日本关西学院大学 于 康

2.1 收集和保存语料的条件

收集和保存语料需要一个软件、两道手续和一个绝对条件。软件指的是「秀丸」，两道手续指的是在电脑里建立文件夹和给需要保存的文件起名,绝对条件指的是文件必须以文本文件即以扩展名为“.txt”的格式保存。

2.2 建立文件夹

建立文件夹也就是建立保存语料的仓库,为了便于提取货物,需要在仓库里按货物的内容建立不同的货架。为了达到这个目的,首先必须在“我的文档”中建立一个文件夹,然后再在这个文件夹里根据需要建立各种小类的文件夹。比如,以制作「現代日本語書き言葉コーパス」为例,先在“我的文档”中建立新文件夹「現代日本語書き言葉コーパス」,然后在这个文件夹里再建立「現代小説」「社説」「国会議事録」「新聞記事」「週刊誌」等小类文件夹。这样就可以将下载和剪贴下来的各类文章分门别类地保存在专门的文件夹里。这里需要注意的是,制作语料库时,包括文件夹在内,所有的文件名都不能使用中国汉字,或用日语、或用英语、或用拼音,否则会因乱码而无法保证检索的顺利进行。

2.3 收集和保存语料

2.3.1 直接下载和保存

下面以下载和保存夏目漱石的小说『三四郎』为例来说明操作程序。先在「現代日本語書き言葉コーパス」文件夹里建立小类文件夹「夏目漱石」,然后进行以下操作:

①上网,在检索框中输入「青空文庫」,打开「青空文庫」网页,点击「公開中作家別」中的「な行」,找到「21.夏目漱石(公開中：102)」,下载「30.三四郎」。

下载步骤为:a.点击「30.三四郎」。……