https://pelican-white-paper.pages.dev/2026-08-16T00:00:00+09:002026-08-16T00:00:00+09:002026-08-16T00:00:00+09:00watanabe3tipapatag:pelican-white-paper.pages.dev,2026-08-16:/ebpm-github-resources.html

<h1>EBPM 関連 GitHub リソース一覧</h1> <blockquote> <p>最終更新: 2026年8月16日<br> Evidence-Based Policy Making（EBPM）に関連するGitHub上のOSSツール、データセット、手法ライブラリ、知見集約リポジトリなどを …</p></blockquote>

<h1>EBPM 関連 GitHub リソース一覧</h1> <blockquote> <p>最終更新: 2026年8月16日<br> Evidence-Based Policy Making（EBPM）に関連するGitHub上のOSSツール、データセット、手法ライブラリ、知見集約リポジトリなどをカテゴリ別に整理しました。</p> </blockquote> <hr> <h2>1. 因果推論ライブラリ（総合）</h2> <table> <thead> <tr> <th>リポジトリ</th> <th>説明</th> <th>Stars</th> <th>言語</th> <th>ライセンス</th> </tr> </thead> <tbody> <tr> <td><a href="https://github.com/py-why/dowhy">py-why/dowhy</a></td> <td>Microsoft主導。因果グラフとポテンシャルアウトカムを統合した因果推論フレームワーク。仮説の明示的モデリングと検証をサポート。</td> <td>8,237</td> <td>Python</td> <td>MIT</td> </tr> <tr> <td><a href="https://github.com/py-why/EconML">py-why/EconML</a></td> <td>Microsoft Research。MLと計量経済学を融合した因果推論ツールキット。Double Machine Learningなどの手法を実装。</td> <td>-</td> <td>Python</td> <td>MIT相当</td> </tr> <tr> <td><a href="https://github.com/uber/causalml">uber/causalml</a></td> <td>Uber。アップリフトモデリングと因果推断のMLアルゴリズム群。政策効果の異質性分析に有用。</td> <td>5,938</td> <td>Python</td> <td>BSD系</td> </tr> <tr> <td><a href="https://github.com/pymc-labs/CausalPy">pymc-labs/CausalPy</a></td> <td>準実験的な設定での因果推論をベイズアプローチ（PyMC）で実現。DID・回帰不連続・合成制御などに対応。</td> <td>1,135</td> <td>Python</td> <td>Apache-2.0</td> </tr> <tr> <td><a href="https://github.com/biomedsciai/causallib">BiomedSciAI/causallib</a></td> <td>IBM Research。モジュール型の因果推論分析・モデル評価パッケージ。IPW・標準化・T-learnerなど。</td> <td>812</td> <td>Python</td> <td>Apache-2.0</td> </tr> <tr> <td><a href="https://github.com/jakobrunge/tigramite">jakobrunge/tigramite</a></td> <td>時系列データに特化した因果推論パッケージ。PCMCIなどの手法を実装。パネルデータの因果探索に有用。</td> <td>1,679</td> <td>Python</td> <td>GPL-3.0</td> </tr> <tr> <td><a href="https://github.com/google/tfp-causalimpact">google/tfp-causalimpact</a></td> <td>Google。TensorFlow ProbabilityベースのCausalImpact実装。時系列の介入効果推定。</td> <td>158</td> <td>Python</td> <td>Apache-2.0</td> </tr> <tr> <td><a href="https://github.com/amazon-science/azcausal">amazon-science/azcausal</a></td> <td>Amazon Science。DID・Synthetic DID・Panelデータ分析の統合フレームワーク。</td> <td>46</td> <td>Python/R</td> <td>Apache-2.0</td> </tr> <tr> <td><a href="https://github.com/Sanofi-Public/CImpact">Sanofi-Public/CImpact</a></td> <td>時系列分析向け因果推論ライブラリ。</td> <td>44</td> <td>Python</td> <td>独自</td> </tr> </tbody> </table> <hr> <h2>2. 