r-dic 2.22 を KAKASI で使う: ナマズのブログ

doc/JISYO には KAKASI で使用可能な辞書が紹介されています。 その中のひとつが r-dic です。

4. r-dic v 2.0.0
   鉄道に関する様々な名称などを含んだデータや用語を収録

   以下の辞書が使用できます。

   corp     : 会社名データ      ( 2241 項目)
   line     : 線名データ        ( 1250 項目)
   station  : 駅名データ        (12354 項目)
   car      : 車輛名データ      (  236 項目)
   train    : 列車名データ      ( 1152 項目)
   gengyou  : 現業機関データ    ( 1019 項目)
   other    : 関連用語集データ  ( 3667 項目) 

   なお type と lunch は使用できません。

現在、r-dic は http://www.vector.co.jp/soft/data/writing/se001883.html から入手できるようです。

Ver. 2.00 と Ver. 2.22 のバイナリパッチです。 (バイナリパッチを当てるには bupdate.exe が必要になります。)

doc/JISYO で紹介されているものより新しい r-dic 2.22 が入手可能ですが、2.22 は 1992 年に作成されているので、もう15年前のものです。データはかなり古いでしょう。

ところで、r-dic を KAKASI 用の辞書(ソース)に変換するには、rdic-conv を使います。 この rdic-conv は辞書の中身が JIS コードを前提に作られています。 上記の r-dic は 2.00, 2.22 共に Shift_JIS コードでした。 (JUNET に流れた時の r-dic は JIS コードだったのかもしれません。そのため rdic-conv の入力は JIS だと仮定しているのでしょう。)

上記の r-dic 2.00, 2.22 はいずれも

改行コードは UNIX改行(LF)
漢字コードは Shift_JIS

です。

そのため、この r-dic は、このままでは rdic-conv で KAKASI 用辞書に変換できません。 辞書の漢字コードを変換して rdic-conv で読めるようにすることもできますが、atoc-conv には Shift_JIS ルーチンがありますので、これを rdic-conv で使うように改造してみました。

改造した rdic-conv で変換した結果、doc/JISYO の内容と異なりますが、 各データのうち KAKASI 辞書形式に変換できた項目数は次のようになりました。

                                    2.00          2.22
corp     : 会社名データ      ( 1668 項目)  ( 1668 項目)
line     : 線名データ        ( 1194 項目)  ( 1205 項目)
station  : 駅名データ        (12135 項目)  (12276 項目)
car      : 車輛名データ      (   52 項目)  (   52 項目)
train    : 列車名データ      (  422 項目)  (  422 項目)
gengyou  : 現業機関データ    (  479 項目)  (  479 項目)
other    : 関連用語集データ  ( 2331 項目)  ( 2308 項目)

※ このうち mkkanwa で変換すると変換できない項目もあると思いますので、 実際にはもっと少なくなるものと思います。