全文検索システム『ひまわり』/ダウンロード/『青空文庫』パッケージ

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)

2023-04-06

『青空文庫』パッケージの概要†

　本パッケージは，『青空文庫』の作品（16305作品）を『ひまわり』用にインポートしたデータです。また，「作家別作品一覧拡充版」や作品に含まれる文字数などの情報を取り込んでいます。

↑

収録データの内容†

サイト：『青空文庫』
収録作品，および，関連データ
- 「作家別作品一覧拡充版」(2023-04-04時点のデータを使用。リンク先は現在のものなので注意)から次の条件を満たす16305作品
  - 著作権が切れていること
  - XHTML 版が存在し，かつ，『青空文庫』サイトから配布されていること
  - 『ひまわり』用にインポートできること
  - なお，底本が複数ある作品は，「文字遣い種別」が新字，新仮名の作品を優先しました
- 「作家別作品一覧拡充版」から作品，著者などに関する情報を取り込んでいます。
  - ただし，分類番号が空欄の場合は，「青空文庫　分野別リスト」（https://yozora.main.jp/）で公開されている「分類データ」（bunrui.zip, 2023-04-04参照）を利用させていただきました。
- 「作家別作品一覧拡充版」，「分類データ」は，共に「クリエイティブ・コモンズ表示 4.0 国際ライセンス」のもとで利用させていただいています。
原資料からの変更点
- 『ひまわり』のインポート機能を利用し，『ひまわり』用のデータに変換しています。
- 変換時に本文には変更を加えていませんが，次の文字変換をしています。
  - 画像で表現されている外字を文字に変換
  - いわゆる半角文字を全角文字に変換
- ルビ，注記などの付与情報についても，基本的に改変を加えていませんが，『ひまわり』用のデータ形式の関係上，反映できなかった情報（例：head要素中の書誌情報）もあります。

↑

使用条件†

本パッケージの使用条件は，青空文庫収録ファイルの取り扱い規準に準じます。
本ページで公開しているパッケージを利用したことにより直接的，間接的に生じる，いかなる損害も保証しません。
本ページの成果物を論文などで引用される場合は，成果物の短縮URLを参照して下さい。

↑

ダウンロード†

『青空文庫』パッケージ(20230404) (履歴・旧バージョン）
- 日本文学／小説(ndc913) （圧縮時約529MB，解凍時約782MB, ZIP形式）
- 日本文学／小説以外(except_ndc913)（圧縮時約473MB，解凍時約741MB, ZIP形式）
  - NDC分類は，『青空文庫』の分野別リストに基づいています。
  - 童話は，日本文学／小説以外(except_ndc913)に収録されています。
  - 従来版のようにすべてを一括して検索する場合は，両方をインストールして下さい。
- 形態素解析結果追加パッケージ（圧縮時約1.13GB，解凍時約2.12GB, zip形式）
  - 上記２パッケージをインストールしないと使えません。パッケージのバージョンは必ず同一のものを利用して下さい。
  - 収録作品を MeCab (ver.0.996) で形態素解析した結果です。

↑

使用方法†

↑

インストール方法†

(ビデオも用意しました。『ひまわり』自体の使い方は，ビデオチュートリアル一覧を参照してください。)

『ひまわり』(ver.1.7.1以降)をインストールしてください。
『ひまわり』を起動してください。
- Windows環境で，すでに『青空文庫』パッケージがインストールされている場合，『ひまわり』起動時は，必ず，別の資料（『ひまわり』に標準で添付されている『青空文庫』サンプルなど）が読み込まれた状態にしてください。エラー表示なしに上書きインストールがうまくいかない場合があります。詳細な対処方法，バグ情報のページをご覧ください。
『青空文庫』パッケージをダウンロードし，ダウンロードしたファイルを，起動中の『ひまわり』にドラッグ＆ドロップするか，[ファイル]⇒[インストール]で指定して下さい。
形態素解析結果追加パッケージをインストールする場合は，ダウンロードした追加パッケージを起動している『ひまわり』にドラッグ＆ドロップして，インストールして下さい。

　以上で，インストールは終了です。

　次回以降は，[ファイル]⇒[コーパス選択]から選択できます。

↑

検索†

検索方法は，利用者マニュアルを参照してください。

検索結果に含まれる書誌情報は，基本的に「作家別作品一覧拡充版」(リンク先は現在のものなので注意)に準じます。
- 「作家別作品一覧拡充版」から取り込んだ情報は，次のとおりです。なお，括弧内は，『ひまわり』の検索結果における欄名です。
  作品ID，副題，初出，分類番号，文字遣い種別，姓(著者，*後述)，名(著者，*後述)，図書カードURL，人物ID，役割フラグ(役割)，生年月日，没年月日，底本名1(底本名)，底本出版社名1(底本出版社名)，底本初版発行年1(底本初版発行年)，入力に使用した版1(入力に使用した版)，XHTML/HTMLファイルURL(ファイルURL)

検索結果の「著者」欄の内容は，「作家別作品一覧拡充版」の「姓」「名」欄を統合したものです。統合後，姓名の間は，空白で区切られます。また，例2のように，姓名がカタカナと記号からなる場合は，「名」「姓」の順に表示しています。
- 例1：「芥川」「竜之介」　⇒　「芥川竜之介」
- 例2：「ポー」「エドガー・アラン」　⇒　「エドガー・アランポー」
「著者」欄などで複数の著者が入る場合は，「::」で区切られます。