我是 GATE NLP 的新手。我有一份文档，其中包含项目符号。当我将其加载到 GATE 时。项目符号被检测为未知类型符号，打印为 。我还尝试将编码设置为 UTF-8。我还尝试以编程方式加载文档，然后项目符号被检测为 ? 。
谁能给我解释一下吗？
示例:
拥有 2.5 年经验，晋升为高级技术成员(member)。
这是 GATE DEVELOPER UI 中的符号，当我“以编程方式”执行此操作时，会显示 ? 符号。
最佳答案
根据我的经验，doc 和 docx 文件通常不会产生 字符。项目符号缺失(文本格式为项目符号列表)或打印为 •(带有原始项目符号字符的文本)。
另请参阅此相关问题:Parsing either font style or block of paragraph in GATE
Pdf 文件通常会在 GATE 文档中生成“-项目符号”。它可能与一些 pdf 或 Apache PDFBox 问题有关，请参阅例如this one .
这些字符也有一个 unicode 值。在 XML 中，它们被编码为 。在这种情况下，我的建议是跟踪此类字符(根据原始项目符号字符，它们可能具有不同的 unicode 值)并将其替换为可打印的内容(例如 •)。
关于?字符:我这可能是由于你的java环境不支持这些字符引起的。参见例如:Why Some Unicode Characters appears to be question mark in the console?
关于java - 文档中的项目符号在 GATE NLP 中变成问号，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/38827011/