msime2anthy

CentOSの日本語入力はAnthyというのを使っているみたいです。
そこで、MS-IMEの辞書(単語)をAnthyにインポートするプログラムを作りました。(・ω・)

※MS-IMEは用例の登録もできるのですが、Anthyに用例を登録することはできそう にないので気にしない方向で。

1.霞とanthy-dic-tool

Anthyの辞書を管理するグラフィカルインターフェースが霞です。
一方、Anthyの辞書を一括で処理するにはanthy-dic-toolというコマンドを使うらしいです。
※インターネットで見た。(笑)

例えば霞で以下のように登録します。

単語	(・ω・)
読み	かお
頻度	500
品詞の分類	名詞
品詞	一般名詞

コンソールでanthy-dic-tool --dumpを実行すると

$ anthy-dic-tool --dump かお 500 (・ω・) 格助詞接続 = y 語幹のみで文節 = y する接続 = n さ接続 = n な接続 = n 品詞 = 名詞

こんなのが表示されます。
逆に、

かお 500 (・ω・) 格助詞接続 = y 語幹のみで文節 = y する接続 = n さ接続 = n な接続 = n 品詞 = 名詞

この内容をテキストファイルにanthy.txtという名前で保存しておいてanthy-dic-tool --loadを実行すると

$ cat anthy.txt | anthy-dic-tool --load

登録されます。

(´･ω･`) んー。

2.品詞対応表

なんとなく分かりましたが、品詞毎のパラメータがよく分からないので、霞で登録できる「品詞の分類」「品詞」のパターンを全て試してみました。
いくつかの「品詞の分類」「品詞」のパターンで、anthy-dic-tool --dumpがエラーになるみたいです。

（＾ω＾；）＜ナニコレ

霞

anthy-dic-tool

MS-IME

品詞の 分類

品詞

品詞

な接続

さ接続

する接続

たる接続

と接続

語幹のみで文節

格助詞接続

連体詞の名詞化

活用

品詞

名詞

一般名詞

名詞

n

n

n

y

y

名詞・顔文字など

人名

人名

人名・姓・名など

地名

地名

地名その他

会社名

エラー

する接続

名詞

n

n

y

y

y

さ変名詞

数詞

数詞

エラー

形容詞

く活用

形容詞

形容詞

しく活用

エラー

形容動詞

形容動詞

名詞

y

y

n

y

y

形容動詞

副詞

副詞

副詞

y

n

y

y

副詞

感動詞

感動詞

エラー

連体詞

連体詞

エラー

単漢字

単漢字

エラー

動詞

カ行５段

動詞

n

カ行五段

か行五段

ガ行５段

動詞

n

ガ行五段

が行五段

サ行５段

動詞

n

サ行五段

さ行五段

タ行５段

動詞

n

タ行五段

た行五段

ナ行５段

動詞

n

ナ行五段

な行五段

バ行５段

動詞

n

バ行五段

ば行五段

マ行５段

動詞

n

マ行五段

ま行五段

ラ行５段

動詞

n

ラ行五段

ら行五段

ワ行５段

動詞

n

ワ行五段

あわ行五段

動詞 (連体形が名詞)

カ行５段

動詞

y

カ行五段

ガ行５段

動詞

y

ガ行五段

サ行５段

動詞

y

サ行五段

タ行５段

動詞

y

タ行五段

ナ行５段

動詞

y

ナ行五段

バ行５段

動詞

y

バ行五段

マ行５段

動詞

y

マ行五段

ラ行５段

動詞

y

ラ行五段

ワ行５段

動詞

y

ワ行五段

「会社名」「数詞」「しく活用」「感動詞」「連体詞」「単漢字」は、anthy-dic-toolが未対応のようです。
一括で処理をする可能性がある場合、霞で登録時に使用しないほうがよさそうです。
「動詞(連体詞が名詞)」は、MS-IMEで区別されていないようです。
※「歩く」を例に考えると、「歩かない・歩きます・歩く・歩くとき・歩けば・歩け」の4番目「歩くとき」だから「歩く」=「名詞」ってことかな?

3.辞書ファイル(テキスト形式)仕様比較表

次はAnthyとMS-IMEの辞書ファイル(テキスト形式)の仕様をまとめてみます。

Anthy	比較内容	MS-IME
EUC_JP	日本語エンコーディング	MS932
LF	改行コード	CR/LF
独自 読み 頻度 単語 パラメータ名 = パラメータ値 パラメータ名 = パラメータ値 パラメータ名 = パラメータ値 (空改行)	形式	Tab区切りテキスト 読み 単語 品詞
#で始まる行	コメント	!で始まる行

4.変換プログラム

作りました。（＾ω＾；）＜ちょーてきとー

プログラム名	msime2anthy
動作環境	Windows XP (SP2) Java Runtime Environment (JRE) 6 Update 3 ※ソースレベルは1.4にしているので1.4.2以上なら動くかもしれませんが試してません。
開発環境	Windows XP (SP2) Java SE Development Kit (JDK) 6 Update 3 NetBeans IDE 5.5.1
お約束	無保証です。(∩　ﾟдﾟ)＜あーあーきこえなーい

■使い方

(1)msime2anthy.zipを適当なフォルダーに解凍します。
(2)解凍したフォルダーにあるmsime2anthy.jarをダブルクリックします。
(3)ファイル選択ダイアログが開きます。




















※ログインユーザのホームディレクトリ(通常、C:\Documents and Settings\ユーザ名\です。)で開きます。

(4)変換したいMS-IME辞書ファイル(テキスト形式)を選んで「開く」をクリックします。










(5)「変換が完了しました」が表示されれば成功です。「了解」をクリックします。
(6)変換元のファイルと同じフォルダに「変換元ファイル名.anthy.txt」というファイルができます。

(7)変換されたファイルはEUC_JPエンコーディング/LF改行です。メモ帳で開くとおかしなファイルに見えます。

■アンインストール

(1)解凍したフォルダーを削除します。

(2)ログインユーザのホームディレクトリ(通常、C:\Documents and Settingd\ユーザ名\です。)にある「.msime2anthy」というフォルダを削除します。