jlanguagetool不忽略单词中的数字

fdbelqdn 于 2021-07-06 发布在 Java

关注(0)|答案(1)|浏览(399)

我正在使用jlanguagetool和德语( de-DE )对于拼写检查，请注意数字似乎用作单词分隔符（就像空格？）。例如 We8lt 不是一个不正确的单词，而是两个拼写错误（一个是 We 一个给我 lt ). 或者举个例子 bis8 根本不作为错误报告。
示例调用（我将其用作java库，但行为是相同的）：

$ echo "Hallo We8lt bis8 Test" | java -jar languagetool-commandline.jar -l de-DE -
Expected text language: German (Germany)
Working on STDIN...

1.) Line 1, column 7, Rule ID: GERMAN_SPELLER_RULE prio=-3
Message: Möglicher Tippfehler gefunden.
Suggestion: WE; Der; Den; Des; Dem
Hallo We8lt bis8 Test 
      ^^              

2.) Line 1, column 10, Rule ID: GERMAN_SPELLER_RULE prio=-3
Message: Möglicher Tippfehler gefunden.
Suggestion: LT; als; lag; alt; elf
Hallo We8lt bis8 Test 
         ^^           

Time: 1618ms for 1 sentences (0.6 sentences/sec)

这是一个很大的问题，例如单词和数字之间的空格没有找到。如何使库/工具不将数字视为分词符？谢谢。

Java tokenize Numbers digits languagetool

来源：https://stackoverflow.com/questions/65024585/jlanguagetool-do-not-ignore-digits-in-words

1条答案

按热度按时间

mwg9r5ms1#

是的，你说得对：在德语中，languagetool把数字当作分词符。
要修改此行为，您必须更改源代码，并在germanspellerrule.java中从

String pattern = "(" + nonWordPattern.pattern() + "|(?<=[\\d°])-|-(?=\\d+))";

到

String pattern = ("(" + nonWordPattern.pattern() + "|(?<=[\\d°])-|-(?=\\d+))").replace("{L}", "{L}\\d");

或者，您可以向grammar.xml添加另一条规则，该规则抱怨数字前后缺少空格：

<rule id="RULE" name="rule">
<pattern>
    <token regexp="yes">[a-zäöüß]+\d+[a-zäöüß]*</token>
</pattern>
<message>Fehlt hier ein Leerzeichen?</message>
<example correction=""><marker>P4sswort</marker>.</example>

赞(0）回复(0）举报 2021-07-06

我来回答

jlanguagetool不忽略单词中的数字

1条答案

相关问题

热门标签

最新问答