印度學佛 教學研究第40巻第2號 OCRに よ る コ ン ピ ュ ー タ 大 蔵 経 の 構 築 清 OCRを 干成4年3月 水 光 幸 利 用 して コ ン ピ ュー タ に大 蔵 経 を 入 力 し, 検 索 用 コ ン ピ ュー タ大 蔵 経 と大 蔵 経 索 引 を 作 成 す る こ とを 目的 とす る。 (1) OCRに よ る大 蔵 経 入 力 ハ ー ド: NECPC-9801RA, プ ロ テ ク トメモ リ6MB以 上, NECPC-IN503G (320dpiイ メージスキャナ)・ バ ラ レル イ ン ター フエ ー ス ソフ ト:「 採 字 帳 」 日本 語 版 (1) 1頁1段 株 式 会 社 テ ッ クメ イ ト づ っ 読 み とって い き, 段 が 変 わ る毎 に手 動 で巻 ・頁 ・段 デ ー タを 入 力 す る。 (巻 数 デ ー タを 入 力 す る例) (巻 数 を 入 力 しない 例) 48, 427, bま た は48, 427b427, bま た は427b (2) 注 釈 番 号 は 全 角 アス タ リス ク *に 変 換, 返 り点 は半 角 ス ラ ッシ ュ/に 変 換 し, 自動 的 に除 去 す る。 (3) 読 み取 り速 度 は, Urs App 1行 約20秒, 1頁 あ た り平 均30分。 読 み取 り用 辞 書 は, 氏 に よって 「大 正 大 蔵 経 フ オ ン ト辞 書 」(基 本辞書 として約2500字) 作成 され て い る。 読 み取 り文 字 数 は 最 大4000字, が 異 形 同 字 ・同 形 異 字 な ど も登 録 で き る。 (4) JISに 含 まれ な い外 字 につ い て は, デ ー タ交 換 のた め に一 括 して ◎で 代替 す る が, 個 人 的使 用 の範 囲 で は, 使 用 して い るMS-DOSの 録 す る か, 全 角 文 字ABCな 可 能 な範 囲 で 外字 登 どで 代用 して お くこ とに よ り区 別 して 検 索す る こ とが 可 能 とな る。 さ らに 外字 フ ァイ ルGJ. DATに 登 録 して お くこ とに よ り, 索 引 に取 り込 む こ とが で きる。 (5) 大 蔵 経48巻 「宗 鏡 録 」百 巻 の うち26巻 約125頁 を 入 力 した が, 登 録文 字 数 は 3000字 余 りで あ り, 4000字 の範 囲 で は 大蔵 経 の か な りの 部分 を カバ ーで きる と 思わ れ る。 (OCRに よる 入 力 デ ー タ例) -854- (234) OCRに 48, 417, b: よる コンピュータ大蔵経 の構築 (清 水) こ の部 分 をOCR中 に マ ニ ュア ル で入 力。 *宗鏡 録 巻 第 一 標宗章第一 詳 夫。 祖 標輝 理。 傳 黙 契 之正 宗。 佛 演 教 門。 立 詮 下 之 大 旨。則 前 賢 所 稟語 學 有鋸。 是 以 先 列 標宗 章。 爲 有 疑 故 問。 以 決疑 故 答。 因 問而 (2) 検 索 用 デ ー タ作 成 ソフ ト (A.EXE) 必 要 プ アイ ル: 説 明 (著作権者) A.EXE: ア レ ンジ プ ログ ラ ム (筆者) DELCHR.DAT: 削 除 文 字 フ アイ ル (書換 自由) (1) OCRに よ って 入 力 され た デ ー タは 行 末 が 句 点 で 揃 って い な い た め, 最終 句 点 以 後 の行 末 デ ー タを 次 の行 に送 り, 正 確 な 語 彙 検 索 が 出 来 る よ うにす る。 (2) デ ー タ中 の不 要 な 文 字、 例 え ば 半 角 空 白 ・全 角 空 白 ・返 り点 記 号/・ 縦 棒-・ 脚 注 代 替 記 号 *な どは, 削 除 文 字 フ ァイ ルDELCHR.DATに 登 録 して お くこ とに よ り自動 的 に 削 除 され る。 (3) 1行 中 に句 点 が な い場 合 は次 の行 に結 合 され, 記 号 「∼」で 行 数 を 表 示 す る。 後 に記 号 「∼」を検 索 し, 適 切 な位 置 に句 点 を施 す こ とが 容易 とな る。 (4) 15文 字 以 内 で, 行 末 に句 点 が な い場 合 は 自動 的 に行 末 に句 点 を付 加す る。 (5) 5言 お よび7言 の繰 り返 しに よる詩 の場 合 は, 自動 的 に5文 字 ご と7文 字 ご とに句 点 を付 加 す る。 (6) 検 索 用 デ ー タ作成 ソ フ トA.EXEの 使 用 法 は, Aと 入 力 して,「 入 力 デ ー タ フ ァイル 名 」 と 「出力 フ ァイ ル名 」 の問 い合 わ せ に答 え る だ け で あ る。 巻 数 を 入 力 して な い場 合 は, 自動 的 に問 い合 わ せ が あ る の で, 必 要 に応 じてそ れ に答 え る。 (7) 処 理 時 間 は, 大 蔵 経125頁 分 で約6分, 1000頁 で も1時 間 はか か らな い。 (8) 出力 デ ー タの形 式 (=検 索用 コン ピュータ大蔵経 の形式) は, <巻 数, 頁 段 行, 前 の行 か ら受 けた 漢 字 数, 行 デ ー タ, 後 の 行 に 送 る漢 字 数> とな る。 (出 力 例) 48, 417b1, 0, 宗鏡 録 巻 第 一。,0 48, 417b2, 0, 標 宗 章 第 一。,0 -853- (235) OCRに よる コ ン ピ ュー タ大 蔵 経 の構 築 (清 水) 48, 517b3, 0, 詳 夫。 祖 標 暉 理。 傳 黙 契 之 正 宗。 佛 演 教 門。,1 48, 417b4, 1, 立 詮 下 之 大 旨。 則 前 賢 所 稟 後 學 有 簾。,3 48, 417b5, 3, 是 以 先 列 標 宗 章。 爲 有 疑 故 問。 以 決 疑 故 答。,3 48, 417b6, 3, 因 問 而 疑 情 得 啓。 因 答 而 妙 解 潜 生。,6 こ の 出 力 形 式 は, Urs (3) App 氏 の 提 案 を 採 用 さ せ て 頂 い た。 各 種 の検 索 方 法 A.EXEに よ っ て 作 成 した デ ー タ は, フ リー ウ ェ ア (著作 権 は保 持 す るが 無 料 で 配 布 され る ソ フ ト) と し て パ ソ コ ン通 信 で 配 布 さ れ て い るGREP, RER, JGAWK, 場 合, 約2秒/大 JPERLな FGREP, CG ど に よ り, 高 速 か つ 便 利 に 検 索 で き る。FGREPの 蔵 経100頁。 行 単 位 で 正 規 表 現 を 用 い た 多 重 検 索 が 可 能。 ま た テ キ ス トデ ー タ ベ ー ス 「パ ワ ー サ ー チ 」(株 式 会 社 ア シ ス ト) は, 同 義 語 ・類 義 語 の シ ソ ー ラ ス 検 索 を 可 能 と し, 省 略 の 多 い 人 名 や 書 名 の 検 索 に 便 利 で あ る。 コ ン マ 区 切 りの フ ァ イ ル の た め, リ レ ー シ ョナ ル デ ー タ ベ ー スdBASEな デ ー タ と し て 取 り込 む こ と も 出 来 る が, grep (4) どの 類 の 検 索 に 比 べ か な り遅 く な る。 大 蔵 経 索 引 作 成 ソ フ ト (I.COM) 必 要 フ ァ イ ル: 説 明 (著 作 権 者, 特 に 記 して な い もの は 筆者) I.COM: 起 動 プ ロ グ ラ ム (筆 者 作 成 後, 清 水洋 平 氏 の batcp を 使 用) INDEX1.EXE: イ ン デ ッ ク ス プ ロ グ ラ ム1 1NDEX2.EXE: イ ン デ ッ ク ス プ ロ グ ラ ム2 1NDEX3.EXE: イ ン デ ッ ク ス プ ロ グ ラ ム3 ADDKINFO.EXE: 漢 字 情 報 付 加 プ ロ グ ラ ム (豊 島 正 之 氏) SORTF.EXE: 並 べ 換 え プ ロ グ ラ ム (豊 轟 正 之 氏) GJ.DAT: 外 字 プ ア イ ル (書換 自由) DELCHR.DAT: 削 除 文 字 フ ア イ ル (書換 自由) YDICCHR.USR: 大 漢 和 漢 字 デ ー タ フ ァ イ ル (豊 島 正 之 氏, 金 水 敏 氏, 古 田啓 氏 の もの を加 工) (1) こ れ ら の フ ァ イ ル は 全 て カ レ ン ト ドラ ィ ブ に 置 く。 