差分の差分法（DiD）・合成制御法（SCM）関連</h2> <table> <thead> <tr> <th>リポジトリ</th> <th>説明</th> <th>Stars</th> <th>言語</th> <th>ライセンス</th> </tr> </thead> <tbody> <tr> <td><a href="https://github.com/synth-inference/synthdid">synth-inference/synthdid</a></td> <td>Synthetic Difference-in-Differencesの標準的なR実装。Arkhangelsky et al. (2021)。</td> <td>312</td> <td>R</td> <td>BSD-3</td> </tr> <tr> <td><a href="https://github.com/igerber/diff-diff">igerber/diff-diff</a></td> <td>PythonでのDID総合パッケージ。Callaway-Sant'Anna・Synthetic DiD・HonestDiD・event studyをsklearn風APIで提供。</td> <td>274</td> <td>Python</td> <td>MIT</td> </tr> <tr> <td><a href="https://github.com/bernardodionisi/differences">bernardodionisi/differences</a></td> <td>PythonでのDID実装。パネルデータの因果推論に特化。</td> <td>114</td> <td>Python</td> <td>GPL-3.0</td> </tr> <tr> <td><a href="https://github.com/Daniel-Pailanir/sdid">Daniel-Pailanir/sdid</a></td> <td>Synthetic Difference-in-DifferencesのStata実装。</td> <td>97</td> <td>Stata</td> <td>GPL-3.0</td> </tr> <tr> <td><a href="https://github.com/yo5uke/coresynth">yo5uke/coresynth</a></td> <td>Rでの高速・統一型合成制御法パッケージ。SCM・SDID・GSC・MCなどを一つのformulaインターフェースで。</td> <td>4</td> <td>R/C++</td> <td>独自</td> </tr> <tr> <td><a href="https://github.com/dropout009/sdid_python">dropout009/sdid_python</a></td> <td>Synthetic DiDのPython実装（Jupyter Notebook形式）。</td> <td>17</td> <td>Python</td> <td>-</td> </tr> </tbody> </table> <hr> <h2>3. 政策学習・政策評価ツール</h2> <table> <thead> <tr> <th>リポジトリ</th> <th>説明</th> <th>Stars</th> <th>言語</th> <th>ライセンス</th> </tr> </thead> <tbody> <tr> <td><a href="https://github.com/grf-labs/policytree">grf-labs/policytree</a></td> <td>二重頑健的経験的厚生最大化に基づく政策学習（ツリー構造）。</td> <td>87</td> <td>R/C++</td> <td>MIT</td> </tr> <tr> <td><a href="https://github.com/oguerrer/ppi">oguerrer/ppi</a></td> <td>Policy Priority Inferenceモデル。エージェントベースシミュレーションでSDGs達成の政策優先度を推定。</td> <td>13</td> <td>Python</td> <td>MIT</td> </tr> <tr> <td><a href="https://github.com/KDiazOrdaz/Machine-learning-in-policy-evaluation-new-tools-for-causal-inference">KDiazOrdaz/Machine-learning-in-policy-evaluation-new-tools-for-causal-inference</a></td> <td>政策評価へのML適用に関する論文付属コード。</td> <td>12</td> <td>R</td> <td>BSD-2</td> </tr> <tr> <td><a href="https://github.com/CausalML/confounding-robust-policy-improvement">CausalML/confounding-robust-policy-improvement</a></td> <td>観測されていない交絡下でのミニマックス政策学習。</td> <td>4</td> <td>Python</td> <td>-</td> </tr> <tr> <td><a href="https://github.com/human-technology-institute/bayesian-causal-policy">human-technology-institute/bayesian-causal-policy</a></td> <td>政策意思決定のためのベイズ因果探索。