markdown

はじめに (対象読者・この記事でわかること)

この記事は、Windows10上でMeCab（形態素解析エンジン）をコマンドラインから利用しようとしているプログラマーやデータサイエンティスト、または自然言語処理に興味のある初心者・中級者を対象としています。インストールは成功したものの、実行結果が「漢字だけが出力され、ひらがなやカタカナが消えてしまう」現象に直面した方へ、原因の特定方法と具体的な対処手順をわかりやすく解説します。この記事を読むことで、MeCab の文字エンコード設定を正しく行い、期待通りの形態素解析結果を得られるようになるだけでなく、同様の文字化けトラブル全般に対処できる知識も身につきます。

前提知識

この記事を読み進める上で、以下の知識があるとスムーズです。
- Windows のコマンドプロンプト（cmd）または PowerShell の基本操作
- 日本語文字コード（UTF-8、Shift_JIS、CP932 等）の違いと基本概念
- MeCab のインストール手順（MSI 版・GitHub 版どちらでも可）

MeCab が漢字だけ表示になる背景と原因

MeCab は内部で使用する辞書ファイルと実行時の文字コードが一致していないと、解析結果の一部が正しく表示されません。Windows の既定コンソールは Shift_JIS 系（CP932） で動作することが多く、MeCab の標準ビルドは UTF‑8 を前提としています。このミスマッチが起きると、UTF‑8 でエンコードされたかな文字列が CP932 に解釈され、表示できずに空文字になるか、漢字だけが残ってしまうという現象が発生します。

さらに、MeCab の辞書（mecab-ipadic や mecab-ipadic-NEologd）自体が UTF‑8 で保存されているため、コンソール側のコードページが UTF‑8 に設定されていないと、辞書から取得したかな情報が正しくデコードされません。結果として「漢字だけが出力される」状態になるわけです。

具体的な手順と実装方法

以下では、Windows10 のコマンドライン環境で MeCab を正しく動作させるための手順を、ステップごとに解説します。

ステップ1　コマンドプロンプトのコードページを UTF‑8 に変更

  1. 管理者権限でコマンドプロンプトまたは PowerShell を起動します。
  2. 現在のコードページを確認する:
    cmd chcp 典型的には 850（OEM US）や 932（日本語）になっています。
  3. UTF‑8 に変更する:
    cmd chcp 65001 これでコンソールの文字コードが UTF‑8 (コードページ 65001) に切り替わります。
  4. 変更が反映されたことを確認するため、簡単な文字列を出力してみます。
    cmd echo ありがとう ひらがなが正しく表示されれば成功です。

ポイント
Windows の一部バージョンでは、chcp 65001 後に日本語フォントが正しく表示されないことがあります。その場合は、コンソールのプロパティ → フォントタブで「MS Gothic」や「Consolas」など日本語に対応したフォントを選択してください。

ステップ2　MeCab の出力エンコードを明示的に指定

MeCab 自体は --output-format-type や --eos-format などのオプションで出力形式を調整できますが、エンコード指定は直接サポートしていません。そこで、PowerShell の Out-File コマンドレットや iconv（Git for Windows に同梱）を併用します。

PowerShell で UTF‑8 強制出力

Powershell

# MeCab を実行し、結果を UTF-8 エンコードでファイルに保存
mecab "今日はいい天気です。" | Out-File -Encoding utf8 result.txt
Get-Content result.txt

iconv を使った変換例

Cmd

mecab "今日はいい天気です。" > tmp.txt
iconv -f CP932 -t UTF-8 tmp.txt > result.txt
type result.txt

上記のように、まず Windows のデフォルトコードページで出力し、iconv で UTF‑8 に変換すれば、かな文字も正しく表示されます。

ステップ3　環境変数でデフォルトエンコードを設定

毎回 chcp 65001 を手動で実行したくない場合は、環境変数 PYTHONIOENCODING のように、LANG 系の変数を設定しておくと便利です（MeCab は C 言語ですが、内部的に使用する DLL のエンコードを影響することがあります）。

  1. 「システムのプロパティ」 → 「詳細設定」 → 「環境変数」へアクセス。
  2. 「ユーザー環境変数」→「新規」
    - 変数名: LC_ALL
    - 値: ja_JP.UTF-8
  3. OK で保存し、コマンドプロンプトを再起動。

この設定により、以降のセッションで UTF‑8 がデフォルトとなり、MeCab の出力も自動的に UTF‑8 として扱われます。

ハマった点やエラー解決

発生した問題 原因 解決策
mecab: command not found パスが通っていない MeCab のインストールディレクトリ (C:\Program Files\MeCab\bin) を PATH に追加
????? と漢字だけが表示 コンソールのコードページが CP932 のまま chcp 65001 で UTF‑8 に変更し、フォントを設定
iconv: illegal input sequence at position ... 入力ファイルが既に UTF‑8 だった 変換元のエンコードを UTF-8 に変更、または変換をスキップ
PowerShell の Out-File が文字化け PowerShell のデフォルトエンコードが UTF‑16 -Encoding utf8 オプションを必ず付与

解決策のまとめ

  1. コードページを UTF‑8 に変更 (chcp 65001)
  2. フォントを日本語対応に設定（MS Gothic 等）
  3. MeCab の出力を UTF‑8 にリダイレクト（PowerShell の Out-File -Encoding utf8 ）
  4. 必要に応じて iconv でエンコード変換
  5. 環境変数 LC_ALL=ja_JP.UTF-8 を永続的に設定

これらを順に実施すれば、漢字だけが表示される問題はほぼ解消できます。

まとめ

本記事では、Windows10 環境で MeCab をコマンドラインから実行した際に「漢字だけが表示される」問題の原因と、コードページの UTF‑8 変更、フォント設定、出力エンコードの明示的指定、環境変数の活用 といった具体的な対処手順を紹介しました。

  • 原因は MeCab の辞書が UTF‑8、コンソールが CP932 というエンコード不一致
  • 解決策は chcp 65001、適切なフォント、Out-File -Encoding utf8 などの組み合わせ
  • 効果はかな文字・ひらがな・カタカナが正しく表示され、形態素解析結果が期待通りになる

この手順を覚えておけば、同様の文字化けトラブルに対して自信を持って対処できるようになります。今後は、MeCab を Python や Node.js から呼び出す際のエンコード管理や、NEologd 辞書の最新化手順についても記事にする予定です。

参考資料