やじうまの杜

陸上自衛隊のイラク派遣日報を全文検索できるサイトが登場

人気のキーワードから話題のエピソードへアクセスすることも

2018年4月18日 14:43

　“やじうまの杜”では、ニュース・レビューにこだわらない幅広い話題をお伝えします。

イラク日報の全文検索サイト“イラク日報村”

　先日公開された陸上自衛隊のイラク派遣（2004～06年）の活動記録（日報）が結構面白いと“Twitter”などで話題になっていますが、この日報、計435日分、なんと約1万5千ページにも及びます。“朝日新聞デジタル”でPDFドキュメントが公開されていますが、ファイルサイズは全部でなんと約1.7GB。話題になっている部分だけでも直に読みたいと思っても、全部に目を通すのは結構大変ですよね。そこでおすすめしたいのが、全文検索システム“イラク日報村”です。

　日報をOCRによりテキストデータ化し、キーワードで検索できるようにしてあるので、目的のPDFドキュメントをすばやく探し出せます。人気のキーワード一覧も用意されているので、インターネットで話題になっているエピソードも簡単に見つけ出せるでしょう。

日報をOCRによりテキストデータ化し、キーワードで検索できるサイト

　ちなみに、PDFドキュメントを手元にダウンロードしておきたい場合は、PDFドキュメントをまとめて取得するスクリプトなどを利用すると便利です。

　このスクリプトはUnix環境向けのものですが、「Windows 10」ならば“Microsoft Store”から「Ubuntu」などをインストールすると、そのまま利用することができます。

curl https://www.asahi.com/articles/ASL4J669JL4JUEHF016.html | grep '' | grep pdf | awk -F '"' '{print $4}' | xargs wget
スクリプトの実行結果

　筆者は自分で「PowerShell」スクリプトを組んでダウンロードしましたが、スクリプトを覚えておくとこういうとき便利ですね。スクリプトが苦手な場合は、ダウンロード支援ツールが利用できます。窓の杜ライブラリにいくつか収録しているので、役立てていただければ幸いです。