Migemo: ローマ字のまま日本語をインクリメンタル検索

最終更新日: 2001-02-17

Migemo とは

migemo はローマ字のまま日本語をインクリメンタル検索するためのツールです。かな漢字変換してから検索するという重労働からあなたを解放します。現在のところ Emacs用のインターフェイス (isearch へのラッパー) が用意されています。最新版は http://migemo.namazu.org/ から入手可能です。

動作画面

漢字の検索

「活発」をインクリメンタル検索しているところ。 "kap" の時点で到達。

[I-search: ] [I-search: k]
[I-search: ka] [I-search: kap]

カタカナの検索

「カナブン」をインクリメンタル検索しているところ。"kana" の時点で到達。

[I-search: ] [I-search: k]
[I-search: ka] [I-search: kan]
[I-search: kana]

いわゆる全角英数字の検索

"３ａ："をインクリメンタル検索しているところ。ASCII の "3a:" で検索可能。

[I-search: ] [I-search: 3]
[I-search: 3a] [I-search: 3a:]

行をまたぐ検索

「検索」をインクリメンタル検索しているところ。

[I-search: ] [I-search: k]
[I-search: ke] [I-search: ken] [I-search: kens]

英語の綴りでカタカナ語を検索

「ソフトウェア」をインクリメンタル検索しているところ。

[I-search: ] [I-search: s]
[I-search: so] [I-search: sof]
[I-search: soft] [I-search: softw]

必要なもの

SKK の SKK-JISYO.L
変換して使います
Emacs
Emacs 20.7 で動作確認しています。Emacs 19.28 でも動くはず
perl
perl 5.005 以上
APEL
(point-at-bol) を使っているので

使い方

gzip -dc migemo-xxx.tar.gz | tar xvf -
でソースを展開し、 migemo-xxx ディレクトリへ移動。さらに Lingua-Romakan ディレクトリへ移動。
% perl Makefile.PL && make && make install
で Lingua::Romkan モジュールをインストール
1つ上のディレクトリに戻り、SKK-JISYO.L をカレントディレクトリにコピーする
% ./configure && make && make install
で migemo をインストール
~/.emacs に (load "migemo.el") を追加する
migemo.el を読み込むと C-s, C-r (isearch-{forward,backward}) でローマ字のまま日本語をインクリメンタル検索できるようになります
元に戻すには M-x migemo-toggle-isearch-enable

提供される関数

M-x migemo-forward
前方に migemo (ローマ字のまま日本語をインクリメンタル検索) する
M-x migemo-backward
後方に migemo (ローマ字のまま日本語をインクリメンタル検索) する
M-x migemo-toggle-isearch-enable
isearch-{forward,backward} へのラッパーを on/off
M-x migemo-expand-pattern
カーソル位置の左側のローマ字列を migemo の正規表現に展開する

気が利いている点

ASCII の文字をインクリメンタル検索できる
"bb || !bb" のような文字列を普通に検索できる
ひらがな、カタカナをインクリメンタル検索できる
"aiueo" で "あいうえお", "アイウエオ" をインクリメンタル検索できる
いわゆる全角英数字に対応
"abc123=+-" で "ａｂｃ１２３＝＋－" をインクリメンタル検索できる
英語の綴りでカタカナ語をインクリメンタル検索できる
辞書に登録されている単語だけです。例: software, internet
行をまたぐ検索ができる
ローマ字はヘボン式と訓令式の両方に対応
のつもりだけど、完璧ではないでしょう。処理はどろどろしている。
nn と n' に対応
「ん」は nn または n' と打てます。安全なときは n と打てます。例:
反応: hannnou, han'nou
漢字: kanji, kannji, kan'ji

既知の問題

用言の対応はいいかげん
活用は一文字だけ - 「耐え」はOKだけど「耐える」は駄目
検索対象はほとんど名詞だけなので、たいして問題にははならないでしょう
辞書に載っていない単語は検索できない
ひらがな、カタカナ、英数字記号は大丈夫
複数の語からなる文字列は検索できない
たとえば「動詞の対応」
実用的な速度で動くが、やはりちょっと遅い
いまどきの計算機なら不満はない。
いくつか不満は残るが、とことんやると、かな漢字変換器を作るのと同じ仕事になってしまう
isearch-backward が不安定
これは根が深い問題です。ラッパーを改良する必要があります。
- 行をまたぐ検索ができない
- 英語の綴りによる検索が不完全
  "soft" まではいいが "softw" で失敗する。

仕組み

仕組みは簡単です。利用者が 1文字入力するたびに、ローマ字列から正規表現を生成して、それで検索するという富豪的な方法です。これを「動的パターン展開」と呼んでいます。ここでは "nez" を例として説明します。まず、辞書を引いて候補を抽出します (実際には辞書引き以外の処理も施します)。次の正規表現は候補をすべて"\|" でつないだものです。

