JLanguageTool 不会忽略单词中的数字答案

【问题标题】：JLanguageTool do not ignore digits in wordsJLanguageTool 不会忽略单词中的数字
【发布时间】：2023-03-05 16:19:01
【问题描述】：

我正在使用带有德语 (de-DE) 的 JLanguageTool 进行拼写检查，并注意到数字似乎被用作单词分隔符（就像空格一样？）。例如，We8lt 不会报告为单个错误单词，而是报告为两个拼写错误（一个用于We，一个用于lt）。或者例如 bis8 根本不会报告为错误。

示例调用（我将其用作 Java 库，但行为相同）：

$ echo "Hallo We8lt bis8 Test" | java -jar languagetool-commandline.jar -l de-DE -
Expected text language: German (Germany)
Working on STDIN...

1.) Line 1, column 7, Rule ID: GERMAN_SPELLER_RULE prio=-3
Message: Möglicher Tippfehler gefunden.
Suggestion: WE; Der; Den; Des; Dem
Hallo We8lt bis8 Test 
      ^^              

2.) Line 1, column 10, Rule ID: GERMAN_SPELLER_RULE prio=-3
Message: Möglicher Tippfehler gefunden.
Suggestion: LT; als; lag; alt; elf
Hallo We8lt bis8 Test 
         ^^           

Time: 1618ms for 1 sentences (0.6 sentences/sec)

这是一个大问题，例如找不到单词和数字之间的空格。如何让库/工具不将数字视为单词分隔符？非常感谢。

【问题讨论】：

标签： java numbers tokenize digits languagetool

【解决方案1】：

是的，你是对的：LanguageTool 在德语中将数字视为单词分隔符。

要修改此行为，您必须更改源代码并将this line in GermanSpellerRule.java 更改为

String pattern = "(" + nonWordPattern.pattern() + "|(?<=[\\d°])-|-(?=\\d+))";

到

String pattern = ("(" + nonWordPattern.pattern() + "|(?<=[\\d°])-|-(?=\\d+))").replace("{L}", "{L}\\d");

或者，您可以向grammar.xml 添加另一条规则，该规则抱怨数字前后缺少空格：

<rule id="RULE" name="rule">
<pattern>
    <token regexp="yes">[a-zäöüß]+\d+[a-zäöüß]*</token>
</pattern>
<message>Fehlt hier ein Leerzeichen?</message>
<example correction=""><marker>P4sswort</marker>.</example>

【讨论】：