国会会議録検索システムAPIのご紹介

国立国会図書館では、日本の国会における会議議事録をプログラムから取得できるAPIを提供しています。あまり知られていない気がするので、私の使用例をコード付きで紹介します。

国会会議録検索システムとAPI

国会会議録検索システムは、第1回国会からの本会議・委員会の会議録をテキスト又は画像で閲覧できるサービスです。こちらのURL（外部リンク）でご覧になれます。
会議録を検索・閲覧するだけなら上記で事足りますが、データ分析やサービス構築に使用したい場合、検索APIの利用が便利です。検索APIの仕様はこちらのURL（外部リンク）から確認できます。

Pythonによる取得コード例

一例として、私が分析に使う際のPythonスクリプトを示します。このAPIでは、会議録について「会議単位」または「発言単位」でデータを取得できますが、この例は発言単位で取得するコードになります。

# Python
import requests
import time
import sys
import csv
import re

base_url = "https://kokkai.ndl.go.jp/api/speech"

# URLパラメータ用の辞書を空の状態で用意し、後から順次格納する。01はヒット総数の確認用、02はデータ取得用。
params_01 = {} 
params_02 = {}

# パラメータを対話的に入力する
text_input = input('検索する文字列を入力（Enterキーでスキップ） >> ')
if text_input != "":
    params_01['any'] = str(text_input)
    params_02['any'] = str(text_input)
else:
    pass

house_input = input('検索する院名を入力（Enterキーでスキップ） >> ')
if house_input != "":
    params_01['nameOfHouse'] = str(house_input)
    params_02['nameOfHouse'] = str(house_input)
else:
    pass

speaker_input = input('検索する発言者名を入力（Enterキーでスキップ） >> ')
if speaker_input != "":
    params_01['speaker'] = str(speaker_input)
    params_02['speaker'] = str(speaker_input)
else:
    pass

from_input = input('開始日を入力 (e.g. 2020-09-01) >> ')
if re.match(r'[0-9]{4}-[0-1][0-9]-[0-3][0-9]', from_input): # 正規表現によるパターンマッチングにて入力値が有効か判定
    params_01['from'] = str(from_input)
    params_02['from'] = str(from_input)
else:
    params_01['from'] = "2020-09-01"
    params_02['from'] = "2020-09-01"
    print("'From' date is set to 2020-09-01 due to invalid input")

until_input = input('終了日を入力 (e.g. 2020-11-30) >> ')
if re.match(r'[0-9]{4}-[0-1][0-9]-[0-3][0-9]', until_input): # 正規表現によるパターンマッチングにて入力値が有効か判定
    params_01['until'] = str(until_input)
    params_02['until'] = str(until_input)
else:
    params_01['until'] = "2020-09-30"
    params_02['until'] = "2020-09-30"
    print("'Until' date is set to 2020-09-30 due to invalid input")

# ヒット件数確認用のパラメータを設定
params_01['maximumRecords'] = 1
params_01['recordPacking'] = "json"

response_01 = requests.get(base_url, params_01) # URLをエンコードしてAPIへリクエスト
jsonData_01 = response_01.json() # APIからのレスポンスをJSON形式で取得

# レスポンスに含まれているヒット件数を確認（レスポンスのJSONにレコード数の項目がない場合はクエリに問題ありと判断しエラー終了）
try:
    total_num = jsonData_01["numberOfRecords"]
except:
    print("クエリエラーにより取得できませんでした。")
    sys.exit()

# 件数を表示し、データ取得を続行するか確認
next_input = input("検索結果は " + str(total_num) + "件です。\nキャンセルする場合は 1 を、データを取得するにはEnterキーまたはその他を押してください。 >> ")
if next_input == "1":
    print('プログラムをキャンセルしました。')
    sys.exit()
else:
    pass

max_return = 100 # 発言内容は一回のリクエストにつき100件まで取得可能なため、その上限値を取得件数として設定
pages = (int(total_num) // int(max_return)) + 1 # ヒットした全件を取得するために何回リクエストを繰り返すか算定

