2022-06-22 10:46:33 +08:00
|
|
|
|
mindspore.dataset.text.UnicodeScriptTokenizer
|
|
|
|
|
|
=============================================
|
2022-02-14 14:34:37 +08:00
|
|
|
|
|
2022-06-22 10:46:33 +08:00
|
|
|
|
.. py:class:: mindspore.dataset.text.UnicodeScriptTokenizer(keep_whitespace=False, with_offsets=False)
|
2022-02-14 14:34:37 +08:00
|
|
|
|
|
2022-03-26 21:10:33 +08:00
|
|
|
|
使用UnicodeScript分词器对UTF-8编码的字符串进行分词。
|
2022-02-14 14:34:37 +08:00
|
|
|
|
|
2022-03-26 21:10:33 +08:00
|
|
|
|
.. note:: Windows平台尚不支持 `UnicodeScriptTokenizer` 。
|
2022-02-14 14:34:37 +08:00
|
|
|
|
|
2022-07-08 16:45:20 +08:00
|
|
|
|
参数：
|
2022-11-02 11:17:18 +08:00
|
|
|
|
- **keep_whitespace** (bool, 可选) - 是否输出空白标记(token)。默认值：False。
|
|
|
|
|
|
- **with_offsets** (bool, 可选) - 是否输出标记(token)的偏移量。默认值：False。
|
2022-02-14 14:34:37 +08:00
|
|
|
|
|
2022-07-08 16:45:20 +08:00
|
|
|
|
异常：
|
|
|
|
|
|
- **TypeError** - 参数 `keep_whitespace` 的类型不为bool。
|
|
|
|
|
|
- **TypeError** - 参数 `with_offsets` 的类型不为bool。
|
