日本語周り日本語文章を解析しているときに地味に困る物の一つに漢字等の日本語で書かれた年月日があります。 今回は、日本語で書かれた日付のデータをPythonのdatetime、timedeltaに変換するライブラリを作成したので紹介します。 ※ datetimeは日時、timedeltaは時間（時間差）を取り扱うPython標準オブジェクトです kanji_to_timeという名前のライブラリです。 https://github.com/corkborg/kanji_to_time https://pypi.org/project/kanji-to-time/ こんな感じでインストールできます。 pip install kanji_to_time こんな変換ができます 半角、漢字混じり、漢数字、全角数字などを変換できます。 >>> import kanji_to_time as ktt >>> text = "2024年4月5日22時30分4秒" >>> ktt.to_datetime(text) datetime.datetime(2024,…
日本語周りこのIMEはGoogle検索などで得た情報を使って収録単語を増やす特徴があり、世間で流行っている用語が反映される速度が非常に速い特徴があります。 ただ、日本語を正しく変換する能力は若干低く、送り仮名などが上手く変換できない場合があること、堅い文章を書く際にフランクな変換が行われることがある所が気になっていました。 Google日本語入力並みの圧倒的な単語収録数があり、日本語を正しく変換できるIMEはないかと思い調べるとATOKという有料のIMEがヒットしました。 ATOKは日本語入力の精度が高い特徴があり、ATOK Expressというクラウド機能で大量の用語を日々IMEに反映してくれるようです。 早速、ATOKを購入してクラウド機能でGoogle日本語入力の単語収録数に対抗できるか調査を行いました。 今では、ATOKの名前を知っている人はあまりいないと思います。 私自身も詳しく知らない世代なのですが、パーソナルコンピュータ初期から存在する高品質な有料IMEです。 かつてはOSに標準搭載されているIMEの変換精度が低かったため、ATOKのような品質の高いIMEの需要が高かったようです。 しかし現在では、WindowsやMacに標準搭載されたIMEでも、それなりの変換精度があります。そのため、ATOKは知る人ぞ知るIMEになってしまいました。 とはいえ、ATOKは日本語入力に特化した日本企業が作っているソフトであり、現在でも非常に高い日本語入力精度を誇ります。 そのため、日本語の表現にこだわる方には、今でもATOKを使うのがおすすめできます。 今回の検証は、収録されている単語に焦点を当てるため、日本語の表現などについては対象外とします。 ATOKはサブスクリプションモデルになっています。 このプランには月額600円のプロフェッショナルと月額300円のベーシックコースがあります。どちらでも10台までATOKをインストールすることができます。 追加してプロフェッショナルでは下記の機能がベーシック使えます。 辞書機能は広辞苑や大辞林などの辞書として使えるようです。しかし、出版業界などで本格的な日本語を書くような人でなければどの機能も必要ないので、基本的に300円のベーシックコースをおすすめします。 300 * 12ヶ月 = 3600円 毎日使うものだと考えると大した金額ではないですね。 Google日本語入力とATOKの比較を行います。一部、Mac標準IMEとの比較も行います。 それぞれのIMEで変換学習機能を無効化して検証を行っています。…
