【Python入門】MeCabで形態素解析！自然言語処理を始めよう【初心者向け】

はじめに｜自然言語処理に興味がある人へ

こんにちは！
突然ですが、こんなことを思ったことはありませんか？

• 「人の言葉をプログラムで分析できたら面白そう！」
• 「チャットボットってどうやって日本語を理解してるの？」
• 「AIが文章を読んだり書いたりするって、どういう仕組みなの？」

実は、こういった“人の言葉（自然言語）をコンピューターで扱う技術”のことを、「自然言語処理（NLP）」といいます。
そしてその第一歩になるのが、**「形態素解析（けいたいそかいせき）」**という作業なんです。

形態素解析は、簡単に言うと「文章を単語ごとにバラバラに分けて、それぞれの意味や種類を調べること」。
たとえば、「私はペンを持っています」という文を、「私」「は」「ペン」「を」…のように分けて、それぞれが名詞なのか動詞なのか、という情報まで取り出すことができます。

---

この技術を使えば、

• テキストからキーワードを取り出したり
• 検索エンジンで使われたり
• AIチャットボットが言葉を理解する手助けになったり

と、いろんな場面で活用できるようになります。

この記事では、Pythonで人気の形態素解析ツール「MeCab（メカブ）」を使って、
実際に形態素解析を試してみる方法をやさしく解説していきます。

「パソコンが日本語をどうやって理解してるの？」
そんな疑問を持っている人に、ピッタリの内容です！

「自然言語処理」や「AI」に少しでも興味がある方は、ぜひこの機会にMeCabを触ってみましょう！
Pythonの基本がわかる方なら、誰でも試せる内容になっているので安心してくださいね♪

---

1. 形態素解析とは？

まずは、形態素解析（けいたいそかいせき）って何なのか、カンタンに説明しますね。

■ 文章を“単語のかたまり”に分けるしくみ

形態素解析とは、文章を「意味のある単位＝単語」に分ける処理のことです。
たとえば、この文章：

昨日の夜ごはんはカレーでした

これを形態素解析すると、こうなります。

昨日｜の｜夜ごはん｜は｜カレー｜でした

1つの文が、意味のある小さなパーツに分かれていますね！
さらに、それぞれの単語が「名詞」「助詞」「動詞」など、どんな役割を持っているか（品詞）も分かります。

• 「昨日」→ 名詞（時間）
• 「は」→ 助詞
• 「でした」→ 助動詞（「です」の過去形）
  …といった具合です。

■ なぜ必要なの？

日本語って、単語と単語の間にスペースがないんです。
たとえば英語では「I love curry」のようにスペースで区切られていますが、
日本語では「アイラブカレー」って全部くっついてる感じ。

そのままじゃプログラムには意味が伝わりません。
だからまずは、「どこで区切ればいいのか」「どの単語がどんな意味を持ってるのか」を教えてあげる必要があるんですね。

■ 形態素解析を使うとできること

形態素解析ができると、こんなことができるようになります：

• 名詞だけを抜き出してキーワードリストを作る
• ユーザーが入力した文章の意味を分析して検索精度を上げる
• AIチャットボットが文を理解する手助けになる

---

2. MeCabのインストールと環境構築（OS別）

ここからは、実際にPythonでMeCabを使うための準備をしていきます！

「難しそう…」と思った方も大丈夫！
手順どおりに進めれば、誰でもMeCabを使えるようになりますよ！

---

✅ ステップ1：Pythonのバージョンを確認しよう

まずは、お使いのPythonのバージョンを確認します。
MeCabをPythonで使うには、「Python 3.6以上」が必要です。

python --version

とターミナル（またはコマンドプロンプト）に打って、バージョンが「3.6」以上ならOK！

---

✅ ステップ2：pip（パッケージ管理ツール）のバージョンもチェック

つづいて、Pythonのライブラリをインストールするために必要な「pip」のバージョンもチェックします。

pip --version

もし古かったら、以下のコマンドで最新版にアップデートしましょう。

pip install --upgrade pip

---

💻【Windowsユーザー向け】インストール手順

Windowsでは、MeCabの本体を別でインストールする必要があります。

① Microsoft Visual C++のインストール（重要）

MeCabはC++で作られているため、「Visual C++ ランタイム」が必要です。
以下のリンクからダウンロードして、64bit版をインストールしてください。

