当前位置: 首页>>编程示例 >>用法及示例精选 >>正文

Python tf.strings.unicode_split用法及代码示例

将 input 中的每个字符串拆分为一系列 Unicode 代码点。

用法

tf.strings.unicode_split(
    input, input_encoding, errors='replace', replacement_char=65533,
    name=None
)

参数

  • input 一个 N 维度可能参差不齐的 string 张量，形状为 [D1...DN] 。 N 必须是静态已知的。
  • input_encoding 用于解码每个字符串的 unicode 编码的字符串名称。
  • errors 指定无法使用指示的编码转换输入字符串时的响应。之一：
    • 'strict' ：为任何非法子字符串引发异常。
    • 'replace' ：用 replacement_char 替换非法子字符串。
    • 'ignore' ：跳过非法子串。
  • replacement_char 当 errors='replace' 时用于代替 input 中的无效子字符串的替换代码点。
  • name 操作的名称(可选)。

返回

  • 一个 N+1 维度 int32 张量，形状为 [D1...DN, (num_chars)] 。如果input 是标量，则返回的张量为tf.Tensor，否则为tf.RaggedTensor。

result[i1...iN, j] 是 input[i1...iN] 的子字符串，当使用 input_encoding 解码时，它编码其第 j 个字符。

例子：

input = [s.encode('utf8') for s in (u'G\xf6\xf6dnight', u'\U0001f60a')]
tf.strings.unicode_split(input, 'UTF-8').to_list()
[[b'G', b'\xc3\xb6', b'\xc3\xb6', b'd', b'n', b'i', b'g', b'h', b't'],
 [b'\xf0\x9f\x98\x8a']]

相关用法


注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.strings.unicode_split。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。