</td> <td>1</td> <td>Python</td> <td>Apache-2.0</td> </tr> <tr> <td><a href="https://github.com/human-technology-institute/BAT-for-social-policy">human-technology-institute/BAT-for-social-policy</a></td> <td>社会政策のためのベイズ適応型試行（Bayesian Adaptive Trials）のシミュレーションコード。</td> <td>-</td> <td>Python</td> <td>-</td> </tr> </tbody> </table> <hr> <h2>4. 政策シミュレーション・制度モデリング</h2> <table> <thead> <tr> <th>リポジトリ</th> <th>説明</th> <th>Stars</th> <th>言語</th> <th>ライセンス</th> </tr> </thead> <tbody> <tr> <td><a href="https://github.com/openfisca/openfisca-core">openfisca/openfisca-core</a></td> <td>税制・社会保障制度のマイクロシミュレーションエンジン。"Legislation as Code"を実現。</td> <td>234</td> <td>Python</td> <td>AGPL-3.0</td> </tr> <tr> <td><a href="https://github.com/openfisca/openfisca-policy">openfisca/openfisca-policy</a></td> <td>OpenFiscaの政策指向サーベイシミュレーションヘルパー。</td> <td>0</td> <td>Python</td> <td>-</td> </tr> <tr> <td><a href="https://github.com/PolicyEngine/policyengine-app">PolicyEngine/policyengine-app</a></td> <td>公共政策の影響を計算・可視化するWebアプリ。税制・給付政策のシミュレーション。</td> <td>67</td> <td>Python/TS</td> <td>AGPL-3.0</td> </tr> <tr> <td><a href="https://github.com/PolicyEngine/policyengine.py">PolicyEngine/policyengine.py</a></td> <td>PolicyEngineのPythonパッケージ。税・給付モデルの可視化・分析統合。</td> <td>6</td> <td>Python</td> <td>AGPL-3.0</td> </tr> <tr> <td><a href="https://stapm-platform.github.io/">STAPM Platform</a></td> <td>公衆衛生政策シミュレーションのための技術基盤。英国Sheffield大学。</td> <td>-</td> <td>R/Python</td> <td>-</td> </tr> </tbody> </table> <hr> <h2>5. EBPMデータベース・知見集約</h2> <table> <thead> <tr> <th>リポジトリ</th> <th>説明</th> <th>Stars</th> <th>言語</th> <th>ライセンス</th> </tr> </thead> <tbody> <tr> <td><a href="https://github.com/CyberAgentAILab/EBPMDB">CyberAgentAILab/EBPMDB</a></td> <td>証拠に基づく政策のための研究成果データベース。国内外の政策介入エビデンスをレビュー形式で集約。</td> <td>35</td> <td>TypeScript</td> <td>MIT</td> </tr> <tr> <td><a href="https://github.com/nestauk/discovery_policy_atlas">nestauk/discovery_policy_atlas</a></td> <td>AIを活用した政策立案支援ツール（Policy Atlas）。</td> <td>5</td> <td>Python/TS</td> <td>AGPL-3.0</td> </tr> </tbody> </table> <hr> <h2>6. 政策文書分析・モニタリングツール</h2> <table> <thead> <tr> <th>リポジトリ</th> <th>説明</th> <th>Stars</th> <th>言語</th> <th>ライセンス</th> </tr> </thead> <tbody> <tr> <td><a href="https://github.com/colossus-lab/openarg_backend">colossus-lab/openarg_backend</a></td> <td>アルゼンチン政府オープンデータのAI分析エンジン。マルチエージェント・NL2SQL・セマンティックキャッシング。</td> <td>139</td> <td>Python</td> <td>MIT</td> </tr> <tr> <td><a href="https://github.com/policybot-io/UNREDACTED">policybot-io/UNREDACTED</a></td> <td>国家政府の支出・予算・債務・政策分析・政治家献金モニタリングのAIアプリ。</td> <td>5</td> <td>Python/TS</td> <td>独自</td> </tr> <tr> <td><a href="https://github.com/AgoraDMV/BillTrax">AgoraDMV/BillTrax</a></td> <td>米国議会法案のインテリジェンスプラットフォーム。