- 使用 Spring Initializr 创建 Spring Boot 应用程序
- 在Spring Boot中配置Cassandra
- 在 Spring Boot 上配置 Tomcat 连接池
- 将Camel消息路由到嵌入WildFly的Artemis上
本文整理了Java中org.languagetool.tokenizers.WordTokenizer
类的一些代码示例,展示了WordTokenizer
类的具体用法。这些代码示例主要来源于Github
/Stackoverflow
/Maven
等平台,是从一些精选项目中提取出来的代码,具有较强的参考意义,能在一定程度帮忙到你。WordTokenizer
类的具体详情如下:
包路径:org.languagetool.tokenizers.WordTokenizer
类名称:WordTokenizer
[英]Tokenizes a sentence into words. Punctuation and whitespace gets their own tokens. The tokenizer is a quite simple character-based one, though it knows about urls and will put them in one token, if fully specified including a protocol (like http://foobar.org).
[中]把句子标记成单词。标点和空格都有自己的标记。标记器是一个非常简单的基于字符的标记器,尽管它知道URL,如果完全指定了包含协议(如http://foobar.org).
代码示例来源:origin: languagetool-org/languagetool
@Override
public List<String> tokenize(String text) {
List<String> l = new ArrayList<>();
StringTokenizer st = new StringTokenizer(text, getTokenizingCharacters(), true);
while (st.hasMoreElements()) {
l.add(st.nextToken());
}
return joinEMailsAndUrls(l);
}
代码示例来源:origin: languagetool-org/languagetool
private String tokenize(String text) {
List<String> tokens = wordTokenizer.tokenize(text);
return String.join("|", tokens);
}
代码示例来源:origin: languagetool-org/languagetool
protected boolean isEMail(String token) {
return WordTokenizer.isEMail(token);
}
代码示例来源:origin: org.languagetool/language-tl
@Override
public String getTokenizingCharacters() {
return super.getTokenizingCharacters() + "-";
}
}
代码示例来源:origin: languagetool-org/languagetool
@Test
public void testTokenize() {
WordTokenizer wordTokenizer = new WordTokenizer();
List <String> tokens = wordTokenizer.tokenize("This is\u00A0a test");
assertEquals(tokens.size(), 7);
assertEquals("[This, , is, \u00A0, a, , test]", tokens.toString());
tokens = wordTokenizer.tokenize("This\rbreaks");
assertEquals(3, tokens.size());
assertEquals("[This, \r, breaks]", tokens.toString());
tokens = wordTokenizer.tokenize("dev.all@languagetool.org");
assertEquals(1, tokens.size());
tokens = wordTokenizer.tokenize("dev.all@languagetool.org.");
assertEquals(2, tokens.size());
tokens = wordTokenizer.tokenize("dev.all@languagetool.org:");
assertEquals(2, tokens.size());
tokens = wordTokenizer.tokenize("Schreiben Sie Hr. Meier (meier@mail.com).");
assertEquals(tokens.size(), 13);
tokens = wordTokenizer.tokenize("Get more at languagetool.org/foo, and via twitter");
assertEquals(14, tokens.size());
assertTrue(tokens.contains("languagetool.org/foo"));
tokens = wordTokenizer.tokenize("Get more at sub.languagetool.org/foo, and via twitter");
assertEquals(14, tokens.size());
assertTrue(tokens.contains("sub.languagetool.org/foo"));
}
代码示例来源:origin: languagetool-org/languagetool
protected boolean isUrl(String token) {
return WordTokenizer.isUrl(token);
}
代码示例来源:origin: languagetool-org/languagetool
/**
* @since 3.0
*/
public static boolean isUrl(String token) {
for (String protocol : WordTokenizer.getProtocols()) {
if (token.startsWith(protocol + "://") || token.startsWith("www.")) {
return true;
}
}
return NO_PROTOCOL_URL.matcher(token).matches();
}
代码示例来源:origin: languagetool-org/languagetool
private boolean urlStartsAt(int i, List<String> l) {
String token = l.get(i);
if (isProtocol(token) && l.size() > i + 3) {
String nToken = l.get(i + 1);
String nnToken = l.get(i + 2);
代码示例来源:origin: org.languagetool/language-pl
public PolishWordTokenizer() {
plTokenizing = super.getTokenizingCharacters() + "–"; // n-dash
}
代码示例来源:origin: languagetool-org/languagetool
