全文検索システム『ひまわり』/『毎日新聞記事データ集』を利用する方法

全文検索システム『ひまわり』

作成者：山口昌也 (国立国語研究所)

2022-03-28(更新)

１．概要†

　このページでは，『毎日新聞記事データ集』（本社版，１９９４年以降）を『ひまわり』にインポートする方法を示します。ただし，2.1 節のとおり，実行環境に制限があります。必ず，事前に実行環境を確認して下さい。

　なお，本ページの内容，および，配布パッケージの動作は，無保証です。自己責任での実行をお願いいたします。

↑

２．準備†

↑

2.1 実行環境の確認†

　インポート時は大量のメモリを使用するため，次の条件を満たす PC が必要です。

OSが64ビット版であること
- Windowsの場合： himawari.exeが起動すれば，64ビット版です。himawari32.exeしか動かなければ，32ビット版ということになります。
- macOSの場合は，確認の必要はありません（64ビット版でないと『ひまわり』自体が動きません）。
8GB 以上のメモリが搭載されていること
『ひまわり』はver.1.7を使用してください。

↑

2.2 「毎日新聞記事データ集用変換パッケージ」のインストール†

「毎日新聞記事データ集用変換パッケージ」をダウンロードしてください。（履歴・旧版）
『ひまわり』を起動し，ダウンロードしたファイルを『ひまわり』にドラッグ＆ドロップして下さい。なお，ファイルは展開（解凍）する必要はありません。

↑

３．変換手順†

↑

3.1 毎日新聞記事データの配置†

毎日新聞のテキストデータを格納するために，「Mainichi」というフォルダを新規に作成して下さい。
インポートする毎日新聞のファイルをMainichiフォルダにセットアップします。このとき，次のように年ごとにフォルダを作成し，そこに毎日新聞のファイルをコピーして下さい。なお，ファイル末尾が .TXT のように大文字の場合は，小文字にして下さい(例：mai94.TXT → mai94.txt)
```
- Mainichi
 - 1994
   - mai94.txt
 - 1995
   - mai95.txt
     　:
 - 2002
   - mai2002a.txt
   - mai2002b.txt
      　:
```

↑

3.2 インポートの実行†

『ひまわり』を起動して下さい。
3.1で作成したMainichiフォルダを『ひまわり』にドラッグ＆ドロップして下さい。
インポート設定用のウィンドウの「詳細オプション」をクリックすると，次のウィンドウが起動します。
- 「テキスト変換」オプションのメニューから「mainichi.htd」を選択して下さい。
- 「設定ファイル（テンプレート）」オプションのメニューから「mainichiConfig.xml」を選択して下さい。
- 「サブコーパスを作る」オプションにチェックを入れて下さい。
- １年分しかインポートしない場合は，「変換対象データのフォルダ」欄と「コーパス名」欄を次のように変更してください。
  - 「変換対象データのフォルダ」の末尾がMainichiで終わるように書き換える。（例：　E:\Mainichi\1994 →E:\Mainichi）
  - 「コーパス名」をMainichiに書き換える。（例：1994 →　Mainichi）
「インポート」ボタンを押すと，インポートの処理が開始します。「インポートが正常に終了しました」と出れば，成功です。
「毎日新聞記事データ集用変換パッケージ」のインストールをもう一度行なって下さい。これは，インポートの処理を行うと，「毎日新聞記事データ集用変換パッケージ」でインストールしたファイルの一部が削除されるためです。

↑

４．利用方法†

↑

4.1 検索方法†

『ひまわり』を起動し，[ファイル]→[コーパス選択]で，Mainichi（config_mainichi.xml) を読み込んでください。インポート直後はこの状態です。
これで，インポートしたデータを検索できる状態になります。詳しい検索方法については，全文検索システム『ひまわり』の利用者マニュアルを参照してください。

↑

4.2 検索結果†

列名	内容
タイトル	記事見出し
面種	記事の面種
年	記事を含む新聞の発行年
月	記事を含む新聞の発行月
日	記事を含む新聞の発行日
朝/夕刊	朝刊，夕刊の別
地域	大阪版の記事の場合，大阪となる。本社版の場合は，空欄
文字数	記事に含まれる文字数

　「毎日新聞記事データ集」の仕様は，日外アソシエーツの納品データ仕様書(本社版)を参照して下さい。インポート時は，元データをそのまま利用していますが，次のような個別処理を行なっています。詳しい処理内容は，インポートの変換定義ファイル（resoureces/htd/mainichi.htd）をご覧ください。