法案テキストの構造化・資金変化追跡・AI要約。</td> <td>1</td> <td>Python/TS</td> <td>-</td> </tr> <tr> <td><a href="https://github.com/christian-camille/uk-policy-tracker">christian-camille/uk-policy-tracker</a></td> <td>英政府・議会APIを取り込んだ政策トラッキングプラットフォーム。NLPエンティティマッチング・グラフ探索。</td> <td>0</td> <td>Python/TS</td> <td>-</td> </tr> <tr> <td><a href="https://github.com/DU-CAID/policy-scoring-dashboard">DU-CAID/policy-scoring-dashboard</a></td> <td>政策文書（PDF/DOCX/TXT）をEBPMの5次元でスコアリングするダッシュボード。</td> <td>0</td> <td>Python</td> <td>MIT</td> </tr> <tr> <td><a href="https://github.com/nelabdiel/diff_policies">nelabdiel/diff_policies</a></td> <td>政策文書の比較分析プラットフォーム。Ollama連携のAI分析機能付き。</td> <td>4</td> <td>Python/JS</td> <td>-</td> </tr> <tr> <td><a href="https://github.com/Varnasr/PolicyDhara">Varnasr/PolicyDhara</a></td> <td>インド開発政策の自動更新トラッカー。</td> <td>1</td> <td>Astro/JS</td> <td>MIT</td> </tr> <tr> <td><a href="https://github.com/christian-arthur/ai-policy-advisor">christian-arthur/ai-policy-advisor</a></td> <td>ローカルLLMを用いた政策アドバイスのR/Python統合ツール。</td> <td>0</td> <td>R/Python</td> <td>-</td> </tr> </tbody> </table> <hr> <h2>7. 日本のEBPM・オープンデータ関連</h2> <table> <thead> <tr> <th>リポジトリ</th> <th>説明</th> <th>Stars</th> <th>言語</th> <th>ライセンス</th> </tr> </thead> <tbody> <tr> <td><a href="https://github.com/japan-opendata/awesome-japan-opendata">japan-opendata/awesome-japan-opendata</a></td> <td>日本のオープンデータ情報一覧・まとめ。</td> <td>162</td> <td>Markdown</td> <td>CC-BY-4.0</td> </tr> <tr> <td><a href="https://github.com/CyberAgentAILab/EBPMDB">CyberAgentAILab/EBPMDB</a></td> <td>（重複）日本発のEBPM研究成果データベース。</td> <td>35</td> <td>TypeScript</td> <td>MIT</td> </tr> </tbody> </table> <h3>参考：日本政府・研究機関のEBPM関連ページ</h3> <ul> <li><a href="https://www.cao.go.jp/others/kichou/ebpm/ebpm.html">内閣府 EBPMへの取組</a> — 内閣府のEBPM推進体制・各局の取組紹介</li> <li><a href="https://www.gyoukaku.go.jp/ebpm/">行政改革推進会議 EBPMの推進</a> — 統計データ提供ガイドライン・行政事業レビュー支援</li> <li><a href="https://csds.rois.ac.jp/research/omd/pj4/">社会データ構造化センター 政府統計を用いたEBPM研究プロジェクト</a> — 公的ミクロデータを活用した因果的Evidenceの発信</li> </ul> <hr> <h2>8. その他の関連ツール・フレームワーク</h2> <table> <thead> <tr> <th>リポジトリ</th> <th>説明</th> <th>Stars</th> <th>言語</th> <th>ライセンス</th> </tr> </thead> <tbody> <tr> <td><a href="https://github.com/mikepsinn/optimitron/tree/main/packages/opg">mikepsinn/optimitron</a></td> <td>Optimal Policy Generator。因果エビデンス・厚生関数・Bradford Hill基準を用いた政策ランキング・スコアリング。</td> <td>-</td> <td>TypeScript</td> <td>-</td> </tr> <tr> <td><a href="https://github.com/random-walks/factor-factory">random-walks/factor-factory</a></td> <td>ドメイン非依存の因子モデル＋分析パイプラインフレームワーク。DiD・SDID・SCM・RDDなどをプラガブルエンジンで統合。