japanese-word-counter

GitHub Repository、Google Docs、Google Slides、Google Forms 内の日本語の文字数をカウントする Python スクリプト群です。

これらのスクリプトは、ひらがな、カタカナ、漢字のみをカウントします。英数字、半角文字、句読点や記号などはカウントされません。

いずれのスクリプトも、計算結果を TSV 形式で標準出力します（以下の通り）。

# ファイル名	文字数	カウントした日本語文字	自動生成したURL
React JP	2047	コンポーネント指向...	https://docs.google.com/document/d/XXX
Redux JP	3282	状態管理を行うのに...	https://docs.google.com/document/d/YYY
Lerna JP	1092	モノレポ環境を構築...	https://docs.google.com/document/d/ZZZ

目次

• japanese-word-counter
  • Requirements
  • GitHub Repository 内のファイル
  • Google Slides
  • Google Docs
  • Google Forms

Requirements

python2 では実行できないので、注意！

• python3

GitHub Repository 内のファイル

調べたいレポジトリをクローンしたディレクトリがおいてあるディレクトリ直下に、JPWordChecker4Repo.py を配置してください（以下の通り）。

root/
　├ xxx-repo/
　├ yyy-repo/
　├ zzz-repo/
　│
　└ JPWordChecker4Repo.py

このスクリプトは、直下のディレクトリを再帰的に検索し、キーワードと一致するファイルについて、日本語の文字数をカウントします。

使用する前に、JPWordChecker4Repo.py ファイルを開き、Line32-33 を以下の通りに書き換えます。

• TARGET_FILE_EXTENSION: ファイルの拡張子など、検索キーワードを記載（正規表現も使用可能）。
• GITHUB_ORGANIZATION_URL: 対象の Organization の GitHub URL を記載。

TARGET_FILE_EXTENSION = "ja.md"
GITHUB_ORGANIZATION_URL = "https://github.com/codechrysalis/"

設定が終わったら、以下のコマンドを実行します。

python3 JPWordChecker4Repo.py > Repo_count.tsv

Repo_count.tsv ファイルの中身を Excel やスプレットシートなどにコピペして、リストとして見ることもできます。

Google Slides

1. Google Slides API - Quick Start のページに移動する。
2. ページ内の Enable the Google Slides API ボタンをクリックし、自分のアカウントの認証情報を取得する。JPWordChecker4GSlides.py ファイルと同じディレクトリに、credentials_slides.json という名前で credential ファイルを保存する。

root/
　├ credentials_slides.json
　└ JPWordChecker4GSlides.py

3. JPWordChecker4GSlides.py ファイルの Line18-20 のリストに、解析対象の Presentation ID とタイトル（任意のもので OK）を書き込む（https://docs.google.com/presentation/d/xxx/edit の「xxx」が Presentation ID になります）。

# ["Presentation ID", "Slide Title"]
PRESENTATION_ID_LIST = [
    ['PRESENTATION_ID_XXX', 'React JP'],
    ['PRESENTATION_ID_YYY', 'Redux JP'],
    ['PRESENTATION_ID_ZZZ', 'Lerna JP']
]

4. 以下のコマンドを実行。

# 必要なライブラリをインストール
sudo pip3 install google-api-python-client google-auth-httplib2 google-auth-oauthlib

# スクリプトの実行
python3 JPWordChecker4GSlides.py > Slides_count.tsv

5. 初回のみ、Web ブラウザが開き、認証を求めてくるのでアクセスを許可する。詳細を表示をクリックし、Quickstart（安全ではないページ）に移動をクリックする。後は指示通りに、許可をクリックする（この処理により、OAuth 認証用のトークンが発行され、ディレクトリに tokenSlides.pickle が生成される）。

6. testS_count.tsv ファイルの中身を Excel やスプレットシートなどにコピペして、リストとして見ることもできる。

Google Docs

1. Google Docs API - Quick Start のページに移動する。
2. ページ内の Enable the Google Docs API ボタンをクリックし、自分のアカウントの認証情報を取得する。JPWordChecker4GDocs.py ファイルと同じディレクトリに、credentials_docs.json という名前で credential ファイルを保存する。

root/
　├ credentials_docs.json
　└ JPWordChecker4GDocs.py

3. JPWordChecker4GDocs.py ファイルの Line18-20 のリストに、解析対象の Document ID とタイトル（任意のもので OK）を書き込む（https://docs.google.com/document/d/xxx/edit の「xxx」が Document ID になります）。

# ["Document ID", "Docs Title"]
DOCS_ID_LIST = [
    ['DOCUMENT_ID_XXX', 'React JP'],
    ['DOCUMENT_ID_YYY', 'Redux JP'],
    ['DOCUMENT_ID_ZZZ', 'Lerna JP']
]

4. 以下のコマンドを実行。

# 必要なライブラリをインストール（インストール済みの場合は、不要）
sudo pip3 install google-api-python-client google-auth-httplib2 google-auth-oauthlib

# スクリプトの実行
python3 JPWordChecker4GDocs.py > Docs_count.tsv

5. 初回のみ、Web ブラウザが開き、認証を求めてくるのでアクセスを許可する。詳細を表示をクリックし、Quickstart（安全ではないページ）に移動をクリックする。後は指示通りに、許可をクリックする（この処理により、OAuth 認証用のトークンが発行され、ディレクトリに tokenDocs.pickle が生成される）。

6. Docs_count.tsv ファイルの中身を Excel やスプレットシートなどにコピペして、リストとして見ることもできる。

Google Forms

1. 解析対象の Google Forms の PDF ファイルをダウンロードする（Google Forms の 印刷 から PDF としてダウンロードできます。また、ファイルは pdf/ ディレクトリに保存すること）。

2. JPWordChecker4PDF.py ファイルの Line16-22 のリストに、解析対象の Google Forms の ID とダウンロードした PDF ファイル名を書き込む（https://docs.google.com/forms/d/xxx/edit の「xxx」が Forms ID になります）。

# ["Google Forms の ID", "ダウンロードした PDF ファイル名"]
input_path_list = [["FORMS_ID_XXX", 'React JP - Google フォーム.pdf'],
                   ["FORMS_ID_YYY", 'Redux JP - Google フォーム.pdf'],
                   ["FORMS_ID_ZZZ", 'Lerna JP - Google フォーム.pdf']
                  ]

3. 以下のコマンドを実行。

# 必要なライブラリをインストール
sudo pip3 install pdfminer.six

# スクリプトの実行
python3 JPWordChecker4PDF.py > Forms_count.tsv

4. Forms_count.tsv ファイルの中身を Excel やスプレットシートなどにコピペして、リストとして見ることもできる。