https://github.com/tamanobi/wikipediafromfurigana

wikipediaのプレーンテキストから単語とふりがなを抽出する
https://github.com/tamanobi/wikipediafromfurigana

Last synced: about 13 hours ago
JSON representation

wikipediaのプレーンテキストから単語とふりがなを抽出する

• Host: GitHub
• URL: https://github.com/tamanobi/wikipediafromfurigana
• Owner: tamanobi
• Created: 2015-06-23T14:19:05.000Z (over 9 years ago)
• Default Branch: master
• Last Pushed: 2015-06-27T05:00:24.000Z (over 9 years ago)
• Last Synced: 2024-03-30T06:34:23.157Z (8 months ago)
• Language: Python
• Homepage:
• Size: 3.66 MB
• Stars: 0
• Watchers: 3
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README

Awesome Lists containing this project

README

        
## retrieve ruby(word) from Wikipedia articles ##

wikipediaのarticlesファイルから、単語とふりがなのペアを(TSV形式)で抜き出す

## Python3で動作します ##

Python3で動作します。ただし、いくつか問題を抱えています。

## 実行例 ##

以下のコマンドで、標準出力からファイルへリダイレクトできます。

PYTHONIOENCODING=utf-8 python extractRuby.py > out.txt