2017-03-12 15:07:28 +03:00
|
|
|
# coding: utf8
|
2016-12-21 00:28:20 +03:00
|
|
|
from __future__ import unicode_literals
|
|
|
|
|
|
|
|
|
|
|
💫 Tidy up and auto-format .py files (#2983)
<!--- Provide a general summary of your changes in the title. -->
## Description
- [x] Use [`black`](https://github.com/ambv/black) to auto-format all `.py` files.
- [x] Update flake8 config to exclude very large files (lemmatization tables etc.)
- [x] Update code to be compatible with flake8 rules
- [x] Fix various small bugs, inconsistencies and messy stuff in the language data
- [x] Update docs to explain new code style (`black`, `flake8`, when to use `# fmt: off` and `# fmt: on` and what `# noqa` means)
Once #2932 is merged, which auto-formats and tidies up the CLI, we'll be able to run `flake8 spacy` actually get meaningful results.
At the moment, the code style and linting isn't applied automatically, but I'm hoping that the new [GitHub Actions](https://github.com/features/actions) will let us auto-format pull requests and post comments with relevant linting information.
### Types of change
enhancement, code style
## Checklist
<!--- Before you submit the PR, go over this checklist and make sure you can
tick off all the boxes. [] -> [x] -->
- [x] I have submitted the spaCy Contributor Agreement.
- [x] I ran the tests, and all new and existing tests passed.
- [x] My changes don't require a change to the documentation, or if they do, I've added all required information.
2018-11-30 19:03:03 +03:00
|
|
|
STOP_WORDS = set(
|
|
|
|
|
"""
|
2016-12-24 02:58:40 +03:00
|
|
|
a abban ahhoz ahogy ahol aki akik akkor akár alatt amely amelyek amelyekben
|
|
|
|
|
amelyeket amelyet amelynek ami amikor amit amolyan amíg annak arra arról az
|
|
|
|
|
azok azon azonban azt aztán azután azzal azért
|
|
|
|
|
|
|
|
|
|
be belül benne bár
|
|
|
|
|
|
|
|
|
|
cikk cikkek cikkeket csak
|
|
|
|
|
|
2016-12-08 01:07:43 +03:00
|
|
|
de
|
2016-12-24 02:58:40 +03:00
|
|
|
|
|
|
|
|
e ebben eddig egy egyes egyetlen egyik egyre egyéb egész ehhez ekkor el ellen
|
|
|
|
|
elo eloször elott elso elég előtt emilyen ennek erre ez ezek ezen ezt ezzel
|
2016-12-08 01:07:43 +03:00
|
|
|
ezért
|
2016-12-24 02:58:40 +03:00
|
|
|
|
|
|
|
|
fel felé
|
|
|
|
|
|
|
|
|
|
ha hanem hiszen hogy hogyan hát
|
|
|
|
|
|
|
|
|
|
ide igen ill ill. illetve ilyen ilyenkor inkább is ismét ison itt
|
|
|
|
|
|
|
|
|
|
jobban jó jól
|
|
|
|
|
|
|
|
|
|
kell kellett keressünk keresztül ki kívül között közül
|
|
|
|
|
|
|
|
|
|
le legalább legyen lehet lehetett lenne lenni lesz lett
|
|
|
|
|
|
|
|
|
|
ma maga magát majd meg mellett mely melyek mert mi miatt mikor milyen minden
|
|
|
|
|
mindenki mindent mindig mint mintha mit mivel miért mondta most már más másik
|
|
|
|
|
még míg
|
|
|
|
|
|
|
|
|
|
nagy nagyobb nagyon ne nekem neki nem nincs néha néhány nélkül
|
|
|
|
|
|
|
|
|
|
o oda ok oket olyan ott
|
|
|
|
|
|
|
|
|
|
pedig persze például
|
|
|
|
|
|
2016-12-08 01:07:43 +03:00
|
|
|
rá
|
2016-12-24 02:58:40 +03:00
|
|
|
|
|
|
|
|
s saját sem semmi sok sokat sokkal stb. szemben szerint szinte számára szét
|
|
|
|
|
|
|
|
|
|
talán te tehát teljes ti tovább továbbá több túl ugyanis
|
|
|
|
|
|
|
|
|
|
utolsó után utána
|
|
|
|
|
|
|
|
|
|
vagy vagyis vagyok valaki valami valamint való van vannak vele vissza viszont
|
|
|
|
|
volna volt voltak voltam voltunk
|
|
|
|
|
|
|
|
|
|
által általában át
|
|
|
|
|
|
|
|
|
|
én éppen és
|
|
|
|
|
|
2016-12-08 01:07:43 +03:00
|
|
|
így
|
2016-12-24 02:58:40 +03:00
|
|
|
|
|
|
|
|
ön össze
|
|
|
|
|
|
|
|
|
|
úgy új újabb újra
|
|
|
|
|
|
|
|
|
|
ő őket
|
💫 Tidy up and auto-format .py files (#2983)
<!--- Provide a general summary of your changes in the title. -->
## Description
- [x] Use [`black`](https://github.com/ambv/black) to auto-format all `.py` files.
- [x] Update flake8 config to exclude very large files (lemmatization tables etc.)
- [x] Update code to be compatible with flake8 rules
- [x] Fix various small bugs, inconsistencies and messy stuff in the language data
- [x] Update docs to explain new code style (`black`, `flake8`, when to use `# fmt: off` and `# fmt: on` and what `# noqa` means)
Once #2932 is merged, which auto-formats and tidies up the CLI, we'll be able to run `flake8 spacy` actually get meaningful results.
At the moment, the code style and linting isn't applied automatically, but I'm hoping that the new [GitHub Actions](https://github.com/features/actions) will let us auto-format pull requests and post comments with relevant linting information.
### Types of change
enhancement, code style
## Checklist
<!--- Before you submit the PR, go over this checklist and make sure you can
tick off all the boxes. [] -> [x] -->
- [x] I have submitted the spaCy Contributor Agreement.
- [x] I ran the tests, and all new and existing tests passed.
- [x] My changes don't require a change to the documentation, or if they do, I've added all required information.
2018-11-30 19:03:03 +03:00
|
|
|
""".split()
|
|
|
|
|
)
|
