MacにChasenをインストールする

研究に使うChasenを6時間かけてインストールしたので、備忘録としてメモ。

茶筌本体の用意

アップル - ダウンロード - ユーティリティ - Chasen
Appleからパッケージが配布されているので、これをダウンロード、インストール。/usr/local/bin/chasen　にインストールされます。
茶筌自体のインストールはこれで完了。コマンドで"chasen"と打てば動きます。
ただ、初期状態ではutf-8に対応していないので大体の変換がうまくいきません。utf-8に対応させるために、辞書ファイルを用意します。

辞書のセットアップ

茶筌から、日本語辞書ipadic-2.7.0をダウンロード。
ターミナルで、解凍したディレクトリ「ipadic-2.7.0」へ移動し作業します。
インストール作業はroot権限で行わないと完了できないので、まずrootでログイン

$ cd ipadic-2.7.0
$ su root
Password:   #パスワード入力

ログインできない場合はrootユーザーが存在してない（と思う）ので、以下のコマンドから作成・再度ログイン。

$ sudo passwd root
Changing password for root.
New password:   #新しいパスワードの設定
Retype new password:

ここからインストール作業に入ります。

$ ./configure

ここで、*.dicと*.chaファイルをutf-8に変換するため、以下のソースをconvert.shとして同ディレクトリに作成します。

#!/bin/sh
for file in *.dic *.cha
do
if [ -f $file ]; then
	echo $file
    iconv -f euc-jp -t utf-8 $file > tmpfile
    mv tmpfile $file
fi
done
exit

実行します

$ chmod 755 convert.sh  #実行権限を与える
$ ./convert.sh
Adj.dic
Adnominal.dic
Adverb.dic
Suffix.dic
--- 中略 ---
Symbol.dic
Verb.dic
grammar.cha
version.cha

変換後、以下のコマンドで辞書を生成します。

$ `chasen-config --mkchadic`/makemat -i w
$ `chasen-config --mkchadic`/makeda -i w chadic *.dic
$ make install  #root権限じゃないとエラーになる

これ以降rootでなくておｋなので、exitでログアウトして通常ユーザーに戻ります。
最後に、/usr/local/etcの設定ファイルchasenrcをutf-8に変換します。

$ cd /usr/local/etc
$ iconv -f euc-jp -t utf-8 chasenrc > chasenrc.tmp
$ mv chasenrc.tmp chasenrc

以上で完了です！！

使ってみよう！

さあ使ってみよう、どきどき
使う時は、

$ chasen -i w ファイル名

と指定することで、明示的にutf-8を指定します。

$ echo "僕の名前は天野です。苦労して茶筌をインストールしました。" | chasen -i w
僕      ボク    僕      名詞-代名詞-一般
の      ノ      の      助詞-連体化
名前    ナマエ  名前    名詞-一般
は      ハ      は      助詞-係助詞
天野    アマノ  天野    名詞-固有名詞-人名-姓
です    デス    です    助動詞  特殊・デス      基本形
。      。      。      記号-句点
苦労    クロウ  苦労    名詞-サ変接続
し      シ      する    動詞-自立       サ変・スル      連用形
て      テ      て      助詞-接続助詞
茶筌    チャセン        茶筌    名詞-一般
を      ヲ      を      助詞-格助詞-一般
インストール    インストール    インストール    名詞-一般
し      シ      する    動詞-自立       サ変・スル      連用形
まし    マシ    ます    助動詞  特殊・マス      連用形
た      タ      た      助動詞  特殊・タ        基本形
。      。      。      記号-句点
EOS

すげえええええ
これは面白い道具を手に入れたぞ！

参考にさせて頂いたページ

chasen legacy -- an old morphological analyzer
ChaSen's Wiki - FAQ: (たぶん) よくある質問
公式？ページ。基本的な情報はこの辺から
UTF8対応のChaSenインストール : blog.nomadscafe.jp
もろもろメモ : chasen　のインストール、詳細
【コラム】Yet Another 仕事のツール (45) 日本語形態素解析ツール「ChaSen」 | エンタープライズ | マイコミジャーナル
わかりやすい解説でお世話になりました。
Apribase - 形態素解析システム茶筌 - ipadic のインストール
nkfが使えなくて困っていたら、iconvで変換しているのを発見！euc-jpからutf-8へ変換。