mirror of
https://github.com/explosion/spaCy.git
synced 2024-09-21 19:39:13 +03:00
99 lines
3.3 KiB
Python
99 lines
3.3 KiB
Python
|
# coding: utf8
|
|||
|
|
from __future__ import unicode_literals
|
|||
|
|
|
|||
|
|
from ..norm_exceptions import BASE_NORMS
|
|||
|
|
from ...attrs import NORM, LIKE_NUM
|
|||
|
|
|
|||
|
|
|
|||
|
|
# fmt: off
|
|||
|
|
_stem_suffixes = [
|
|||
|
|
["ा", "ि", "ी", "ु", "ू", "ृ", "े", "ै", "ो", "ौ"],
|
|||
|
|
["ँ", "ं", "्", "ः"],
|
|||
|
|
["लाई", "ले", "बाट", "को", "मा", "हरू"],
|
|||
|
|
["हरूलाई", "हरूले", "हरूबाट", "हरूको", "हरूमा"],
|
|||
|
|
["इलो", "िलो", "नु", "ाउनु", "ई", "इन", "इन्", "इनन्"],
|
|||
|
|
["एँ", "इँन्", "इस्", "इनस्", "यो", "एन", "यौं", "एनौं", "ए", "एनन्"],
|
|||
|
|
["छु", "छौँ", "छस्", "छौ", "छ", "छन्", "छेस्", "छे", "छ्यौ", "छिन्", "हुन्छ"],
|
|||
|
|
["दै", "दिन", "दिँन", "दैनस्", "दैन", "दैनौँ", "दैनौं", "दैनन्"],
|
|||
|
|
["हुन्न", "न्न", "न्न्स्", "न्नौं", "न्नौ", "न्न्न्", "िई"],
|
|||
|
|
["अ", "ओ", "ऊ", "अरी", "साथ", "वित्तिकै", "पूर्वक"],
|
|||
|
|
["याइ", "ाइ", "बार", "वार", "चाँहि"],
|
|||
|
|
["ने", "ेको", "ेकी", "ेका", "ेर", "दै", "तै", "िकन", "उ", "न", "नन्"]
|
|||
|
|
]
|
|||
|
|
# fmt: on
|
|||
|
|
|
|||
|
|
# reference 1: https://en.wikipedia.org/wiki/Numbers_in_Nepali_language
|
|||
|
|
# reference 2: https://www.imnepal.com/nepali-numbers/
|
|||
|
|
_num_words = [
|
|||
|
|
"शुन्य",
|
|||
|
|
"एक",
|
|||
|
|
"दुई",
|
|||
|
|
"तीन",
|
|||
|
|
"चार",
|
|||
|
|
"पाँच",
|
|||
|
|
"छ",
|
|||
|
|
"सात",
|
|||
|
|
"आठ",
|
|||
|
|
"नौ",
|
|||
|
|
"दश",
|
|||
|
|
"एघार",
|
|||
|
|
"बाह्र",
|
|||
|
|
"तेह्र",
|
|||
|
|
"चौध",
|
|||
|
|
"पन्ध्र",
|
|||
|
|
"सोह्र",
|
|||
|
|
"सोह्र",
|
|||
|
|
"सत्र",
|
|||
|
|
"अठार",
|
|||
|
|
"उन्नाइस",
|
|||
|
|
"बीस",
|
|||
|
|
"तीस",
|
|||
|
|
"चालीस",
|
|||
|
|
"पचास",
|
|||
|
|
"साठी",
|
|||
|
|
"सत्तरी",
|
|||
|
|
"असी",
|
|||
|
|
"नब्बे",
|
|||
|
|
"सय",
|
|||
|
|
"हजार",
|
|||
|
|
"लाख",
|
|||
|
|
"करोड",
|
|||
|
|
"अर्ब",
|
|||
|
|
"खर्ब",
|
|||
|
|
]
|
|||
|
|
|
|||
|
|
|
|||
|
|
def norm(string):
|
|||
|
|
# normalise base exceptions, e.g. punctuation or currency symbols
|
|||
|
|
if string in BASE_NORMS:
|
|||
|
|
return BASE_NORMS[string]
|
|||
|
|
# set stem word as norm, if available, adapted from:
|
|||
|
|
# https://github.com/explosion/spaCy/blob/master/spacy/lang/hi/lex_attrs.py
|
|||
|
|
# https://www.researchgate.net/publication/237261579_Structure_of_Nepali_Grammar
|
|||
|
|
for suffix_group in reversed(_stem_suffixes):
|
|||
|
|
length = len(suffix_group[0])
|
|||
|
|
if len(string) <= length:
|
|||
|
|
break
|
|||
|
|
for suffix in suffix_group:
|
|||
|
|
if string.endswith(suffix):
|
|||
|
|
return string[:-length]
|
|||
|
|
return string
|
|||
|
|
|
|||
|
|
|
|||
|
|
def like_num(text):
|
|||
|
|
if text.startswith(("+", "-", "±", "~")):
|
|||
|
|
text = text[1:]
|
|||
|
|
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.lower() in _num_words:
|
|||
|
|
return True
|
|||
|
|
return False
|
|||
|
|
|
|||
|
|
|
|||
|
|
LEX_ATTRS = {NORM: norm, LIKE_NUM: like_num}
|