MS-IMEの辞書登録データをAnthyの辞書へ移行

Windows の Microsoft IME で手動で辞書登録したデータを Debian Testing(wheezy) の Anthy の辞書として登録させるための作業を行った。全ユーザ向けではなく、個人ユーザで使えるように設定した。

なお、当初はスクリプトで処理しようかと思ったが、LibreOfficeでやってみた。

1. MS-IME で辞書データをテキストファイルとして保存する


2. MS-IME 辞書ファイルを LibreOffice で修正する
   (Anthy で利用できる Canna 辞書形式へ修正する)


3. 辞書ファイルを LANG=C でソートする


4. 辞書ファイルを ~/.anthy/imported_words_default.d/ 以下に置く

以上ですぐに Anthy で辞書データを使って変換できるようになる。


以下は手順の詳細
1. MS-IME で辞書データをテキストファイルとして保存する
1.1. MS-IMEの言語バーで[ツール]-[辞書ツール]をクリックする
1.2. 「Microsoft IME辞書ツール」ウインドウが起動したら、メニューバーの[ツール]-[一覧を抽出]を選択して保存する
参考：「Microsoft(R)IME」ユーザー辞書のバックアップと復元方法(テキストファイル形式)＜Windows Vista(R)＞

2. MS-IME 辞書ファイルを LibreOffice で修正する
2.1. 保存したテキストファイルの拡張子を.csvに変更する
　(LibreOfficeで開くときに判定できるように)
2.2. テキストファイルをLibreOfficeで開く
「テキストのインポート」ダイアログが表示されたら、文字列で「日本語(Shift-JIS)」を選択し、「区切りのオプション」で「タブ」にチェックを入れ、他のチェックをはずして「OK」をクリックする

2.3. 上から数行、不要な行が入っているので削除する
2.4. 2列目が「単語」、3列目が「品詞」になっているので列の順番を入れ替える。4列目以降があれば削除する

MS-IME:「読み」「単語」「品詞」（タブ区切り）
Canna: 「読み」「品詞」「単語」（スペース区切り）

2.5. 品詞の表記を書き換える
Canna辞書では以下のような表記をする

 #T35    一般名詞
 #T30    サ変名詞 (〜する)
 #KK     固有名詞
 #JN     人名
 #CN     地名

　　参考：Canna の使い方
2.7. 「読み」に「ひらがな」以外がある場合「ひらがな」にする
　Canna辞書では「ひらがな」以外の「読み」が使えないため。
　例えば、MS-IMEで「LibreOffice」の読みを「l」にしていたが、「りぶ」にした。

2.8. 必要なら頻度情報をつける
　数字が大きい方が変換候補の上にくるようだ。今回は特に付けなかった。

例：
いんくすけーぷ #KK*500 Inkscape
かしか #T30*500 可視化
かようせい #T35 可用性
りぶ #KK LibreOffice

2.8. LibreOfficeで 保存する
（UTF-8でスペース区切りにする）

1. メニューから[ファイル]-[名前をつけて保存]を選択する
2. 「保存」ダイアログで「フィルタ設定を編集する」にチェックして保存する
   


3. 「ファイルフォーマットの確認」ダイアログで、「テキスト CSV フォーマットを使用」をクリックする
4. 「テキストファイルのエクスポート」ダイアログで、文字列を「Unicode(UTF-8)」、フィールドの区切り記号を「空白」、テキストの区切り記号を「"」を削除（空欄に）してOKをクリックする
   

3. 辞書ファイルを LANG=C でソートする
4. 辞書ファイルを ~/.anthy/imported_words_default.d/ 以下に置く
ソートと配置を同時に行う

保存ファイル名が output1.txt.csv の場合の例：
$ env LANG=C sort output1.txt.csv > ~/.anthy/imported_words_default.d/dic.t

※辞書ファイルを編集しやすいようにリンクを作っておく

$ ln -s ~/.anthy/imported_words_default.d/dic.t ~/dic.t.csv

※辞書ファイルをLibreOfficeで再度編集した場合
"Microsoft Office"のように変換先文字列の途中にスペースがあるとLibreOfficeでは複数の列として読み込まれる。保存すると、他の行の行末に余分なスペースが入るので、削除する

$ cp ~/dic.t.csv test.t
$ sed -e 's/[ ]*$//' test.t > test.t2
$ env LANG=C sort test.t2  > ~/.anthy/imported_words_default.d/dic.t

参考サイト
日本語入力システム Anthy で個人辞書を追加する方法
MS-IMEで単語登録した辞書をAnthyに移行する方法と手順

Comments

[柳原]

手順どおりで辞書登録で出来ました。
ありがとうございます。

[端っこなひと]

柳原さん、コメントに気がつかずにすみません。
ありがとうございます。いまでも同じ手順でいけるのですね。

[坂本]

手順どおりで辞書登録で出来ました。
ありがとうございます。