Migemo: ローマ字のまま日本語をインクリメンタル検索

Migemo とは?

Migemo はローマ字のまま日本語をインクリメンタル検索するためのツールです。かな漢字変換をすることなく日本語のインクリメンタル検索を快適に行うことができます。

必要なもの

Emacs
Emacs 20.7, 21.2.1, XEmacs 21.4 で動作確認しています。
APEL
おそらく必要です。
Ruby 1.6以降
Ruby/Romkan
Ruby/Bsearch

使い方

gzip -dc migemo-xxx.tar.gz | tar xvf -
でソースを展開し、 migemo-xxx ディレクトリへ移動。
./configure && make && make install
で migemo をインストール
~/.emacs に (load "migemo.el") を追加する
migemo.el を読み込むと C-s, C-r (isearch-{forward,backward}) でローマ字のまま日本語をインクリメンタル検索できるようになります
元に戻すには M-x migemo-toggle-isearch-enable

Emacs 側でのキャッシュを有効にする

Emacs 側でのキャッシュを有効にする場合は次のような設定を .emacs に加えます。

(setq migemo-use-pattern-alist t)
(setq migemo-use-frequent-pattern-alist t)

C/Migemo を利用する

C/Migemo を使う場合は次のような設定を .emacs に加えます。

(setq migemo-command "cmigemo")
(setq migemo-options '("-q" "--emacs" "-i" "\a"))
(setq migemo-dictionary "somewhere/migemo/euc-jp/migemo-dict")
(setq migemo-user-dictionary nil)
(setq migemo-regex-dictionary nil))

提供される関数

M-x migemo-forward
前方に migemo (ローマ字のまま日本語をインクリメンタル検索) する
M-x migemo-backward
後方に migemo (ローマ字のまま日本語をインクリメンタル検索) する
M-x migemo-toggle-isearch-enable
isearch-{forward,backward} へのラッパーを on/off
M-x migemo-expand-pattern
カーソル位置の左側のローマ字列を migemo の正規表現に展開する

スクリーンショット

連文節の検索

「連文節の検索」のような複数の文節にまたがる言葉を検索するときは SKKと同様に "renbunsetuNoKensaku" のように文節の先頭を大文字で入力します。

全角英数字の検索

"３ａ："をインクリメンタル検索しているところ。ASCII の "3a:" で検索可能。

気が利いている点

ASCII の文字をインクリメンタル検索できる
"bb || !bb" のような文字列を普通に検索できる
ひらがな、カタカナをインクリメンタル検索できる
"aiueo" で "あいうえお", "アイウエオ" をインクリメンタル検索できる
全角英数字に対応
"abc123=+-" で "ａｂｃ１２３＝＋−" をインクリメンタル検索できる
英語の綴りでカタカナ語をインクリメンタル検索できる
辞書に登録されている単語だけです。例: software, internet
行をまたぐ検索ができる
ローマ字はヘボン式と訓令式の両方に対応
のつもりだけど、完璧ではないでしょう。処理はどろどろしている。
nn と n' に対応
「ん」は nn または n' と打てます。安全なときは n と打てます。例:
反応: hannnou, han'nou
漢字: kanji, kannji, kan'ji

既知の問題

用言の対応はいいかげん
活用は対応していない。tae で「耐え」は検索できない。
辞書に載っていない単語は検索できない
ひらがな、カタカナ、英数字記号は大丈夫
複数の語からなる文字列を検索するときは制限がある
たとえば「動詞の対応」を検索するには DousiNoTaiou のように文節を先頭を大文字にする必要がある
実用的な速度で動くが、やはりちょっと遅い
いまどきの計算機なら不満はない。
isearch-backward が不安定
これは根が深い問題です。ラッパーを改良する必要があります。
- 行をまたぐ検索ができない
- 英語の綴りによる検索が不完全
  "soft" まではいいが "softw" で失敗する。

仕組み

仕組みは簡単です。利用者が 1文字入力するたびに、ローマ字列から正規表現を生成して、それで検索するという力技な方法です。ここでは "nez" を例として説明します。まず、辞書を引いて候補を抽出します (実際には辞書引き以外の処理も施します)。次の正規表現は候補をすべて"\|" でつないだものです。

    nez\|ｎｅｚ\|ねざ\|ネザ\|ねじ\|ネジ\|ねず\|ネズ\|ねぜ\|
    ネゼ\|ねぞ\|ネゾ\|ねっ\|ネッ\|根差\|根魚\|根崎\|寝醒め\|
    根差し\|寝惚\|寝相\|根津\|禰津\| 鼠\|鼡\|鼠色\|鼠男\|鼠
    達\|鼠取\|捻\|捩\|螺\|捻子\|螺子\|捩子\|ネジ\|拗\|捻じ伏
    \|捩じ込み\|根占\|捩じり鉢巻き\|捩り鉢巻き\|根城

この正規表現には、「鼠」「鼠色」「鼠男」のように「鼠」から始まる候補がたくさんあります。これらは1つの「鼠」にまとめられます。また、「寝」「螺」のような 1文字の候補は文字クラスとしてまとめられます。このようにして正規表現を短くすると、 Emacs の [Regular Expression too big] というエラーを防げます。ほかの候補についても同様の処理を施すと、次の正規表現になります。

    [鼠捻螺拗捩鼡]\|nez\|ｎｅｚ\|ね[ざじずぜぞっ]\|ネ[ザジズ
    ゼゾッ]\| 根[魚差崎城占津]\|寝\([惚相]\|醒め\)\|禰津

行をまたぐ検索を実現するために、1文字ごとに "\s *" を埋めむと、次の正規表現ができあがります。

  [鼠捻螺拗捩鼡]\|n\s *e\s *z\|ｎ\s *ｅ\s *ｚ\|ね\s *[ざじずぜ
  ぞっ]\|ネ\s *[ザジズゼゾッ]\|根\s *[魚差崎城占津]\|寝\s *\
  ([惚相]\|醒\s *め\)\|禰\s *津

Emacs の "\s " の意味はモードによって変わります。モードによっては行をまたぐ検索ができないことがあります。

と、上のように正規表現を生成する処理を Ruby/Migemo が担当します。Emacs とは双方向パイプで通信します。辞書は SKK のSKK-JISYO.L を加工したものを利用します。

高速化のために、"a", "k", "s", "t", n", "ka", "sa", "ta", "na" などの短い文字列に対しては、あらかじめ生成した正規表現をキャッシュしています。

ところで、ローマ字のまま日本語をインクリメンタル検索する別の方針として、検索するたびにバッファの内容全体をローマ字に変換し、それに対して検索するという方法が考えられます。この方法は、テキストが大きくなると破綻します。

KAKASI -Jj -Kj -Hj で 100 KB のテキストファイルをローマ字に変換すると、Pentium MMX 266 MHzの手元の計算機では初回に約 4 秒、次回からは約 2秒かかります。isearch で2秒も待たされてはストレスがたまります。 (筆者は 100 KB超のテキストファイルを頻繁に編集します)