# 全件取得用のパラメータを設定
params_02['maximumRecords'] = max_return
params_02['recordPacking'] = "json"

Records = [] # 取得データを格納するための空リストを用意

# 全件取得するためのループ処理
i = 0
while i < pages:
    i_startRecord = 1 + (i * int(max_return))
    params_02['startRecord'] = i_startRecord
    response_02 = requests.get(base_url, params_02)
    jsonData_02 = response_02.json()
    #JSONデータ内の各発言データから必要項目を指定してリストに格納する
    for list in jsonData_02['speechRecord']:
        list_sid = list['speechID']
        list_mid = list['issueID']
        list_kind = list['imageKind']
        list_house = list['nameOfHouse']
        list_topic = list['nameOfMeeting']
        list_issue = list['issue']
        list_date = list['date']
        list_order = list['speechOrder']
        list_speaker = list['speaker']
        list_group = list['speakerGroup']
        list_position = list['speakerPosition']
        list_role = list['speakerRole']
        list_speech = list['speech'].replace('\r\n', ' ').replace('\n', ' ') # 発言内容の文中には改行コードが含まれるため、これを半角スペースに置換
        list_url01 = list['speechURL']
        list_url02 = list['meetingURL']
        Records.append([list_sid, list_mid, list_kind, list_house, list_topic, list_issue, list_date, list_order, list_speaker, list_group, list_position, list_role, list_speech, list_url01, list_url02])

    sys.stdout.write("\r%d/%d is done." % (i+1, pages)) # 進捗状況を表示する
    i += 1
    time.sleep(0.5) # リクエスト１回ごとに若干時間をあけてAPI側への負荷を軽減する

# CSVへの書き出し
with open("kokkai_speech_" + str(total_num) + ".csv", 'w', newline='') as f:
    csvwriter = csv.writer(f, delimiter=',', quotechar='"', quoting=csv.QUOTE_NONNUMERIC) #CSVの書き出し方式を適宜指定
    csvwriter.writerow(['発言ID', '会議録ID', '種別', '院名', '会議名', '号数', '日付', '発言番号', '発言者名', '発言者所属会派', '発言者肩書き', '発言者役割', '発言内容', '発言URL', '会議録URL'])
    for record in Records:
        csvwriter.writerow(record)

コード中のコメントに各処理の意図を説明していますが、簡単に補足すると、検索クエリをコマンドライン上で対話的に入力できるようにして、データ取得前に検索結果の件数を一旦表示し、その上で取得を実行するかキャンセルするかを選べるようにしています。
また、APIの仕様上、1回のリクエストで取得できる発言は100個が上限なので、データ取得する際には総件数を100で割った数+1回分のリクエストを繰り返し自動実行するコードになっています。その際、API側の負荷を軽減するため、1回のリクエストごとに若干の時間を空けるようにしています。
そして、取得したデータはExcelなど汎用的な分析ツールで扱いやすいように、JSON形式のレスポンスをCSV形式に変換して出力します。

取得コードの実行イメージ

このスクリプトをコマンドライン上で実行すると、下記のように対話的に検索条件を入力しながらヒット件数を確認して発言データを取得できます。APIの仕様上、複雑な検索条件は入力できませんが、単語や院名、発言者名、期間を指定できます。

# python KokkaiAPI_Speech_Loader.py
検索する文字列を入力（Enterキーでスキップ） >> 少子化
検索する院名を入力（Enterキーでスキップ） >> 衆議院
検索する発言者名を入力（Enterキーでスキップ） >> 岸田文雄
開始日を入力 (e.g. 2020-09-01) >> 2013-01-01
終了日を入力 (e.g. 2020-11-30) >> 2022-12-31
検索結果は 29件です。
キャンセルする場合は 1 を、データを取得するにはEnterキーまたはその他を押してください。 >> 
1/1 is done.

この例は「2013年〜2022年までの衆議院における岸田文雄議員の発言のうち”少子化”を含むもの」を検索したケースで、結果はこのようなCSV形式で整形されて出力されます。

国会議事録の出力結果

おわりに

このように国会の議事録をAPIで提供しているのは、政治の透明化やオープンデータ化の観点でとても素晴らしいと思っています。一方で、検索サービスは知っていてもAPIがあることを知らないケースも他所で目にしたため、あらためて紹介させていただきました。
取得スクリプトについては、私がSEやプログラマなどIT専門職の人間ではないため我流ですが、APIサーバ側に過剰な負荷をかけないといった基本的な作法は押さえているつもりです。
このAPIを利用して国会のデータ分析記事（note記事へのリンク）も書いていますので、あわせてご覧ください。