关于weka的TextDirectoryLoader 的一点记录
2011-04-08 15:27
176 查看
事实上,weka的fileEncoding已经设置为utf-8, 但是利用TextDirectoryLoader生成的arff文件里还是乱码。。。(并且对原来文件夹下的txt文件检查发现,文件虽然保存的是utf-8格式的,但是并没有开始的BOM标志 Byte Order Mark).于是在网上搜寻了好久也不知道如何解决,最后发现了这篇文章:http://old.nabble.com/Converting-a-directory-containing-UTF-8-files-into-arff-using-TextDirectoryLoader-td31217060.html 里面指出来, "Finally I guess I have managed to figure out the problem. In the
'TextDirectoryLoader' class (the class which is apparently used to
read and load a directory in Weka) 'BufferedInputStream' is used to
read the files in the directory (in Weka 3-7-3), in which it is not
possible to specify the charset. I changed that to 'BufferedReader'
and the charset was specified as 'UTF-8' in the constructor. And now
it is working perfectly. " 虽然按照作者的指示,将函数进行了一个替换,但是javac的时候还是有问题。。最终发现回复当中说weka-3-stable版本中已经解决了这个问题,就是在命令行option中加入了一个 charset选项,以标明输入的text文件的编码格式~~ 于是重新down下来weka-3-stable版本的weka-src,然后重新编译运行。done~ 最后的arff文件里就能正常的现实中文了~~
'TextDirectoryLoader' class (the class which is apparently used to
read and load a directory in Weka) 'BufferedInputStream' is used to
read the files in the directory (in Weka 3-7-3), in which it is not
possible to specify the charset. I changed that to 'BufferedReader'
and the charset was specified as 'UTF-8' in the constructor. And now
it is working perfectly. " 虽然按照作者的指示,将函数进行了一个替换,但是javac的时候还是有问题。。最终发现回复当中说weka-3-stable版本中已经解决了这个问题,就是在命令行option中加入了一个 charset选项,以标明输入的text文件的编码格式~~ 于是重新down下来weka-3-stable版本的weka-src,然后重新编译运行。done~ 最后的arff文件里就能正常的现实中文了~~
相关文章推荐
- 记录与linux的每次邂逅__小白关于mysql脚本安装事前事后的一点感想-2
- 记录一点网上的资源关于侧滑菜单栏的写法
- 关于storyboard的一点学习记录
- Win7中,关于VMware下的Ubuntu的一点记录
- 关于apply和call的一点记录
- 关于Log4Net日志记录组件的一点应用
- 关于nginx的一点记录
- 关于ArraryList排序的一点记录
- 关于js开发及web攻击的一点记录
- 关于jquery选择器的一点认识,记录下来,以供日后查阅
- 关于 WinForm 里 DataGridView , TreeView 的一点记录
- 关于getProperties的一点记录
- 关于页面编码问题的一点记录
- 关于strlen误用的一点记录
- Unity3D中关于场景销毁时事件调用顺序的一点记录
- 关于java下载文件及获取文件路径和截取字符串的一点记录
- 关于即时通讯的一点记录
- 关于管理培训的一点心得记录
- 记录一点关于list每次以指定的间距分割的代码,仅做一个记录
- 关于阿里巴巴duboo分布式服务框架的一点记录。