单词中断规则文件

Question

IBM显然开源了他们用于Unicode和全球化支持的ICU源代码，其中一部分是文本边界定位器，用于检测文本中的中断位置。

但是，中断检测内容依赖于规则，我无法在任何地方找到规则文件。

我在哪里可以获取com.ibm.icu.text.BreakIterator和com.ibm.icu.text.RuleBasedBreakIterator的分词规则文本文件？

Answer 1

http://www.icu-project.org/包含IBM在开源许可下发布的icu4j的所有源代码。这包括边界分析，如字典和基于规则的break迭代器。

但是，似乎没有适合细读的文本文件。我不确定IBM是否会将其规则集作为开源发布（因为它对他们来说是一个非常大的技术优势）。相反，我们的想法是创建自己的规则集，其教程为here。

同一个教程声明您可以通过运行以下命令来转储默认规则：

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