1

たとえば、次のコードを考えてみましょう。

using namespace boost::locale::boundary;
boost::locale::generator gen;
std::string text = "L'homme qu'on aimait trop.";
ssegment_index map(word, text.begin(), text.end(), gen("fr_FR.UTF-8"));
for (ssegment_index::iterator it = map.begin(), e = map.end(); it != e; ++it)
    std::cout << "\"" << *it << "\", ";
std::cout << std::endl;

これは以下を出力します:

"L'homme", " ", "qu'on", " ", "aimait", " ", "trop", ".",

代わりに出力するように境界分析をカスタマイズすることは可能ですか:

"L", "'", "homme", " ", "qu", "'", "on", " ", "aimait", " ", "trop", ".",

http://www.boost.org/doc/libs/1_56_0/libs/locale/doc/html/boundary_analysys.htmlを読み、Stack Overflow と Google を検索しましたが、これまでのところ何も見つかりませんでした。

4

1 に答える 1

0

boost::locale::boundary でこれを行う方法は見つかりませんでしたが、ICU でRuleBasedBreakIterator提供されているものを使用するのではなく、カスタマイズされた を作成することで直接行うことができcreateWordInstanceます。

Locale locale("fr_FR");
UErrorCode statusError = U_ZERO_ERROR;
UParseError parseError = { 0 };

// get rules from a default rbbi (these should be in a word.txt file somewhere)
RuleBasedBreakIterator *default_rbbi = dynamic_cast<RuleBasedBreakIterator *>(RuleBasedBreakIterator::createWordInstance(locale, statusError));
UnicodeString rules = default_rbbi->getRules();
delete default_rbbi;

// create custom rbbi with updated rules
rules.findAndReplace("[\\p{Word_Break = MidNumLet}]", "[[\\p{Word_Break = MidNumLet}] - [\\u0027 \\u2018 \\u2019 \\uff07]]");
RuleBasedBreakIterator custom_rbbi(rules, parseError, statusError);

// tokenize text
UnicodeString text = "L'homme qu'on aimait trop.";
custom_rbbi.setText(text);
int32_t e, p = custom_rbbi.first();
while ((e = custom_rbbi.next()) != BreakIterator::DONE) {
    std::string substring;
    text.tempSubStringBetween(p, e).toUTF8String(substring);
    std::cout << "\"" << substring << "\", ";
    p = e;
}
std::cout << std::endl;
于 2015-03-17T16:33:34.740 に答える