知识卡片
字符码元不同于UTF八字节
Java String.toCharArray得到UTF-16码元数组,不是UTF-8字节或必然完整Unicode码点。补充字符可占两个char,书中65536项类型表只直接覆盖单个码元范围,偏移与长度约定必须统一。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 词汇与分词技术
原书出处 · 1 处
- · 查看原书依据
char[] charArray = text.toCharArray(); //原子切分 if (HanLP.Config.Normalization) { CharTable.normalization(charArray); } if
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第03章《词汇与分词技术》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00008.html)
- 结论依据:摘录中关于字符码元不同于UTF八字节的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:char[] charArray = text.toCharArray(); //原子切分 if (HanLP.Config.Normalization) { CharTable.normalization(charArray); } if
- 外部纠错依据(2026-11-06):https://docs.oracle.com/en/java/javase/24/docs/api/java.base/java/lang/String.html;核对摘要/字符表示定义,未声称全文或当前库实现均已读。