日本語文の単語カウント

■ 概要

　日本語の文章は、文法的に単語に分割できますが、本機能は、各単語の出現回数を集計して、その多い順に、レポートウィンドウに表示します。例えば、夏目漱石の「坊っちゃん」の全文に、本機能を適用すると、次のような集計結果が表示されます。

　 914  する            動詞（自立）
　 472  おれ            名詞（代名詞,一般）
　 454  云う            動詞（自立）
　 264  ない            形容詞（自立）
　 246  なる            動詞（自立）
　 233  ある            動詞（自立）
　 193  思う            動詞（自立）
　 178  赤              名詞（一般）
　 173  一              名詞（数）
　 170  シャツ          名詞（一般）
　 155  山嵐            名詞（一般）
　 148  君              名詞（代名詞,一般）
　 147  出る            動詞（自立）
　 145  お              接頭詞（名詞接続）
　 144  見る            動詞（自立）
　 136  この            連体詞
　 136  何              名詞（代名詞,一般）
　 128  行く            動詞（自立）
　 121  二              名詞（数）
　 118  れる            動詞（接尾）
　　　　　　　：
　　　　　　　：

ここで、各行の書式は、
　＜出現回数＞　＜単語の終止形＞　＜単語の種類（詳細品詞）＞
となっています。

　活用のある単語は、その終止形（基本形）で集計されます。助詞、助動詞等の非自立語や、句読点、空白、括弧等の記号類は、カウントされません。英単語は、カウントされますが、名詞の複数形や動詞の変化形などへの配慮はなく、とにかくスペルが異なれば、別の単語として扱われます。

　なお、本機能は、将来において「執筆支援」や「文章解析」機能を実現するための前段階的なものであって、現状ではあまり実用に供するものではない（わざわざヘルプで取り上げるほどのものではない）かもしれませんが、あしからずご了承ください。

■本機能の実行方法

　本機能は、JWordCount.mc というスクリプトで実現しています。このスクリプトは、初期環境では、ツールボックス内の「日本語文の単語カウント」という項目に、割り当てられています。この項目の実行で、次のどれかのテキストを対象にして、日本語文の単語カウントが行なわれます。
　（１）現編集テキストの選択範囲のテキスト
　（２）クリップボードのテキスト
　（３）現カーソル行のテキスト

まず、現編集テキスト内に選択範囲があれば、その範囲のテキストが対象になります。この場合、矩形範囲でも可能です。一方、選択範囲が無ければ、クリップボードのテキストが対象になります。もし、クリップボードにテキストが無ければ、現カーソル行のテキストが対象になります。

　テキストファイルを対象として、本機能を実行するには、本スクリプトのコマンド引数に、そのファイル名を指定する必要があります。その場合、「スクリプトの実行」ダイアログボックスから実行するか、ツールボックスに、それが行なえる項目を追加することになります。また、それ以外でもいろいろな方法で行なえます。

　なお、本スクリプトの実行には、MeCab（和布蕪）という形態素解析エンジンが必要です。これに関しては、最後に説明します。

■コマンド形式

　本スクリプトのコマンド形式は、次のようになっています。

　 JWordCount.mc <オプション> <ファイル名> ...

　説明：

<オプション> には、/Tn /U /C の３種類があります。
/Tn は、表示する単語の数を、出現回数の多い順に上位 n 個までに規定する時に指定します。例えば、 /T20 と指定した場合、上位 20 個までが表示されます。このオプションの省略時は、上位 100 個までが表示されます。また、/T の場合（ n 省略時）は、個数制限なし（全単語を表示）になります。
/U は、英字を大文字に変換して集計する場合に指定します。このオプションの省略時は、英字を小文字に変換して集計します。
/C は、英字の大文字と小文字を区別して集計する場合に指定します。このオプションの省略時は、英字の大文字と小文字は区別されません。
<ファイル名> を指定した場合、そのファイルのテキストが、カウントの対象になります。このテキストファイルの文字コードは、本ソフトが自動判別できるものなら何でも構いません。
<ファイル名> は、複数指定できます。

■形態素解析エンジン MeCab（和布蕪）

　本エディタでは、日本語の解析が必要な各種のスクリプトで、MeCab（和布蕪）という形態素解析エンジンを使わせて頂いています。この実行環境を整えるには、次のようにします。

(1)	MeCab のホームページから、 MeCab の「Binary package for MS-Windows」（現時点での最新版は、mecab-0.996.exe ）をダウンロードしてきます。
(2)	それを実行して、MeCab を適当なフォルダー（例えば、D:\Tools\MeCab\ ）にインストールします。なお、このインストール中に、文字コードを選択するところがありますが、そこでは、 Shift-JIS コードを選んでください。

　これで準備は完了です。なお、MeCab のインストールには、100 MB 程度のディスク容量が必要です。ちなみに、このフォルダーには、幾多のファイルがありますが、スクリプトで使うのは、 libmecab.dll というファイルだけです。ただ、このＤＬＬファイルは、その実行時に、そのフォルダー内のいろいろなファイルを参照しているようなので、単にそのファイルさえあればよいというものではなさそうです。

　ところで、MeCab のインストール時には、HKEY_LOCAL_MACHINE\Software\MeCab というレジストリーが、作成されるようです。スクリプトで、MeCab にアクセスする際、MeCab がどこにインストールされているかを、知る必要がありますが、現状、このレジストリーを参照して、その情報を得ています。

　MikoScript のレジストリー関連の組み込み機能は、Ver.1.82 以降で搭載されたので、それ以前のバージョンで、MeCab にアクセスするには、別の方法が必要です。レジストリーを参照する現スクリプトでは正常に動作しないので、ご注意ください。