🔗 Microsoft公式ページ（Visual C++ 再頒布可能パッケージ）

---

② MeCab本体のインストール

1. 以下のGitHubページから、64bit対応のMeCabインストーラーをダウンロードします。
   　（※「mecab-setup.exe」のようなファイル）

🔗 Unofficial Windows Installer for MeCab

2. インストーラーを実行し、**文字コードは「UTF-8」**を選んでインストール。
3. インストール先のフォルダー（例：C:\Program Files\MeCab）をメモしておきましょう。

---

③ 環境変数を設定しよう（少しだけPCの設定）

MeCabをPythonから使えるようにするには、「環境変数」にMeCabのパスを追加する必要があります。

1. スタートメニューで「環境変数」と検索 → 「システム環境変数の編集」をクリック
2. 「Path」を選んで編集
3. MeCabのインストール先（例：C:\Program Files\MeCab\bin）を追加！

これで、MeCabのコマンドがどこでも使えるようになります。

---

🍎【Macユーザー向け】インストール手順

Macは比較的カンタンです。Homebrewが使えれば、以下のコマンドで一発！

brew install mecab

まだHomebrewを使ったことがない方は、Homebrew公式サイトを見ながらインストールしてください。

---

✅ ステップ3：Python用のMeCabライブラリをインストール

PythonからMeCabを使うには、「mecab-python3」というライブラリをインストールします。

pip install mecab-python3

---

✅ ステップ4：辞書をインストールしよう（おすすめ：Unidic-lite）

MeCabは辞書がないと動きません。
デフォルトでIPA辞書が使われますが、初心者には軽量なUnidic-liteがおすすめです。

pip install unidic-lite

これで準備完了！🎉

---

✅ ここまでのまとめ

ステップ	内容	補足
1	Pythonのバージョン確認	3.6以上が必要
2	pipの更新	最新にしよう
3	MeCab本体のインストール	Windowsのみ必要
4	環境変数の設定	Windowsのみ必要
5	mecab-python3をインストール	Pythonで使えるように
6	Unidic-liteのインストール	軽くて手軽な辞書

---

3. PythonからMeCabを使う方法

準備が整ったら、いよいよPythonのコードでMeCabを使ってみましょう！

ここでは、基本的な形態素解析と、よく使う「分かち書き」について紹介します。

---

✅ MeCabの基本：Taggerオブジェクトを作る

まずは、MeCabをインポートして、解析のための“Tagger（タグ付け）”というオブジェクトを作ります。

import MeCab

tagger = MeCab.Tagger()  # デフォルトの設定

これで、形態素解析の準備OKです！

---

✅ 文を解析してみよう

次に、parse() メソッドを使って、文章を解析してみましょう。

text = "昨日の夜ごはんはカレーでした"
result = tagger.parse(text)
print(result)

🔍 出力される内容（一部例）：

昨日	名詞,副詞可能,*,*,*,*,昨日,キノウ,キノー
の	助詞,連体化,*,*,*,*,の,ノ,ノ
夜ごはん	名詞,一般,*,*,*,*,夜ごはん,ヨルゴハン,ヨルゴハン
は	助詞,係助詞,*,*,*,*,は,ハ,ワ
カレー	名詞,一般,*,*,*,*,カレー,カレー,カレー
でした	助動詞,*,*,*,特殊・デス,過去形,です,デシタ,デシタ
EOS

