我是GATE NLP的新手。我有一个包含子弹的文档。当我将其加载到GATE时。子弹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，然后将子弹检测为?。
任何人都可以解释一下吗？
示例：
Promoted to Senior Member Technical in 2.5 years of experience.
这是GATE DEVELOPER UI中的符号，当我执行时会显示?符号＆＃34;以编程方式显示＆＃34;。
答案 0 :(得分：0)
根据我的经验，doc和docx文件通常不会生成个字符。项目符号丢失（文本格式为子弹列表）或打印为•（带有原始项目符号的文本）。
另请参阅此相关问题：Parsing either font style or block of paragraph in GATE
Pdf个文件通常会在GATE文档中生成“ - 项目符号”。它可能与某些 pdf 或 Apache PDFBox 问题有关，请参阅例如this one
这些字符也具有unicode值。在XML中，它们被编码为例如。在这种情况下，我的建议是跟踪这些字符（它们可能具有不同的unicode值，具体取决于原始的项目符号），并用可打印的内容替换它们（例如•）。
关于?字符：我可能是由不支持这些字符的java环境引起的。参见例如：Why Some Unicode Characters appears to be question mark in the console?