我們如何在uima ruta中註釋一個unicode字符

我們如何在uima ruta中註釋一個unicode字符：例如：我想標記這個文本（巴黎：Ã‰¬‰Robert Laffont）。所以我使用了下面的規則。我們如何在uima ruta中註釋一個unicode字符

DECLARE CITY; 
CW COLON CW+{->MARK(CITY,1,3)};

但是文字覆蓋巴黎：Ã。有什麼辦法可以解決這個問題嗎？等待答案。提前感謝。

我已經遇到了類似的問題EN DASH（unicode =â€「）。我用SW SPECIAL + { - > MARK（HYPHEN_UNICODE，1,2）};所以這個問題就解決了。這是解決問題的唯一方法嗎？ Orelse還有其他解決方案。 –

它的所有關於他的詞法分析器的定義，它創建了ruta（W，CW，SPECIAL ...）的標記類註釋。

規則CW COLON CW+{->MARK(CITY,1,1)};爲文本跨度Paris創建類型CITY的註釋，而不考慮unicode字符。

最後一個規則元素CW+與Ã相匹配，因爲這用CW註釋，但由於‰不是CW而是SPECIAL。

有不同的方法可以避免這個問題。我的建議是，你應該依賴於你的規則的不同類型的註釋。 ruta的詞法分析註釋的工作是創建最小的註釋。他們沒有定義一般的令牌。

也許你可以使用這樣的事情（或使用性能更好的實際標記者）：

DECLARE CITY; 
DECLARE Token; 

RETAINTYPE(SPACE); 
(W (SPECIAL? W)*){-> Token}; 
RETAINTYPE; 

Token COLON Token+{->MARK(CITY,1,1)};

免責聲明：我是UIMA魯塔開發商

2016-04-29 09:49:14

嗨，彼得謝謝你的回覆。我對此規則行{-REGEXP（「CORA：。*」） - > MARK（參考）}有疑問。什麼是CORA：。*意思是 –

你可以簡單介紹一下Html轉換器，Html轉換器和TEIViewWriter的一些例子。因爲我試過這個，但是收到了一些錯誤信息。 –

在本評論部分，用示例解釋相當有問題。最好，在UIMA用戶郵件列表上詢問這個問題（或者在stackoverflow上創建一個新的問題）。 –

回答