元 の フ ァ イ ル の20倍 以 上 の デ ィ ス ク 容 量 を 必 要 とす る の で, 大 容 量 の ハ ー ドデ ィ ス クが 必 要。 (2) 大 蔵 経 索 引 作 成 ソ フ トI.COMの 使 用 法 は, Iと 入 力 し て, 「入 力 デ ー タ フ ァ イ ル 名 」 と 「出 力 フ ァ イ ル 名 」 の 問 い 合 わ せ に 答 え る だ け で あ る。 -852- OCRに よるコ ンピュータ大蔵経 の構築 (清 (3) 処 理 時 間 は, 大 蔵 経8頁 分 が約5分。MACに 水) (236) よる80頁 の 印刷 物 と して の 出 力 ま で を あわ せ て30分 で終 了 した。 こ れ は, Urs App 氏 の 「六 祖 壇 経 」 に よ る実 験 で確 認 され た。 (出 力 例) 【一】 難 解。 是 第 ○之 説。 備 最417b7 以 佛 眼 観 ○切 十 方/國417b22 伽 経 偶 云。 ○切 方 不/生417b16 方/國 土 中○切 物。 尚 不417b23 設 有 ○解 ○悟。 皆 是 落417b21 宗 鏡録 巻 第 ○/標 宗 章 第417b1 (4) この 索 引 は キ ー とな る 漢 字 を ○で 表 し, そ の 前 後 に 漢 字5文 字 を 伴 う。キ ー 漢 字 以後 の5文 字 も (行末記号/を 自動 的に無視 して) 大 漢和 番 号 順 に 並 べ られ て お り, キ ー漢 字 を 含 む6文 字 以 内 の熟 語 はす べ て 同 一 箇 所 に ま と ま る。 した が って 一 字 索 引 と熟 語 索 引 を 兼 ね て い る。 (5) 外 字 の扱 い は全 角 文 字ABCabcな どで代 用 し, 大 漢 和 にあ る場 合 はそ の 番 号 を, 大 漢 和 に な い場 合 は適 切 な番 号 を6桁 に そ ろ え て, GJ.DATに して お く こ とに よ り, 索 引 の 適 切 な位 置 に挿 入 され る。(A123456, 登録 b23456 7な ど) た とえ ば 「一 太郎 」 な どで外 字 登 録す る と, か な り の 外 字 漢 字 が 印刷 可 能 とな る。 以上 の拙 作 ソ フ ト 「大蔵 経 ユ ーテ ィ リテ ィ ーVer1.0」 際 禅 学 研 究 所 Urs App リエ ン トのOSLコ 他 各 種 は, 花 園大 学 国 副 所 長 の ご協 力 に よ り, ま たNECPC-VANSIGオ ー ナ ーお よび コス モ ス に て無 料 で配 布 され て い る。 な お, 拙 作 「サ ンス ク リ ッ トユ ーテ ィ リテ ィーVer0.75」 も, 清 水 公 庸 氏 ・町 田和 彦 氏 ・ 京 都 ハ ーバ ー ド各 入 力 方 式 に対 応 した 検 索 用 デ ー タ作 成 ソ フ ト ・索 引 作 成 ソフ ト (サ ンス ク リット辞書順) と して, SIGオ リエ ン トで 無 料 公 開 した。 引 続 き バ ー リ 語 ・チ ベ ッ ト語 の ユ ー テ ィ リテ ィーを 無 料 公 開 す る予 定 であ る。 以 上 の ソフ トは す べ て フ リー ウ ェア で あ る。 <キ ーワー ド> OCR, コンピュータ大蔵経, 大蔵経索引 (駒込学園教諭) -851-
© Copyright 2024 ExpyDoc