protected void testPerformance(LuceneLanguageModel model, int ngramLength) throws Exception {
try (FileInputStream fis = new FileInputStream(FILE)) {
String content = StringTools.readStream(fis, "UTF-8");
WordTokenizer wordTokenizer = new WordTokenizer();
List<String> words = wordTokenizer.tokenize(content);
String prevPrevWord = null;
String prevWord = null;
代码示例来源:origin: languagetool-org/languagetool
protected boolean isUrl(String token) {
return WordTokenizer.isUrl(token);
}
代码示例来源:origin: org.languagetool/languagetool-core
/**
* @since 3.0
*/
public static boolean isUrl(String token) {
for (String protocol : WordTokenizer.getProtocols()) {
if (token.startsWith(protocol + "://") || token.startsWith("www.")) {
return true;
}
}
return false;
}
代码示例来源:origin: org.languagetool/languagetool-core
private boolean urlStartsAt(int i, List<String> l) {
String token = l.get(i);
if (isProtocol(token) && l.size() > i + 3) {
String nToken = l.get(i + 1);
String nnToken = l.get(i + 2);
String nnnToken = l.get(i + 3);
if (nToken.equals(":") && nnToken.equals("/") && nnnToken.equals("/")) {
return true;
}
}
if (l.size() > i + 1) {
String nToken = l.get(i);
String nnToken = l.get(i + 1);
if (nToken.equals("www") && nnToken.equals(".")) {
return true;
}
}
return false;
}
代码示例来源:origin: org.languagetool/languagetool-core
@Override
public List<String> tokenize(String text) {
List<String> l = new ArrayList<>();
StringTokenizer st = new StringTokenizer(text, getTokenizingCharacters(), true);
while (st.hasMoreElements()) {
l.add(st.nextToken());
}
return joinEMailsAndUrls(l);
}
代码示例来源:origin: org.languagetool/language-nl
public DutchWordTokenizer() {
//remove the apostrophe etc. from the standard tokenizing characters:
String chars = super.getTokenizingCharacters();
for (String quote : QUOTES) {
chars = chars.replace(quote, "");
}
nlTokenizingChars = chars;
}
代码示例来源:origin: languagetool-org/languagetool
@Override
public List<String> tokenize(String text) {
List<String> tokens = super.tokenize(text);
String prev = null;
Stack<String> l = new Stack<>();
for (String token : tokens) {
if ("'".equals(prev)) {
if (token.equals("t")) {
l.pop();
l.push("'t");
} else {
l.push(token);
}
} else {
l.push(token);
}
prev = token;
}
return l;
}
}
代码示例来源:origin: languagetool-org/languagetool
@Test
public void testIsUrl() {
assertTrue(WordTokenizer.isUrl("www.languagetool.org"));
assertTrue(WordTokenizer.isUrl("languagetool.org/"));
assertTrue(WordTokenizer.isUrl("languagetool.org/foo"));
assertTrue(WordTokenizer.isUrl("subdomain.languagetool.org/"));
assertTrue(WordTokenizer.isUrl("http://www.languagetool.org"));
assertTrue(WordTokenizer.isUrl("https://www.languagetool.org"));
assertFalse(WordTokenizer.isUrl("languagetool.org")); // not detected yet
assertFalse(WordTokenizer.isUrl("sub.languagetool.org")); // not detected yet
assertFalse(WordTokenizer.isUrl("something-else"));
}
代码示例来源:origin: languagetool-org/languagetool
protected boolean isEMail(String token) {
return WordTokenizer.isEMail(token);
}
代码示例来源:origin: org.languagetool/language-eo
"(?<!')\\b([a-zA-ZĉĝĥĵŝŭĈĜĤĴŜŬ]+)'(?=[a-zA-ZĉĝĥĵŝŭĈĜĤĴŜŬ-])",
"$1\u0001\u0001EO@APOS2\u0001\u0001 ");
List<String> tokenList = super.tokenize(replaced);
List<String> tokens = new ArrayList<>();
代码示例来源:origin: languagetool-org/languagetool
WordTokenizer.isUrl(tokens[tokens.length-1].getToken())) {
我尝试理解[c代码 -> 汇编]代码 void node::Check( data & _data1, vector& _data2) { -> push ebp -> mov ebp,esp ->
我需要在当前表单(代码)的上下文中运行文本文件中的代码。其中一项要求是让代码创建新控件并将其添加到当前窗体。 例如,在Form1.cs中: using System.Windows.Forms; ..