1行ずつが「単語」とその情報（品詞など）に分かれて出力されています！

---

✅ 分かち書きで“単語だけ”を取り出す

分かち書きとは、単語ごとに空白を入れて出力する方法です。
これは機械学習などでもよく使われます！

tagger_wakati = MeCab.Tagger("-Owakati")
wakati_result = tagger_wakati.parse(text)
print(wakati_result)

出力例：

昨日 の 夜ごはん は カレー でした 

✅ リスト形式にしたい場合

split() を使えば、単語をリストに変換できます！

word_list = wakati_result.split()
print(word_list)

出力：

['昨日', 'の', '夜ごはん', 'は', 'カレー', 'でした']

こうしてリスト形式にすれば、あとで「名詞だけを取り出す」などの加工がしやすくなります！

---

🔚 このセクションのまとめ

内容	方法
通常の解析	tagger.parse(テキスト)
分かち書き	MeCab.Tagger('-Owakati')
単語リスト取得	.split() を使う

---

4. 特定の品詞だけを取り出す方法

ここでは、文章の中から「名詞だけ」や「動詞だけ」など、特定の品詞を取り出す方法を紹介します！

キーワード抽出やタグ生成などでとても役立つテクニックです！

---

✅ Node（ノード）を使う方法

MeCabでは、parseToNode() というメソッドを使うと、文章を単語ごとの「ノード（Node）」として扱えます。

各Nodeには、

• surface（表面の文字列）
• feature（品詞などの情報）

といった属性があるので、細かく処理できます。

---

🔍 例：名詞だけを抽出するコード

import MeCab

text = "昨日の夜ごはんはカレーでした"
tagger = MeCab.Tagger()
node = tagger.parseToNode(text)

while node:
    word = node.surface  # 単語そのもの
    features = node.feature.split(',')  # 品詞などの情報がカンマ区切りで入っている
    part_of_speech = features[0]  # 最初の要素が「品詞」

    if part_of_speech == "名詞":
        print(word)

    node = node.next  # 次の単語に進む

出力：

昨日
夜ごはん
カレー

このように、品詞が「名詞」の単語だけが取り出せました！

---

✅ よく使う品詞一覧

品詞	説明
名詞	モノやコト（例：カレー、昨日）
動詞	動作や状態（例：する、食べる）
形容詞	性質や状態（例：大きい、すごい）
助詞	文のつなぎや補助（例：は、が、を）
記号	句読点や絵文字など（例：！、😊）

---

✅ 応用：名詞のリストを作ってまとめて処理

nouns = []

node = tagger.parseToNode(text)
while node:
    word = node.surface
    features = node.feature.split(',')
    if features[0] == "名詞":
        nouns.append(word)
    node = node.next

print(nouns)

出力：

['昨日', '夜ごはん', 'カレー']

このように、必要な品詞だけを抽出してリスト化しておけば、あとでCSVに保存したり、キーワード分析に使ったりと、いろんな活用ができますよ！

---

🔚 このセクションのまとめ

やりたいこと	方法
品詞ごとに処理したい	parseToNode() を使う
名詞だけを取り出す	features[0] == "名詞" で判定
単語の表記を取得	node.surface を使う

