青空文庫収録作品をスクレイピングして，本文はじめの100文字を抽出する，Rubyスクリプト(aozora-picker.rb)を作成しました．ソースはgistよりご覧ください．
ruby aozora-picker.rbを実行すると，青空文庫サイトへのアクセスをいくつか行ったのち，aozora.txtが作られます．中身は次のとおりです．
$ cat aozora.txt
http://www.aozora.gr.jp/cards/000311/files/2732_7355.html : ワーニカとターニャ 宮本百合子 黄色いモスクワ大学の建物が、雪の中に美しく見える。凍った鉄柵に古本屋 が本を並べてる。 狭い歩道をいっぱい通行人だ。電車が通る。自動車が通る。 モスクワ大学のいくつもある ...
http://www.aozora.gr.jp/cards/001155/files/51862_41345.html : ワーニャ伯父さん ДЯДЯ ВАНЯ ――田園生活の情景 四幕―― アントン・チェーホフ Anton Chekhov 神西清訳 人物 セレブリャコーフ（アレクサンドル・ヴラジーミロヴィチ） 退職の大学 ...
http://www.aozora.gr.jp/cards/001341/files/49675_38501.html : 猥褻独問答 永井荷 風 ○猥※なる文学絵画の世を害する事元より論なし。書生猥※なる小説を手にすれば学 問をそつちのけにして下女の尻を追ふべく、親爺猥※なる画を見れば忽ち養女に手を出すべし。懼（おそ）れざる ...
スクリプト中の「@article_count_limit = 3」の右辺を，もっと大きな値にすれば，http://www.aozora.gr.jp/index_pages/sakuhin_wa1.html でリンクされている作品すべてを収集します．
ローカルからの抽出も，可能にしました．青空文庫FAQによると，https://github.com/aozorabunko/aozorabunkoより一括ダウンロードできるとあります．そこで，git clone 上記URLにより取得した後，ruby aozora-picker.rb (パスは省略)/index_pages/sakuhin_wa?.htmlを実行すると，作品名の読みが「ワ」から始まる作品について，外部アクセスすることなくイントロ取得を行います．*1
これを作ろうと思い立ったのは，今週水曜日のことです．その次の日は，3年生向け演習科目の4回目で，何人かが2番目の大きな課題を終えている*2ので，3番目の大きな課題をリリースすることにしました．
課題の詳細は書けませんが，検索対象テキストとして，昨年度は当ブログの2006年の記事だったところ，今回，別の公開されているリソースを使えないかなと思ったときに，青空文庫がひらめいたのでした．
サイト内のいろいろな情報に目を通して，http://www.aozora.gr.jp/index_pages/sakuhin_wa1.htmlが起点に良さそうと判断し，そこから行けるページとリンク，そして以前に活用していたRubyのNokogiriライブラリを組み合わせ，1時間足らずのコーディングで，ほしいテキストファイル(aozora.txt)を得ることができました．
Webアクセスでも，クローンしたものでも，コマンドライン引数を変えるだけで同じように抽出できるのは，コンテンツが同一内容（青空文庫FAQには「あるがままの状態」とあります）であるのと，RubyのURI.joinメソッドにより，現在のURIと相対パスから，次にアクセスすべきURIを（httpでもfileでも）得ることができるからです．
