mirror of
https://github.com/explosion/spaCy.git
synced 2024-11-12 04:38:28 +03:00
48 lines
2.2 KiB
Python
48 lines
2.2 KiB
Python
|
# coding: utf8
|
||
|
|
from __future__ import unicode_literals
|
||
|
|
|
||
|
|
from ...attrs import LIKE_NUM
|
||
|
|
|
||
|
|
# Source https://quizlet.com/4271889/1-100-urdu-number-wordsurdu-numerals-flash-cards/
|
||
|
|
# http://www.urduword.com/lessons.php?lesson=numbers
|
||
|
|
# https://en.wikibooks.org/wiki/Urdu/Vocabulary/Numbers
|
||
|
|
# https://www.urdu-english.com/lessons/beginner/numbers
|
||
|
|
|
||
|
|
_num_words = """ایک دو تین چار پانچ چھ سات آٹھ نو دس گیارہ بارہ تیرہ چودہ پندرہ سولہ سترہ
|
||
|
|
اٹهارا انیس بیس اکیس بائیس تئیس چوبیس پچیس چھببیس
|
||
|
|
ستایس اٹھائس انتيس تیس اکتیس بتیس تینتیس چونتیس پینتیس
|
||
|
|
چھتیس سینتیس ارتیس انتالیس چالیس اکتالیس بیالیس تیتالیس
|
||
|
|
چوالیس پیتالیس چھیالیس سینتالیس اڑتالیس انچالیس پچاس اکاون باون
|
||
|
|
تریپن چون پچپن چھپن ستاون اٹھاون انسٹھ ساثھ
|
||
|
|
اکسٹھ باسٹھ تریسٹھ چوسٹھ پیسٹھ چھیاسٹھ سڑسٹھ اڑسٹھ
|
||
|
|
انھتر ستر اکھتر بھتتر تیھتر چوھتر تچھتر چھیتر ستتر
|
||
|
|
اٹھتر انیاسی اسی اکیاسی بیاسی تیراسی چوراسی پچیاسی چھیاسی
|
||
|
|
سٹیاسی اٹھیاسی نواسی نوے اکانوے بانوے ترانوے
|
||
|
|
چورانوے پچانوے چھیانوے ستانوے اٹھانوے ننانوے سو
|
||
|
|
""".split()
|
||
|
|
|
||
|
|
# source https://www.google.com/intl/ur/inputtools/try/
|
||
|
|
|
||
|
|
_ordinal_words = """پہلا دوسرا تیسرا چوتھا پانچواں چھٹا ساتواں آٹھواں نواں دسواں گیارہواں بارہواں تیرھواں چودھواں
|
||
|
|
پندرھواں سولہواں سترھواں اٹھارواں انیسواں بسیواں
|
||
|
|
""".split()
|
||
|
|
|
||
|
|
|
||
|
|
def like_num(text):
|
||
|
|
text = text.replace(',', '').replace('.', '')
|
||
|
|
if text.isdigit():
|
||
|
|
return True
|
||
|
|
if text.count('/') == 1:
|
||
|
|
num, denom = text.split('/')
|
||
|
|
if num.isdigit() and denom.isdigit():
|
||
|
|
return True
|
||
|
|
if text in _num_words:
|
||
|
|
return True
|
||
|
|
if text in _ordinal_words:
|
||
|
|
return True
|
||
|
|
return False
|
||
|
|
|
||
|
|
LEX_ATTRS = {
|
||
|
|
LIKE_NUM: like_num
|
||
|
|
}
|