tf.strings.unicode_decode_with_offsets

Декодирует каждую строку в последовательность кодовых точек с начальными смещениями.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.strings.unicode_decode_with_offsets

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

Этот оператор похож на tf.strings.decode(...), но также возвращает начальное смещение каждого символа в его соответствующей строке. Эта информация может использоваться для выравнивания символов с исходной последовательностью байтов.

Возвращает кортеж (codepoints, start_offsets) где:

codepoints[i1...iN, j] — это кодовая точка Юникода для j-го символа в input[i1...iN], при декодировании с использованием input_encoding.
start_offsets[i1...iN, j] — это начальное байтовое смещение для j-го символа в input[i1...iN], при декодировании с использованием input_encoding.

Аргументы
`input`	Многомерный, потенциально разреженный тензор `N` с формой `[D1...DN]`. `N` должна быть статически известна.
`input_encoding`	Имя строки для кодирования Юникода, которое должно использоваться для декодирования каждой строки.
`errors`	Указывает ответ, когда строку ввода нельзя преобразовать с помощью указанного кодирования. Один из: `'strict'`: Вызвать исключение для любых недопустимых подстрок. `'replace'`: Заменить недопустимые подстроки на `replacement_char`. `'ignore'`: Пропустить недопустимые подстроки.
`replacement_char`	Кодовая точка замены, которая будет использоваться вместо недопустимых подстрок в `input` при `errors='replace'`; и вместо управляющих символов C0 в `input` при `replace_control_characters=True`.
`replace_control_characters`	Нужно ли заменять управляющие символы C0 `(U+0000 - U+001F)` на `replacement_char`?
`name`	Имя операции (необязательно).

Возвращаемое значение

Возвращаемое значение
Кортеж тензоров `N+1` размерности `(codepoints, start_offsets)`. `codepoints` — это тензор `int32` с формой `[D1...DN, (num_chars)]`. `offsets` — это тензор `int64` с формой `[D1...DN, (num_chars)]`. Возвращаемые тензоры являются `tf.Tensor` если `input` является скаляром или `tf.RaggedTensor` в противном случае.

Кортеж тензоров N+1 размерности (codepoints, start_offsets).

codepoints — это тензор int32 с формой [D1...DN, (num_chars)].
offsets — это тензор int64 с формой [D1...DN, (num_chars)].

Возвращаемые тензоры являются tf.Tensor если input является скаляром или tf.RaggedTensor в противном случае.

Пример:

input = [s.encode('utf8') for s in (u'G\xf6\xf6dnight', u'\U0001f60a')]
result = tf.strings.unicode_decode_with_offsets(input, 'UTF-8')
result[0].to_list()  # codepoints
[[71, 246, 246, 100, 110, 105, 103, 104, 116], [128522]]
result[1].to_list()  # offsets
[[0, 1, 3, 5, 6, 7, 8, 9, 10], [0]]

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/strings/unicode_decode_with_offsets