mirror of
https://github.com/explosion/spaCy.git
synced 2024-11-14 13:47:13 +03:00
76 lines
3.6 KiB
Python
76 lines
3.6 KiB
Python
|
# coding: utf8
|
|||
|
|
from __future__ import unicode_literals
|
|||
|
|
|
|||
|
|
import pytest
|
|||
|
|
|
|||
|
|
INFIX_HYPHEN_TESTS = [
|
|||
|
|
("Явым-төшем күләме.", "Явым-төшем күләме .".split()),
|
|||
|
|
("Хатын-кыз киеме.", "Хатын-кыз киеме .".split())
|
|||
|
|
]
|
|||
|
|
|
|||
|
|
PUNC_INSIDE_WORDS_TESTS = [
|
|||
|
|
("Пассаҗир саны - 2,13 млн — кеше/көндә (2010), 783,9 млн. кеше/елда.",
|
|||
|
|
"Пассаҗир саны - 2,13 млн — кеше / көндә ( 2010 ) ,"
|
|||
|
|
" 783,9 млн. кеше / елда .".split()),
|
|||
|
|
("Ту\"кай", "Ту \" кай".split())
|
|||
|
|
]
|
|||
|
|
|
|||
|
|
MIXED_ORDINAL_NUMS_TESTS = [
|
|||
|
|
("Иртәгә 22нче гыйнвар...", "Иртәгә 22нче гыйнвар ...".split())
|
|||
|
|
]
|
|||
|
|
|
|||
|
|
ABBREV_TESTS = [
|
|||
|
|
("«3 елда (б.э.к.) туган", "« 3 елда ( б.э.к. ) туган".split()),
|
|||
|
|
("тукымадан һ.б.ш. тегелгән.", "тукымадан һ.б.ш. тегелгән .".split())
|
|||
|
|
]
|
|||
|
|
|
|||
|
|
NAME_ABBREV_TESTS = [
|
|||
|
|
("Ә.Тукай", "Ә.Тукай".split()),
|
|||
|
|
("Ә.тукай", "Ә.тукай".split()),
|
|||
|
|
("ә.Тукай", "ә . Тукай".split()),
|
|||
|
|
("Миләүшә.", "Миләүшә .".split())
|
|||
|
|
]
|
|||
|
|
|
|||
|
|
TYPOS_IN_PUNC_TESTS = [
|
|||
|
|
("«3 елда , туган", "« 3 елда , туган".split()),
|
|||
|
|
("«3 елда,туган", "« 3 елда , туган".split()),
|
|||
|
|
("«3 елда,туган.", "« 3 елда , туган .".split()),
|
|||
|
|
("Ул эшли(кайчан?)", "Ул эшли ( кайчан ? )".split()),
|
|||
|
|
("Ул (кайчан?)эшли", "Ул ( кайчан ?) эшли".split()) # "?)" => "?)" or "? )"
|
|||
|
|
]
|
|||
|
|
|
|||
|
|
LONG_TEXTS_TESTS = [
|
|||
|
|
("Иң борынгы кешеләр суыклар һәм салкын кышлар булмый торган җылы"
|
|||
|
|
"якларда яшәгәннәр, шуңа күрә аларга кием кирәк булмаган.Йөз"
|
|||
|
|
"меңнәрчә еллар үткән, борынгы кешеләр акрынлап Европа һәм Азиянең"
|
|||
|
|
"салкын илләрендә дә яши башлаганнар. Алар кырыс һәм салкын"
|
|||
|
|
"кышлардан саклану өчен кием-салым уйлап тапканнар - итәк.",
|
|||
|
|
"Иң борынгы кешеләр суыклар һәм салкын кышлар булмый торган җылы"
|
|||
|
|
"якларда яшәгәннәр , шуңа күрә аларга кием кирәк булмаган . Йөз"
|
|||
|
|
"меңнәрчә еллар үткән , борынгы кешеләр акрынлап Европа һәм Азиянең"
|
|||
|
|
"салкын илләрендә дә яши башлаганнар . Алар кырыс һәм салкын"
|
|||
|
|
"кышлардан саклану өчен кием-салым уйлап тапканнар - итәк .".split()
|
|||
|
|
)
|
|||
|
|
]
|
|||
|
|
|
|||
|
|
TESTCASES = (INFIX_HYPHEN_TESTS + PUNC_INSIDE_WORDS_TESTS +
|
|||
|
|
MIXED_ORDINAL_NUMS_TESTS + ABBREV_TESTS + NAME_ABBREV_TESTS +
|
|||
|
|
LONG_TEXTS_TESTS + TYPOS_IN_PUNC_TESTS)
|
|||
|
|
|
|||
|
|
NORM_TESTCASES = [
|
|||
|
|
("тукымадан һ.б.ш. тегелгән.",
|
|||
|
|
["тукымадан", "һәм башка шундыйлар", "тегелгән", "."])
|
|||
|
|
]
|
|||
|
|
|
|||
|
|
|
|||
|
|
@pytest.mark.parametrize("text,expected_tokens", TESTCASES)
|
|||
|
|
def test_tokenizer_handles_testcases(tt_tokenizer, text, expected_tokens):
|
|||
|
|
tokens = [token.text for token in tt_tokenizer(text) if not token.is_space]
|
|||
|
|
assert expected_tokens == tokens
|
|||
|
|
|
|||
|
|
|
|||
|
|
@pytest.mark.parametrize('text,norms', NORM_TESTCASES)
|
|||
|
|
def test_tokenizer_handles_norm_exceptions(tt_tokenizer, text, norms):
|
|||
|
|
tokens = tt_tokenizer(text)
|
|||
|
|
assert [token.norm_ for token in tokens] == norms
|