我有此 C++ 代码并将其转换为 C# (.net Framework 4) 代码。有没有人给我一些关于 malloc、free 和 sprintf 方法的提示? int monate = ee; d
我的网络服务器代码有问题 #include #include #include #include #include #include #include int
给定以下 html 代码,将列表中的第三个元素(即“美丽”一词)以斜体显示的 CSS 代码是什么?当然,我可以给这个元素一个 id 或一个 class,但 html 代码必须保持不变。谢谢
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题,以便用事实和引用来回答。 关闭 7 年前。
我试图制作一个宏来避免重复代码和注释。 我试过这个: #define GrowOnPage(any Page, any Component) Component.Width := Page.Surfa
我正在尝试将我的旧 C++ 代码“翻译”成头条新闻所暗示的 C# 代码。问题是我是 C# 中的新手,并不是所有的东西都像 C++ 中那样。在 C++ 中这些解决方案运行良好,但在 C# 中只是不能。我
在 Windows 10 上工作,R 语言的格式化程序似乎没有在 Visual Studio Code 中完成它的工作。我试过R support for Visual Studio Code和 R-T
我正在处理一些报告(计数),我必须获取不同参数的计数。非常简单但乏味。 一个参数的示例查询: qCountsEmployee = ( "select count(*) from %s wher
最近几天我尝试从 d00m 调试网络错误。我开始用尽想法/线索,我希望其他 SO 用户拥有可能有用的宝贵经验。我希望能够提供所有相关信息,但我个人无法控制服务器环境。 整个事情始于用户注意到我们应用程
我有一个 app.js 文件,其中包含如下 dojo amd 模式代码: require(["dojo/dom", ..], function(dom){ dom.byId('someId').i
我对“-gencode”语句中的“code=sm_X”选项有点困惑。 一个例子:NVCC 编译器选项有什么作用 -gencode arch=compute_13,code=sm_13 嵌入库中? 只有
我为我的表格使用 X-editable 框架。 但是我有一些问题。 $(document).ready(function() { $('.access').editable({
我一直在通过本教程学习 flask/python http://blog.miguelgrinberg.com/post/the-flask-mega-tutorial-part-i-hello-wo
我想将 Vim 和 EMACS 用于 CNC、G 代码和 M 代码。 Vim 或 EMACS 是否有任何语法或模式来处理这种类型的代码? 最佳答案 一些快速搜索使我找到了 this vim 和 thi
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?更新问题,使其成为 on-topic对于堆栈溢出。 7年前关闭。 Improve this
这个问题在这里已经有了答案: Enabling markdown highlighting in Vim (5 个回答) 6年前关闭。 当我在 Vim 中编辑包含 Markdown 代码的 READM
我正在 Swift3 iOS 中开发视频应用程序。基本上我必须将视频 Assets 和音频与淡入淡出效果合并为一个并将其保存到 iPhone 画廊。为此,我使用以下方法: private func d
pipeline { agent any stages { stage('Build') { steps { e
我是一名优秀的程序员,十分优秀!