    ｎｅｚ\|nez\|寝\|寢\|根魚\|根崎\|寝醒め\|根差\|根差し\|
    寝惚\|寝相\|根津\|禰津\|鼠\|鼡\|鼠色\|鼠男\|鼠達\|鼠取\|
    捻\|捩\|螺\|捻子\|螺子\|捩子\|ネジ\|捻じ伏\|拗\|
    捩じ込み\|根占\|捩じり鉢巻き\|捩り鉢巻き\|根城\|ねざ\|
    ねじ\|ねず\|ねぜ\|ねぞ\|ねっ\|ネザ\|ネズ\|ネゼ\|ネゾ\|ネッ

この正規表現には、「鼠」「鼠色」「鼠男」のように「鼠」から始まる候補がたくさんあります。これらは1つの「鼠」にまとめられます。また、「寝」「螺」のような 1文字の候補は文字クラスとしてまとめられます。このようにして正規表現を短くすると、 Emacs の [Regular Expression too big] というエラーを防げます。ほかの候補についても同様の処理を施すと、次の正規表現になります。

    [寝鼠捻螺寢拗捩鼡]\|nez\|ねざ\|ねじ\|ねず\|ねぜ\|ねぞ\|
    ねっ\|ネザ\|ネジ\|ネズ\|ネゼ\|ネゾ\|ネッ\|根魚\|根差\|
    根崎\|根城\|根占\|根津\|禰津\|ｎｅｚ

行をまたぐ検索を実現するために、2 byte の文字の間に "\s *" を埋めむと、次の正規表現ができあがります。

    [寝鼠捻螺寢拗捩鼡]\|nez\|ね\s *ざ\|ね\s *じ\|ね\s *ず\|
    ね\s *ぜ\|ね\s *ぞ\|ね\s *っ\|ネ\s *ザ\|ネ\s *ジ\|
    ネ\s *ズ\|ネ\s *ゼ\|ネ\s *ゾ\|ネ\s *ッ\|根\s *魚\|
    根\s *差\|根\s *崎\|根\s *城\|根\s *占\|根\s *津\|
    禰\s *津\|ｎ\s *ｅ\s *ｚ

"\s " の意味はモードによって変わります。モードによっては行をまたぐ検索ができないことがあります。

と、上のように正規表現を生成する処理を migemo.pl が担当します。Emacs とは双方向パイプで通信します。辞書は SKK のSKK-JISYO.L を加工したものを利用します。

高速化のために、"a", "k", "s", "t", n", "ka", "sa", "ta", "na" などの短い文字列に対しては、あらかじめ生成した正規表現を migemo.pl に埋め込んでいます。

ところで、ローマ字のまま日本語をインクリメンタル検索する別の方針として、検索するたびにバッファの内容全体をローマ字に変換し、それに対して検索するという方法が考えられます。この方法は、テキストが大きくなると破綻します。

KAKASI -Jj -Kj -Hj で 100 KB のテキストファイルをローマ字に変換すると、Pentium MMX 266 MHzの手元の計算機では初回に約 4 秒、次回からは約 2秒かかります。isearch で2秒も待たされてはストレスがたまります。 (筆者は 100 KB超のテキストファイルを頻繁に編集します)

豆知識

ASCII文字だけをインクリメンタル検索したいときは C-u C-s, C-u C-r で isearch-regexp を使うと便利です

ダウンロード

version 0.21: migemo-0.21.tar.gz (約140KB)
Web, FTP,

CVSから最新版を入手する

    % cvs -d :pserver:anonymous@cvs.namazu.org:/storage/cvsroot login
    CVS password:   # Enter/Returnキーを叩く
    % cvs -d :pserver:anonymous@cvs.namazu.org:/storage/cvsroot co sary

メーリングリスト

migemo@namazu.org: Migemo に関する議論を行うメーリングリストです。; migemo メーリングリストへ参加(登録)するには、本文に subscribe あなたの名前 (名前はローマ字で。例: Tarou Yamada) と書いたメールを migemo-ctl@namazu.org へ送ります。; 退会するには本文の先頭に # bye とだけ書いたメールを migemo-ctl@namazu.org に送ります。その際、 From: はメーリングリストに登録しているアドレスに設定してください。; 過去の記事

TODO

Rubyにて書き直し。Migemoモジュールを作る。
Migemoモジュールを用いて TCP/IP を喋るMigemoサーバを作る
HTTPがちょうどいいかな
Migemoサーバを用いていろいろなアプリケーションに応用する
複数の単語にまたがる検索に対応する
内部的に連文節のかな漢字変換を行う
MakeRegex のような処理を施す
MakeRegex はそのままでは日本語は通らない。例: (日本, 日翻)
パターンを正規表現に展開する機構を応用する
URIや日付だけにマッチする正規表現を使って検索すると便利かも。

高林哲 (satoru@namazu.org)