</td> <td>1</td> <td>Python</td> <td>MIT</td> </tr> </tbody> </table> <hr> <h2>カテゴリ別おすすめ（導入優先度）</h2> <h3>まず押さえておきたい「核」ライブラリ</h3> <ol> <li><strong>py-why/dowhy</strong> — 因果推論の全体像を学び・実装するのに最適</li> <li><strong>py-why/EconML</strong> — ML×計量経済学の最先端手法（DML・CATE推定）</li> <li><strong>uber/causalml</strong> — 政策効果の異質性分析・アップリフトモデリング</li> <li><strong>pymc-labs/CausalPy</strong> — ベイズ準実験分析の統合環境</li> </ol> <h3>政策評価の「定番」手法</h3> <ol> <li><strong>synth-inference/synthdid</strong> / <strong>igerber/diff-diff</strong> — DiD・Synthetic DiD</li> <li><strong>grf-labs/policytree</strong> — データ駆動型の政策ルール学習</li> </ol> <h3>制度シミュレーション</h3> <ol> <li><strong>openfisca/openfisca-core</strong> — 制・社会保障の「コード化」</li> <li><strong>PolicyEngine/policyengine-app</strong> — 政策影響の可視化・市民参加</li> </ol> <h3>日本のEBPMエコシステム</h3> <ol> <li><strong>CyberAgentAILab/EBPMDB</strong> — 日本語の政策エビデンスデータベース</li> <li><strong>japan-opendata/awesome-japan-opendata</strong> — 国内オープンデータの入口</li> </ol> <hr> <h2>補足：EBPMの手法カテゴリと対応ツール</h2> <table> <thead> <tr> <th>手法カテゴリ</th> <th>代表的手法</th> <th>対応ツール例</th> </tr> </thead> <tbody> <tr> <td>ランダム化較試験（RCT）</td> <td>A/Bテスト・Field Experiment</td> <td>DoWhy, CausalML</td> </tr> <tr> <td>差分の差分法（DiD）</td> <td>2×2 DiD, Callaway-Sant'Anna, Synthetic DiD</td> <td>synthdid, diff-diff, differences, azcausal, CausalPy</td> </tr> <tr> <td>合成制御法（SCM）</td> <td>Abadie et al. SCM, Generalized SCM</td> <td>coresynth, CausalPy</td> </tr> <tr> <td>回帰不連続設計（RDD）</td> <td>Sharp/Fuzzy RDD</td> <td>CausalPy, rdrobust (R)</td> </tr> <tr> <td>マッチング・重み付け</td> <td>Propensity Score, IPW, Covariate Balancing</td> <td>causallib, DoWhy, MatchIt (R)</td> </tr> <tr> <td>政策学習・最適化</td> <td>Policy Tree, Doubly Robust Learning</td> <td>policytree, EconML, confounding-robust-policy-improvement</td> </tr> <tr> <td>構造型モデリング・シミュレーション</td> <td>マイクロシミュレーション, ABM</td> <td>OpenFisca, ppi, STAPM</td> </tr> <tr> <td>因果探索</td> <td>ベイズネット, PCMCI</td> <td>DoWhy, tigramite</td> </tr> <tr> <td>時系列介入分析</td> <td>CausalImpact, Interrupted Time Series</td> <td>tfp-causalimpact, CausalPy, CImpact</td> </tr> </tbody> </table> <hr> <p><em>本一覧はGitHub上の公開リポジトリを対象にしています。今後の追加・修正はPull RequestやIssueで歓迎します。</em></p>2025-09-07T05:45:00+09:002025-09-07T06:30:00+09:00watanabe3tipapatag:pelican-white-paper.pages.dev,2025-09-07:/markdown.html

<p>Markdown files have various file extensions. Why is that?</p>

