GATE NLP에서 물음표로 표시되는 글 머리 기호

Question

나는 GATE NLP을 처음 사용합니다. 총알이 들어있는 문서가 있습니다. GATE에로드 할 때. 불릿은 으로 인쇄되는 알려지지 않은 유형 기호로 감지됩니다. 또한 인코딩을 UTF-8으로 설정하려고했습니다. 또한 프로그래밍 방식으로 문서를로드하려고 시도하면 글 머리 기호가 ?으로 감지됩니다.

누구나 설명 할 수 있습니까?

예 : 여기

 Promoted to Senior Member Technical in 2.5 years of experience.

는 GATE DEVELOPER UI에 내가 "프로그램"을 한 때 ? 기호가 표시되는 상징이다.

Answer 1

내 경험에 의하면 doc 및 docx 개의 파일은 일반적으로 자를 생성하지 않습니다. 글 머리 기호가 누락되거나 (글 머리 기호로 서식이 지정된 텍스트) • (원시 글 머리 기호가있는 텍스트)으로 인쇄됩니다. Parsing either font style or block of paragraph in GATE

Pdf 파일이 종종 GATE 문서에서 " -bullet 문자를"생산 :

또한이 관련 질문을 참조하십시오. pdf 또는 Apache PDFBox 문제와 관련이 있습니다 (예 : this one.

이 문자들도 유니 코드 값을 가지고 있습니다. XML에서 이들은 예를 들어 으로 인코딩됩니다. 이 경우 해당 글자를 추적하고 (예 : 원래 글 머리 기호 문자에 따라 유니 코드 값이 다를 수 있음) 인쇄 가능한 것으로 교체하십시오 (예 : •).

? 문자에 대해 : 아마도이 문자를 지원하지 않는 Java 환경 때문일 수 있습니다. 예를 들어,를 참조하십시오 : Why Some Unicode Characters appears to be question mark in the console?