單詞中斷規則文件

Question

IBM顯然是開源的ICU源代碼，用於Unicode和全球化支持，其中一部分是文本邊界定位器，用於檢測文本中可以放置中斷的位置。

但是，中斷檢測的東西依賴於規則，我無法在任何位置找到規則文件。

我在哪裏可以獲得com.ibm.icu.text.BreakIterator和com.ibm.icu.text.RuleBasedBreakIterator的單詞分隔規則文本文件？

Answer 1

http://www.icu-project.org/包含IBM根據開源許可證發佈的icu4j的所有源代碼。這包括邊界分析的東西，如基於字典和基於規則的中斷迭代器。

但是，似乎沒有適合閱讀的文本文件。我不確定IBM是否會將他們的規則集作爲開源發佈（因爲這對他們來說是一個非常大的技術優勢）。相反，這個想法是創建你自己的規則集，其中的教程是here。

就在同教程的狀態，你可以通過運行轉儲默認規則：

RuleBasedBreakIterator rbbi = (RuleBasedBreakIterator) 
    BreakIterator.getWordInstance(Locale.getDefault()); 
String defaultRules = rbbi.toString();