国立国会図書館のAPIで書誌情報を検索してみた話

書名や著者名に対する読み仮名の情報を揃えたくなったので、国立国会図書館のAPIで検索してみた。

国立国会図書館のAPI

いくつか種類があるが、今回使うのはSRUというプロトコル。検索用API3つの中では最も高機能で、前方一致や完全一致、ソート順の指定などもできる。検索対象のフィールドとしてはタイトル、著者、出版社、NDC分類、ISBN、出版年などが使える。

GETでXMLが落ちてくるので、例えば https://iss.ndl.go.jp/api/sru?operation=searchRetrieve&recordPacking=xml&recordSchema=dcndl&maximumRecords=1&query=title%3D%E3%81%86%E3%82%89%E3%82%89%E8%BF%B7%E8%B7%AF%E5%B8%96%201 をブラウザで開くと見れる。

クエリパラメータを簡単に解説するとこういう感じ。

operation=searchRetrieve コマンド的なもの
recordPacking=xml 検索結果をそのままXMLに埋め込む指定。デフォルトはtextで、XMLが文字列として入ってくる。
recordSchema=dcndl レコードのスキーマを色々選べる。デフォルトの dc は dcndl よりもシンプルで、カナ情報とかは入っていない。
maximumRecords=1 いわゆるlimit
query=... 検索クエリを CQL (Contextual Query Language) で記述する。ここでは title=うらら迷路帖 1。後述。

そしてお目当てのカナ情報は <dcndl:transcription> タグに入っている。

なおここで取れるデータは別組織から提供を受けたものもあるため、メタデータのライセンスはデータプロバイダごとに異なる。国立国会図書館オンラインのデータだとCC-BY 4.0、とか。

CQLと戦う

queryパラメータに指定するクエリについてはAPIのドキュメントにも説明はあるものの、CQLを知っている前提の説明なのでこれだけだとよくわからない。特に前方一致に使う ^ が exact 等と並列に書かれていてさんざんはまった *1。なのでCQL自身については別途 https://www.loc.gov/standards/sru/cql/spec.html や https://www.loc.gov/standards/sru/cql/contextSets/theCqlContextSet.html などを読むのがよさそう。

もしくは同様のAPIである国立国会図書館東日本大震災アーカイブのAPIドキュメントを読むと、基本的な使い方や雰囲気は掴める。

とはいえ結局 field =|==|exact|all|any "term" [and/or ...] で、加えるとしたらソート条件ぐらいだろう。

= と ==
- 半角スペースを含んでいてもフレーズ検索される
- 全角スペースを含むとフレーズ検索ではなくなる
- ^ は == だと無視される
exact での完全一致
- 日本語扱いの英字？（NEW GAME! とか）は全角でも半角でもマッチするが、英語扱いの英字は半角でないとマッチしない
- NEW GAME! で言うところのスペースや感嘆符は半角にしないとマッチしない
メタ文字 ^ での前方一致
- 前述の「日本語扱いの英字」は全角英字にしないとヒットしない
  - title = "^ＮＥＷ" AND creator = 得能正太郎 はよくて title = "^NEW" AND creator = 得能正太郎 はダメ
  - title exact "NEW GAME!" や title = "NEW GAME!" は大丈夫
- 空白を含むフレーズの前方一致ができない
  - title = "^foo bar" は検索結果が0件になる
  - title all "^foo bar" はできるが、これはfooとbarが連続している保証がない
    - つまり title = "^foo" and title = "foo bar" とするのが一番近いだろうか…
  - CQLの資料を見るに、 adj とか /string とか prox とかが使えればあるいはという気もするが、対応していない様子

取得結果を読み取る

JSなら例えばこんな感じで。

const title = "...";
const creator = "...";
const xml = await fetch("https://iss.ndl.go.jp/api/sru?operation=searchRetrieve&recordPacking=xml&recordSchema=dcndl&onlyBib=true&maximumRecords=1&query="+encodeURIComponent(`title = "${title}" and creator = "${creator}" and sortBy=issued_date/sort.ascending`)).then(x => x.text());
const doc = new DOMParser().parseFromString(xml, "application/xml");
const title_kana = doc.querySelector('title transcription')?.textContent;
const creator_kana = doc.querySelector('creator transcription')?.textContent;
console.log(`${title}(${title_kana}) - ${creator}(${creator_kana})`);

XMLはDOMParserを通せばDOMで触れるので、あとはquerySelectorでもなんでも。本当は名前空間を指定した方がいいのだろうけど、querySelectorでやるのも面倒だったので省略。

おまけ

ところでKindleの芳文社創立70周年セールが話題ですね。いい機会なので、たまにはアソシエイトIDを活用してみましょう。

ごきチャ　１巻 (まんがタイムKRコミックス)

作者:るい・たまち
発売日: 2015/09/09
メディア: Kindle版

擬人化されていないやつは苦手です、ええもちろん。

*1:exactは=同様の演算子的なもの（relation）だが、 ^ は検索キーワードに使うメタ文字なので他のrelationと組み合わせて使わないといけない

うならぼ

申し訳程度のアフィリエイトとか広告とか解析とかは/aboutを参照

国立国会図書館のAPIで書誌情報を検索してみた話