aozorawing

[メッセージ #75720 への返信]
大久保様

> Project GutenbergのEPWING化は、実は昨年試していて、こっそり公開しています。
>
> https://sourceforge.jp/projects/aozorawing/releases/61500
>
> gutenwing-140630.zip　は、人気作100作（英語作品のみ）＋αのテキストだけをEPWINGにしたものです。
> 青空WINGの作品テキストだけのもの（作家別用例辞典でも、てにをは辞典でもないもの）に相当します。
> 解凍したしたフォルダ直下に 外字置換ファイルも一応あります。
>
> gutenwing-plus-140630.zip は、それに作家別用例辞典風に工夫をした(動詞は原型で検索できるように)ものです。"ask him" の検索で "ask him", "asked him" などの文例が見つかります。

さすが大久保様、トライ済みとは感服の至りです。
早速、ダウンロードして御例示の"ask him"で動作確認をしたところ、gutenwing-140630では完全一致、全文一致両検索は件数0、全文検索はOK、gutenwing-plusはいずれもokでした。

> 某所でこっそり告知してみたのですが、あんまり（とういうか全然）反響が無かったので、それっきり放置していました。
> 英語のコーパスに関しては、ネット上に多機能なものが多種多様にありますので（かなり高度なものまで）、EPWINGで単機能のものを作ってもあんまり意味はないのかなと思っております。

確かに、英語コーパスは豊富ですが、フランス語コーパスは少ないように見受けられます。gutenwing-plusに収録されているフランス人の著作のうちフランス語原文もあるのは、今のところ、Victor Hugo, "Les misérables"、Guy de Maupassant, "Œuvres complètes de Guy de Maupassant"、Alexandre Dumas, "Le Conte de Monte-Cristo"、Voltaire, "Candide"です。
当面、前記著作フランス語のEPWING化を行っていただくと、私も含めフランス語愛好者に役立つことを確信いたします。

> ちなみに、昨年6月の時点でProject Gutenbergのテキストをできる限りダウンロードしたら、１２ＧＢにもなりました。
> 経験上、EBStudioでEPWINGにできるのは 900MB くらいの HTML ファイルまでです（どういう理由でこの制限があるのかは分かっていません）。仕方がないので作品の取捨選択をしようとしたものの、どう選別すればいいのか私にはわからず、結局ダウンロード数の多い人気作ベスト100が Gutenberg のサイトにありましたので、それらの作品（＋α）程度でまとめました（ただし英語のみ。スペイン語のドンキホーテとかラテン語のPrincipiaとかイタリア語の君主論とかは除きました）。
>
> 青空文庫のテキストファイルは、仕様が厳格で機械処理しやすかったのですが、Gutenbergのほうは ASCII/いろいろなヨーロッパの文字コード/UTF-8などが入り乱れ、UTF-8でも?に文字化けしているものもあり、HTMLの形式もバラバラでした。作品も短いものもあれば、「聖書」全部で一ファイル（欽定訳の旧約・新約全部）まであり、同じように処理するのは無理がありました。
>
> また、今日、昨年作ったダウンロードプログラムをちょっと動かしたら、プログラムによるダウンロードの制限が厳しくなったらしく、数作品ダウンロードした後に、CAPTCHAによる認証を求められて進みませんでした。
> 作品ファイルは、機械ダウンロード用に公開されているFTPサーバーからダウンロードしているのですが、一部のファイルはそこになく、仕方がないのでブラウザで参照するHTMLファイルを直接ダウンロードしたのが良くなかったようです。
> この辺りのファイル管理も青空文庫に比べると、ファイルのパス名などの仕様も厳密ではなく（大文字小文字、.htm/.htmlの違いなども）、単純な機械処理の繰り返しで済まないのが厄介です。

御苦労なさったことがよく分かります。

> なお私はフランス語の「研究」などいたしておりません（笑）。そんなレベルには一生到達しません。するわけがありません！
> 来週末に初級クラスの期末試験です。複合過去・半過去・単純未来の語尾変化に頭を抱えています・・・・
> バルザック、ああ、恥ずかしながら名前だけですね。すみません。まあ、EPWINGを出すとき、それじゃ恥ずかしいかと思い、シェイクスピアの四大悲劇などを読んだり、源氏物語のあらずじ版を読んだり、オデュセイアを読んでみたり、いろいろ読むきっかけにはなっています。
> というわけで『ゴリオ爺さん』くらい読んでみますね。もちろん和訳で。

期末試験に合格されますように心からお祈り申し上げます。
なお、『ゴリオ爺さん』は、世界的なベストセラーとなった〖21世紀の資本〗（トマ・ピケティ著）にも引用されており、Project Gutenbergでは英語版が公開されています。