言語処理100本ノック 2020「34. 名詞の連接」
問題文
問題の概要
「30. 形態素解析結果の読み込み」で作成したデータ構造から、データを取り出します。抽出条件は最長一致の名詞の連接です。
品詞を前から見ていき、次の順に処理します。
- リスト res, tmpを用意
- 条件分岐
- 名詞の場合は、リストtmpに格納
- 名詞ではなくリストtmpの大きさが2以上の場合は、tmpの内容を基にresへ保存。tmpを空にする
- 名詞ではなくリストtmpの大きさが1以下の場合は何もしない
def parse_mecab(block): res = [] for line in block.split('\n'): if line == '': return res (surface, attr) = line.split('\t') attr = attr.split(',') lineDict = { 'surface': surface, 'base': attr[6], 'pos': attr[0], 'pos1': attr[1] } res.append(lineDict) def extract_noun_noun(block): res = [] tmp = [] for b in block: if b['pos'] == '名詞': tmp.append(b['surface']) elif len(tmp) >= 2: res.append(''.join(tmp)) tmp = [] else: tmp = [] return res filename = 'ch04/neko.txt.mecab' with open(filename, mode='rt', encoding='utf-8') as f: blocks = f.read().split('EOS\n') blocks = list(filter(lambda x: x != '', blocks)) blocks = [parse_mecab(block) for block in blocks] ans = [extract_noun_noun(block) for block in blocks] print(ans)