IMDb Datasets を調べる、その２

　しばらく、実験していたが、結局、５つのファイルデータを使うことにした。時間はかかるが、プログラムまかせだし、寝ている時にでも動かしておけばいいわけで。まぁ、今時のＰＣを使っている人なら、そのまま表計算ソフトやＤＢソフトにインポートできると思われる。

　name.basics.tsv　人名
　title.akas.tsv　日本タイトル
　title.basics.tsv　コード、タイトル、年、ジャンル
　title.crew.tsv　監督
　title.episode.tsv
　title.principals.tsv　キャスト
　title.ratings.tsv

　title.principals.tsv から、監督情報は取れるはずだが、一部抜けるようなので title.crew.tsv からに変更。日本語タイトルを title.akas.tsv から取得する。

　データベースは、DLLさえあれば、そのまま動くSQLite を使う。難しいことをしないのなら、これで十分。元ファイルを、１行づつ読み込むより、丸ごと読み込んで処理したほうが、当然早い。だが、32bit版の Lazarus では、読み込みエラー。先日導入した動画PC（という名のサーバ）に、64bit版 Lazarus に入れて開発することに。メモリも８GBあるので、このぐらいのサイズのファイルならエラー無しで読み込めた。

　とりあえず作ったデータベースを元に、ファイル名とマッチングさせる。見つかった諸データを、.nfo ファイルに書き出し、Kodi のライブラリに登録させる。サムネイル画像は、某所からデータベースとは別に取得した。

　久々にライブラリ機能使ってみたが、あらすじとか、ファンアートとか不要なので、サムネイル表示で使えるか確認。以下、非ライブラリ環境との違い。


　１）検索できる。リモコンでの文字入力は、僕のリモコンソフトで対応しているので、人名や、タイトルの一部を入力して動画を探せるのは便利かもしれない（めったに使わないとは思うが）。

　２）ファイル名とは別に表示されるタイトルを設定できる。ファイル名自体は、IMDb データとの紐つけのため、オリジナルタイトルに準拠したのを付けているが、例えば、邦題もいっしょに表示できたら、わかり易いと思う。検索するにしても、それを対象に出来る。原題を知ってはいても、綴りとか怪しいし、馴染みはそちらのほうがあるわけで。

　３）ライブラリ無しでは、シンボリックリンクとフォルダを使って分類していたが、これをMovie setsとかいうのに置き換えるだけで、似たような振り分けが可能かも。

　４）もちろん、nfoファイルに書いたデータ（ジャンルや年、人名など）は、自動で分類表示される。

---

　そういうわけで、IMDb のデータは、作品毎に登録されている俳優数とか少ないから、情報目的には物足りないかもしれないが、HTPC 上の分類ぐらいには使えそうだ。

　一応、言っておくと、Kodi 標準のスクレーパーが、同様というか、それ以上の情報を取得、展開出来る。普通に使う分には、余計な手間も時間もかける必要はない。

IMDb Datasets を調べる、その１

　Kodi のライブラリ代わりのファイル振り分けソフトが、データ元に使っていた某映画サイトのリニューアルにより使えなくなり、新しい方式を模索中。Kodi 付属のデータ取得は、TMDBからで、仕様に不満がなければ、そのまま使うのが面倒もなく、楽チン。でも、僕のように、どうも気に入らないって人は、独自に振り分けるべく、イバラの道へ。

　そんなで、大手の映画データベースサイトの IMDb が、元データを配布しているのを見つけた。これが使えれば、いちいち、スクレイピングとかしなくても良くなるかも。データは毎日更新しているらしいが、動画管理に使うので、最新情報は不要。時々アップデートすれば問題ないかと。

IMDb 映画データベースサイト
　　IMDb Datasets Document　　IMDb data files available for download

　・個人および非営利目的で使用可能
　・データベースは、UTF-8、タブ区切りのTSVファイルが、gzip圧縮されている
　・データテーブルは、７種類
　・日本語は、例のローマ字仕様で使えない
　・タイトルに日本語が登録されているのもある（中途半端）

　いいかげん日本語対応にしてくれても良さそうなのに。国内の映画サイトも色々あるから、IMDb を使う日本人は、そもそも多くないのかもね。僕が必要なのは、洋画の振り分けに使うデータで、この最大の欠点は、問題なし。邦画の管理に使いたいという人は、ハナから無理です。自前で、ローマ字・漢字変換するのは、可能でも不毛すぎる。

---

　データの中身に関しては、サイトに説明があるので、そちらを見てもらえばいい。とりあえず、へなちょこＰＣで、タブ区切りファイルのままじゃ埒があかないので、使えそうな部分のみ SQLite に変換した。洒落たデータベースソフトなら、インポート処理で簡単に出来そうな気もするが、Lazarus で１行づつ読んでは、DBに吐き出させた。

title.basics.tsv + title.principals.tsv
name.basics.tsv
title.akas.tsv
　結論だけ書くと、１枚目＋２枚目の画像のデータで、ジャンル、人名での振り分けには、使えそう。３枚目のタイトルの別名のテーブルや、その他のデータは、使い道が無さそうだ。

　やりたいのは、ジャンル、人名での振り分けだけではなく、独自の分類を手軽に設定すること。当然、その部分は、手動での作業になるが、Kodi のライブラリは、そのまま使うにはいいが、細工をするには複雑すぎて難しい。その辺を、シンボリックリンクのフォルダ分けと、Kodi のライブラリ機能の一部を使って実現するソフトを作成したい。

IMDb の t a i t o r u 表示

IMDb(The Internet Movie Database)
　　http://www.imdb.com/

　海外の映画データベースはココさえあれば大丈夫。だが、アカウント作って設定しないと、マヌケな表示で使えない。かなり前の改定でこうなったまま。設定で日本語に出来るのに漢字表示しない、嫌がらせだよな(笑)。

　キーボード入力で、ローマ字を使っていても、あれは無意識に変換できるように訓練されているからであって、ローマ字そのものを読むのは、英単語以上に読みにくくて苦痛。役に立たないと言われている日本の英語教育で、確かに英語そのものは、さっぱりだが、英単語としては認識可能。「Rodo obu za ringu」 よりも、「Lord of the Rings」の方が、ひと目でわかるでしょ。