Win11环境Mecab日语分词和词性分析以及动态库DLL not found问题(Python3.10）

日语因为存在假名，会导致翻译软件进行翻译时机翻味道过重的问题，比如積ん読（つんどく）这个词，大多数软件会翻译成：堆积的读，但其实是明明买了书却不读，光放着的意思。有时候也需要单独查句子中的单词释义来理解句子的意思，但一看下去全是假名，无法像中文或者英文那样进行简单的分词操作。

本次我们基于Python3.10的三方库Mecab来对日语进行分词和词性分析。

安装和配置Mecab

首先下载最新的Mecab0.996的64位安装包：

https://github.com/ikegami-yukino/mecab/releases

随后双击进行安装，注意编码选择国标码utf-8:

默认的Shift_JIS是日本电脑系统常用的编码表，能容纳全形及半形拉丁字母、平假名、片假名、符号及日语汉字。

当然如果您的电脑是日本系统，那就选择Shift_JIS，但utf-8是通用的。

安装成功后，最好把bin目录添加到系统的环境变量中。

动态库DLL not found问题

随后安装对应的Python依赖：

pip install mecab-python3

随后导入到Mecab库可能会报DLL not found。

这是因为系统找不到Mecab的运行库libmecab.dll

此时，可以考虑将Mecab安装目录中的bin目录里的libmecab.dll拷贝到系统的C:/windows/system32目录中。

因为在Windows操作系统中，DLL文件是动态链接库文件，其中包含许多可供其他程序调用的功能。如果您想要让一个程序能够使用一个DLL文件，需要确保该DLL文件已经正确地安装到系统目录中，而system32就是Win11系统的动态库安装目录。

言而总之，将DLL文件放到C:\Windows\System32目录下可以让其对其他程序可见，但需要注意用户权限问题。

Mecab日语分词和词性解析

随后编写代码test.py:

import MeCab  

CONTENT = "私はpythonを使用して、プログラミングを勉強しています。積ん読"  

tagger = MeCab.Tagger()
parse = tagger.parse(CONTENT)  

print(parse)

运行结果：

PS D:\jiyun\积云\boo3_public> python -u "d:\jiyun\积云\boo3_public\mecab_test.py"
私      ワタクシ        ワタクシ        私-代名詞       代名詞                  0
は      ワ      ハ      は      助詞-係助詞
python  python  python  python  名詞-普通名詞-一般                      0
を      オ      ヲ      を      助詞-格助詞
使用    シヨー  シヨウ  使用    名詞-普通名詞-サ変可能                  0
し      シ      スル    為る    動詞-非自立可能 サ行変格        連用形-一般     0
て      テ      テ      て      助詞-接続助詞
、                      、      補助記号-読点
プログラミング  プログラミング  プログラミング  プログラミング-programming      名詞-普通名詞-サ変可能                  4
を      オ      ヲ      を      助詞-格助詞
勉強    ベンキョー      ベンキョウ      勉強    名詞-普通名詞-サ変可能                  0
し      シ      スル    為る    動詞-非自立可能 サ行変格        連用形-一般     0
て      テ      テ      て      助詞-接続助詞
い      イ      イル    居る    動詞-非自立可能 上一段-ア行     連用形-一般     0
ます    マス    マス    ます    助動詞  助動詞-マス     終止形-一般
。                      。      補助記号-句点
積ん読  ツンドク        ツンドク        積ん読  名詞-普通名詞-一般

可以看到这里将私はpythonを使用して、プログラミングを勉強しています。積ん読这个完整的日文句子切分成了单词，并且标注了词性，比如前文提到的積ん読这种词。

如果是大型的文本，也能以读文件的方式来进行切分和释义：

import MeCab  

FILE_NAME = "sample.txt"  

with open(FILE_NAME, "r", encoding="utf-8") as f:
    CONTENT = f.read()  

tagger = MeCab.Tagger()
parse = tagger.parse(CONTENT)  

print(parse)

注意这里读文件时需要声明编码是utf-8。

程序返回：

私      名詞,代名詞,一般,*,*,*,私,ワタシ,ワタシ
は      助詞,係助詞,*,*,*,*,は,ハ,ワ
python  名詞,一般,*,*,*,*,*
を      助詞,格助詞,一般,*,*,*,を,ヲ,ヲ
使用    名詞,サ変接続,*,*,*,*,使用,シヨウ,シヨー
し      動詞,自立,*,*,サ変・スル,連用形,する,シ,シ
て      助詞,接続助詞,*,*,*,*,て,テ,テ
、      記号,読点,*,*,*,*,、,、,、
プログラミング  名詞,サ変接続,*,*,*,*,プログラミング,プログラミング,プログラミング
を      助詞,格助詞,一般,*,*,*,を,ヲ,ヲ
勉強    名詞,サ変接続,*,*,*,*,勉強,ベンキョウ,ベンキョー
し      動詞,自立,*,*,サ変・スル,連用形,する,シ,シ
て      助詞,接続助詞,*,*,*,*,て,テ,テ
い      動詞,非自立,*,*,一段,連用形,いる,イ,イ
ます    助動詞,*,*,*,特殊・マス,基本形,ます,マス,マス
。      記号,句点,*,*,*,*,。,。,。

结语

Mecab最初由奈良先端科学技术大学院大学开发，目前由工藤拓（Taku Kudou）维护，作为Google日语输入项目的一部分。MeCab的名称源自开发者最喜欢的食物“mekabu”（和布蕪），这是一道由裙带菜叶制成的日本菜肴。

MeCab的优势包括准确的分析日语、快速的分析速度以及对不同操作系统的跨平台支持。 MeCab是日语文本处理的重要工具，为日语文本分析和处理提供了强大的支持。