.puts "  </Part>"
  end

  out.puts "</Words>"
end

puts "✅ 完了: #{TARGET_LENGTH}文字のワードだけを含むXMLを '#{OUTPUT_FILE}' に出力しました。"

ワードファイルの場所はWeather Typing - よくある質問の「ワードを自作したい」に書かれています。Macの場合は/Users/<use>/Library/Containers/com.denasu.Weather-Typing-Mac/Data/WeatherTyping/Wordでした。

公式ワード2について、文字数別の出現頻度は以下の通りです。

=== 前半フレーズ ===
Length 2: 2 word(s)
Length 3: 8 word(s)
Length 4: 35 word(s)
Length 5: 60 word(s)
Length 6: 52 word(s)
Length 7: 78 word(s)
Length 8: 54 word(s)
Length 9: 23 word(s)
Length 10: 17 word(s)
Length 11: 13 word(s)
Length 12: 7 word(s)
Length 13: 8 word(s)
Length 14: 1 word(s)
Length 15: 1 word(s)
Length 19: 1 word(s)
Total: 360 word(s)

=== 後半フレーズ ===
Length 2: 2 word(s)
Length 3: 34 word(s)
Length 4: 50 word(s)
Length 5: 59 word(s)
Length 6: 39 word(s)
Length 7: 37 word(s)
Length 8: 17 word(s)
Length 9: 12 word(s)
Length 10: 6 word(s)
Length 11: 6 word(s)
Length 13: 2 word(s)
Total: 264 word(s)

私は5文字、6文字、7文字、8文字、9文字以上の5つのファイルを作りました。それぞれに含まれるフレーズの数は

60+59=119
52+39=91
73+37=110
54+17=71
71+26=97

個です。