---

5. MeCabの辞書に単語を追加する方法

たとえば「ドラゴンボール」のような**複合語（作品名・固有名詞など）**が、
うまく一つの単語として認識されないときに使えるのが、自作辞書の追加です。

MeCabでは、辞書に好きな単語を追加して、きちんと一語として扱わせることができます！

---

✅ どんなときに辞書を追加する？

• 固有名詞（アニメ名・商品名など）が途中で分かれてしまう
• 自分だけの専門用語を一語で扱いたい
• より精度の高い解析をしたい

---

🔧 手順1：CSVファイルを作成しよう

まずは、追加したい単語の情報をCSV形式で記述します。

▶ 例：「ドラゴンボール」を登録したい場合

ファイル名：dict.csv
内容（1行）：

ドラゴンボール,,,,,名詞,固有名詞,一般,*,*,*,ドラゴンボール,ドラゴンボール,ドラゴンボール

これで「ドラゴンボール」という単語が、**固有名詞（名詞）**として認識されるようになります！

---

🔍 手順2：辞書の場所を確認

✅ Unidic-liteの場所を調べる

pip show unidic-lite

この中の Location: を確認して、
そのフォルダの中にある unidic_lite のパスをメモしておきましょう。

---

💡 手順3：辞書ファイル（.dic）を作成する

次に、ターミナルまたはコマンドプロンプトで以下を実行します。

【Windowsの場合】

mecab-dict-index -f utf8 -t utf8 -d <辞書フォルダのパス> -u db.dic dict.csv

【Macの場合】

/usr/local/bin/mecab-dict-index -f utf8 -t utf8 -d <辞書フォルダのパス> -u db.dic dict.csv

これで db.dic という辞書ファイルが新しく作成されます。

---

🧪 手順4：Pythonで新しい辞書を使ってみよう

import MeCab

# 作成した辞書ファイルへのパス
new_dict_path = "C:\\path\\to\\your\\unidic_lite\\db.dic"
tagger = MeCab.Tagger(f"-Owakati -u {new_dict_path}")

text = "僕はドラゴンボールが大好きです"
result = tagger.parse(text).split()
print(result)

▶ 出力例：

['僕', 'は', 'ドラゴンボール', 'が', '大好き', 'です']

辞書を使わなかった場合はこうなる可能性があります：

['僕', 'は', 'ドラゴン', 'ボール', 'が', '大好き', 'です']

MeCabが「ドラゴン」と「ボール」に分けてしまうのを防げます！

---

🔚 このセクションのまとめ

手順	内容
1	CSVで単語を定義（例：「ドラゴンボール」）
2	Unidic-liteの辞書フォルダを調べる
3	mecab-dict-index で新しい辞書を作成
4	-u オプションで新辞書をMeCabに読み込ませる

---

6. まとめ｜MeCabで自然言語処理を始めよう

おつかれさまでした！
ここまでで、PythonとMeCabを使った形態素解析の基本がしっかり理解できましたね。

✅ 今回学んだことをふりかえってみましょう：

• 形態素解析とは？
  　文章を単語ごとに分けて、それぞれの品詞や意味を調べる処理です。
• MeCabを使うメリット
  　日本語の文章を正確かつスピーディーに解析できる、定番の解析ツールです。
• Pythonでの使い方
  　mecab-python3ライブラリと、分かち書きや品詞判定の基本的なコードを紹介しました。
• 名詞だけを取り出す方法
  　parseToNode()とnode.featureを使って、特定の品詞だけを抽出する方法を解説しました。
• 独自辞書の追加方法
  　「ドラゴンボール」のような複合語も、自作辞書でしっかり認識させることができましたね！

---

🎯 MeCabを使えば、あなたの自然言語処理の世界が広がる！

MeCabを使えるようになると、検索、分類、要約、AIチャットボット、テキストマイニングなど、
さまざまな自然言語処理の分野に一歩踏み出すことができます。

Pythonの力と合わせれば、あなたも日本語を理解するアプリを作れるようになりますよ！

---

あわせて読みたい｜自然言語処理やテキスト操作の関連記事

MeCabとあわせて読んでおくと理解が深まる、おすすめ記事を紹介します！

• 🔗 Python正規表現の使い方入門｜reモジュールで文字列を簡単マッチング！
  　┗ 単語の抽出やパターンマッチングに便利な「正規表現」をやさしく解説！
• 🔗 Pythonの文字列メソッド一覧｜初心者向けにわかりやすく解説【replace・join・stripなど】
  　┗ テキスト前処理にも役立つ、基本的な文字列操作を網羅！
• 🔗 【Python入門】jsonモジュールの使い方｜JSONの読み書きと変換をやさしく解説！
  　┗ MeCabで処理したデータをJSON形式で保存したいときにおすすめ！

---

よくある質問（Q&A）