问题标签 [breakiterator]

我尝试从 String 中提取 5 个字形，但无法正确实现。我有这样的字符串：

我最后一次尝试是使用 BreakIterator：

有人可以帮我完成这项任务吗？

先感谢您。

我正在使用 C++ ICU 库。我希望将一个 utf-8 字符串分成大致相等的块。但是，我希望在字素簇边界处划分块。我不希望将整个字符串转换为 utf-16 以实现内存和速度效率。相反，我想将靠近我估计的块边界的少量 utf-8 代码点转换为 utf-16。然后我可以使用 ICU 的BreakIterator来计算出确切的边界。

可以构成字素簇的代码点数量是否有硬性上限？如果是这样，它是什么？为了确定需要从 utf-8 转换为 utf-16 的最小代码点，我需要知道这一点。

使用 Java BreakIterator，我能够从字符串中提取单词。但是，给定以下使用括号表示单词可以是复数的字符串，括号被识别为它们自己的单词。

输出：

当我期望：

是否可以使用中断迭代器的自定义实现，以便实际上将具有“可选复数”的单词视为一个单词？