<p>マークダウンファイルの拡張子には、主に以下のようなものがあります。</p> <table> <thead> <tr> <th>拡張子</th> <th>説明</th> </tr> </thead> <tbody> <tr> <td><strong>.md</strong></td> <td>最も一般的なマークダウンファイルの拡張子。</td> </tr> <tr> <td><strong>.markdown</strong></td> <td>マークダウンのフルネームを使用した拡張子。</td> </tr> <tr> <td><strong>.mdown</strong></td> <td>一部のプロジェクトで使用されることがある拡張子。</td> </tr> <tr> <td><strong>.mkd</strong></td> <td>マークダウンの略称として使われることがある拡張子。</td> </tr> </tbody> </table> <p>これらの拡張子は、マークダウン形式のテキストを保存するために使用され、さまざまなエディタやプラットフォームでサポートされています。 特に、<strong>.md</strong>が最も広く使われています。</p> <p>それではなぜ <strong>.md</strong> がもっとも普及しているのでしょうか。</p> <p><strong>.md</strong>がもっとも普及している理由は以下の通りです。</p> <table> <thead> <tr> <th>理由</th> <th>説明</th> </tr> </thead> <tbody> <tr> <td><strong>シンプルさ</strong></td> <td>マークダウンはシンプルな記法で、テキストを簡単にフォーマットできるため、初心者でも扱いやすい。</td> </tr> <tr> <td><strong>広範なサポート</strong></td> <td>GitHubやGitLab、Bitbucketなどのプラットフォームで広くサポートされており、プロジェクトのREADMEファイルとしてよく使用される。</td> </tr> <tr> <td><strong>可読性</strong></td> <td>プレーンテキストとしても可読性が高く、マークアップが少ないため、内容を理解しやすい。</td> </tr> <tr> <td><strong>ツールの互換性</strong></td> <td>多くのエディタやツールが<strong>.md</strong>ファイルをサポートしており、変換やプレビューが容易。</td> </tr> <tr> <td><strong>コミュニティの支持</strong></td> <td>オープンソースコミュニティや技術系の文書作成において、<strong>.md</strong>が標準として定着している。</td> </tr> </tbody> </table> <p>これらの要因が重なり、<strong>.md</strong>はマークダウンファイルのデファクトスタンダードとなっていると考えられます。</p> <hr> <p>💡 なお、この Pelican White Paper では <strong>.md</strong> でコンテンツ管理しています。</p> <hr>2025-09-06T11:00:00+09:002025-09-06T11:00:00+09:00watanabe3tipapatag:pelican-white-paper.pages.dev,2025-09-06:/restructuredtext-toiuji-fa.html

<p class="first last">This is a sample article written in reStructuredText.</p>

<div class="section" id="rst"> <h2>RSTでの記事作成</h2> <p>これはreStructuredTextで書かれた記事の本文です。 以下に記法の事例を示します。</p> <div class="section" id="section-1"> <h3>リンクの例</h3> <p><a class="reference external" href="https://getpelican.com/">Pelicanの公式サイト</a> を見てみましょう。</p> </div> <div class="section" id="section-2"> <h3>コードブロックの例</h3> <div class="highlight"><pre><span></span><span class="nb">print</span><span class="p">(</span><span class="s2">&quot;Hello from a reStructuredText file!&quot;</span><span class="p">)</span> </pre></div> <p>---</p> </div> <div class="section" id="section-3"> <h3>リストの例</h3> <ul class="simple"> <li>箇条書きリスト1</li> <li>箇条書きリスト2<ul> <li>入れ子リスト</li> </ul> </li> </ul> <ol class="arabic simple"> <li>番号付きリスト1</li> <li>番号付きリスト2</li> </ol> </div> <div class="section" id="section-4"> <h3>文字装飾の例</h3> <p><em>イタリック</em> や <strong>ボールド</strong> が使えます。</p> </div> <div class="section" id="section-5"> <h3>画像の例</h3> <img alt="代替テキスト" src="/assets/your_image.jpg" style="width: 200px;" /> </div> <div class="section" id="section-6"> <h3>テーブルの例</h3> <table border="1" class="docutils"> <colgroup> <col width="50%" /> <col width="50%" /> </colgroup> <thead valign="bottom"> <tr><th class="head">ヘッダー1</th> <th class="head">ヘッダー2</th> </tr> </thead> <tbody valign="top"> <tr><td>セル 1-1</td> <td>セル 1-2</td> </tr> <tr><td>セル 2-1</td> <td>セル 2-2</td> </tr> </tbody> </table> </div> <div class="section" id="section-7"> <h3>注釈の例</h3> <p>これは注釈付きの文章です <a class="footnote-reference" href="#footnote-1" id="footnote-reference-1">[1]</a> 。 