[PukiWiki]

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

Top/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)
2025-04-02
 

『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(16569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」(2024-10-01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16569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, 2024-10-03参照)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(20250401) (履歴・旧バージョン)
    • 日本文学/小説(ndc913) (圧縮時約540MB,解凍時約799MB, ZIP形式)
    • 日本文学/小説以外(except_ndc913)(圧縮時約483MB,解凍時約756MB, 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1.156B,解凍時約2.16GB, 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。)

  1. 『ひまわり』(ver.1.7.1以降)をインストールしてください。
  2. 『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。
  3. 『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。
  4. 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。
  • 「文字数」欄は,当該の作品の「本文」に含まれる文字数です。ここで言う「本文」とは,青空文庫のXMLファイルの中から,冒頭の作品名,著者名,末尾の書誌情報・注記などを除いたテキスト部分です。半角空白や改行は,文字数に含まれていません。
↑

形態素解析結果追加パッケージの利用†

  • 検索時には,[ファイル]⇒[コーパス選択]で,「外部DB」を「あり(sd)」にしてください。
  • 使用方法は,利用者マニュアルをご覧ください。
  • 「外部DB」が「なし」の場合と同様,全文検索機能もそのまま使えますが,検索速度は落ちます。
↑

収録されている作品の一覧†

  [ツール] → [一覧] → [作品別書誌情報一覧]を実行してください。

  • 各作品の著者や底本の情報のほか,収録文字数についても記載されています。
  • (ビデオも用意しました) 一覧表には,『ひまわり』の集計機能が適用できるので,著者の異なりや,著者別の作品数を容易に集計できます。
  • 単語数については,作品ごとに計測するための方法をビデオで紹介しています。
↑

謝辞†

 収録作品の著者の方々,有益なデータを提供してくださる青空文庫の運営者,工作員の方々に心より感謝いたします。

↑

アンケート†

論文などで引用する際の
成果物の短縮URL

 

メニュー

  • コーパス
    • 『日本語話し言葉コーパス』
    • 『太陽コーパス』
    • 『近代女性雑誌コーパス』
       
  • 辞書関連
    • 形態素解析辞書『UniDic』
    • 語種辞書『かたりぐさ』
    • 『表記統合辞書』
    • 『分類語彙表増補改訂版』
       
  • 用例データベース
    • 複合動詞
    • サ変動詞
    • 形容詞
       
  • ソフトウェア
    • 全文検索システム『ひまわり』
    • 観察支援ツール FishWatchr
    • 観察支援ツール FishWatchr
      Mini
    • 作文支援システム TEachOtherS
    • 『ひまわり』支援ツール
    • 『たんぽぽ』,『プリズム』
       
  • 成果物の短縮URL
  • 講習会
     
    最新の10件
    2025-06-27
    • 新着情報の履歴
    • 言語データベースとソフトウェア
    • 観察支援ツール FishWatchr/履歴
    • 観察支援ツール FishWatchr
    2025-06-02
    • url
    2025-04-08
    • 全文検索システム『ひまわり』/ダウンロード/UniDicパッケージ
    2025-04-02
    • 全文検索システム『ひまわり』
    • 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』/ダウンロード/『青空文庫』パッケージ/履歴
    2025-03-28
    • TEachOtherS

total:78617
today:15
yesterday:37

トップ   編集 凍結 差分 履歴 添付 複製 名前変更 リロード   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS
Last-modified: 2025-04-02 (水) 19:51:45