そして、これはもう一つの注釈です <a class="footnote-reference" href="#footnote-2" id="footnote-reference-2">[2]</a> 。</p> <p class="rubric">注釈</p> <table class="docutils footnote" frame="void" id="footnote-1" rules="none"> <colgroup><col class="label" /><col /></colgroup> <tbody valign="top"> <tr><td class="label"><a class="fn-backref" href="#footnote-reference-1">[1]</a></td><td>最初の注釈の内容です。</td></tr> </tbody> </table> <table class="docutils footnote" frame="void" id="footnote-2" rules="none"> <colgroup><col class="label" /><col /></colgroup> <tbody valign="top"> <tr><td class="label"><a class="fn-backref" href="#footnote-reference-2">[2]</a></td><td>二番目の注釈の内容です。</td></tr> </tbody> </table> </div> <div class="section" id="section-8"> <h3>引用の例</h3> <blockquote> これは引用されたブロックです。 インデントすることで表現します。</blockquote> </div> <div class="section" id="section-9"> <h3>ノートディレクティブの例</h3> <div class="admonition note"> <p class="first admonition-title">備考</p> <p class="last">これは読者の注意を引くためのノートです。 重要な情報を記載するのに便利です。</p> </div> <p>---</p> </div> <div class="section" id="section-10"> <h3>定義リストの例</h3> <dl class="docutils"> <dt>用語1</dt> <dd>用語1の説明です。</dd> <dt>用語2</dt> <dd>用語2の説明です。 複数行にわたって書くこともできます。</dd> </dl> </div> <div class="section" id="section-11"> <h3>警告ディレクティブの例</h3> <div class="admonition warning"> <p class="first admonition-title">警告</p> <p class="last">これは特に注意してほしい内容を記述する際に使います。</p> </div> </div> <div class="section" id="section-12"> <h3>置換の例</h3> <p>この文章では reStructuredText という略語が使えます。</p> <p>---</p> </div> </div> 2025-09-05T00:00:00+09:002025-09-05T00:00:00+09:00watanabe3tipapatag:pelican-white-paper.pages.dev,2025-09-05:/my-2nd-post.html

<p>これは私の２番目の投稿です。</p> <h2>Pelicanのメタデータについて</h2> <p><img alt="IMG" src="./assets/IMG_meta_data.jpg"></p> <p>以上の中から必要に応じて使用します。</p> <h2>Pelicanのメタデータとその利点</h2> <p>Pelicanでは、Markdownファイルの先頭に<code>Title</code>や<code>Date</code>といった「メタデータ」を記述します。これらは記 …</p>

<p>これは私の２番目の投稿です。</p> <h2>Pelicanのメタデータについて</h2> <p><img alt="IMG" src="./assets/IMG_meta_data.jpg"></p> <p>以上の中から必要に応じて使用します。</p> <h2>Pelicanのメタデータとその利点</h2> <p>Pelicanでは、Markdownファイルの先頭に<code>Title</code>や<code>Date</code>といった「メタデータ」を記述します。これらは記事の本文そのものではなく、記事に関する「情報」です。</p> <p>!IMG</p> <p>このメタデータを使うことで、以下のような多くの利点があります。</p> <ul> <li><strong>コンテンツの自動整理</strong>: <code>Category</code>や<code>Tags</code>を指定すると、Pelicanが自動でカテゴリ別・タグ別のアーカイブページを生成してくれます。</li> <li><strong>URLの最適化</strong>: <code>Slug</code>メタデータを使えば、記事のURLを分かりやすくカスタマイズできます。</li> <li><strong>表示の制御</strong>: <code>Summary</code>メタデータで記事一覧に表示する要約を自由に設定できます。</li> <li><strong>テーマとの連携</strong>: テーマはこれらのメタデータを読み取り、著者名や公開日を適切な場所に表示します。</li> </ul> <p>このように、メタデータはサイトの構造化と自動化の要となる重要な機能です。</p>2025-09-05T00:00:00+09:002025-09-05T00:00:00+09:00watanabe3tipapatag:pelican-white-paper.pages.dev,2025-09-05:/my-3rd-post.html

<p>これは私の３番目の投稿です。 以下は、サイトのビルド方法です。</p> <h2>サイトの公開手順</h2> <p>このプロジェクトでは、コンテンツをビルドし、GitHubにプッシュすることでCloudflare Pagesに自動でデプロイする流れを想定しています …</p>

<p>これは私の３番目の投稿です。 以下は、サイトのビルド方法です。</p> <h2>サイトの公開手順</h2> <p>このプロジェクトでは、コンテンツをビルドし、GitHubにプッシュすることでCloudflare Pagesに自動でデプロイする流れを想定しています。</p> <h3>1. 公開用のサイトをビルド</h3> <p>まず、ローカルで公開用の静的ファイルを生成します。プロジェクトのルートディレクトリで以下のコマンドを実行してください。</p> <div class="highlight"><pre><span></span><code>invoke<span class="w"> </span>preview </code></pre></div> <p>このコマンドは <code>publishconf.py</code> の設定を使って <code>src/output</code> ディレクトリにファイルを出力します。</p> <h3>2. 変更をGitHubにプッシュ</h3> <p>次に、生成されたファイルを含むすべての変更をGitHubリポジトリにプッシュします。</p> <div class="highlight"><pre><span></span><code>git<span class="w"> </span>add<span class="w"> </span>. git<span class="w"> </span>commit<span class="w"> </span>-m<span class="w"> </span><span class="s2">&quot;記事の追加や更新&quot;</span> git<span class="w"> </span>push<span class="w"> </span>origin<span class="w"> </span>main </code></pre></div> <h3>3. Cloudflare Pagesでの自動ビルド</h3> <p>Cloudflare Pagesは、GitHubリポジトリへのプッシュを検知して、自動でサイトのビルドとデプロイを行います。</p> <p>Cloudflareでのビルド設定は以下の通りです。</p> <ul> <li><strong>ビルドコマンド</strong>: <code>invoke preview</code></li> <li><strong>ビルド出力ディレクトリ</strong>: <code>src/output</code></li> </ul> <p>この設定により、GitHubにプッシュするだけで、数分後にはサイトが更新されます。</p> <hr>2025-09-05T00:00:00+09:002025-09-05T00:00:00+09:00watanabe3tipapatag:pelican-white-paper.pages.dev,2025-09-05:/my-first-post.html

<p>これは私の最初の投稿です。</p> <h2>なぜ Pelican を使うのか</h2> <p>PelicanはPython製の静的サイトジェネレーターで、以下のような多くの利点があります。</p> <ul> <li><strong>高速でセキュア</strong>: データベース …</li></ul>

<p>これは私の最初の投稿です。</p> <h2>なぜ Pelican を使うのか</h2> <p>PelicanはPython製の静的サイトジェネレーターで、以下のような多くの利点があります。</p> <ul> <li><strong>高速でセキュア</strong>: データベースを使わず、静的なHTMLファイルを生成するため、サイトの表示が非常に高速で、セキュリティリスクも低減されます。</li> <li><strong>シンプルな記述</strong>: MarkdownやreStructuredTextといった、普段から使い慣れた形式で記事を執筆できます。</li> <li><strong>Pythonによる拡張性</strong>: Pythonで書かれているため、プラグインの作成やテーマのカスタマイズが容易です。</li> <li><strong>デプロイが簡単</strong>: 生成されたファイル群をサーバーにアップロードするだけで公開できます。</li> <li><strong>豊富なエコシステム</strong>: 多くのテーマやプラグインがコミュニティによって提供されています。</li> </ul> <hr>