spaCy/spacy/lang/th/tokenizer_exceptions.py

# encoding: utf8
from __future__ import unicode_literals

from ...symbols import ORTH, LEMMA


_exc = {
    "ม.ค.": [{ORTH: "ม.ค.", LEMMA: "มกราคม"}],
    "ก.พ.": [{ORTH: "ก.พ.", LEMMA: "กุมภาพันธ์"}],
    "มี.ค.": [{ORTH: "มี.ค.", LEMMA: "มีนาคม"}],
    "เม.ย.": [{ORTH: "เม.ย.", LEMMA: "เมษายน"}],
    "พ.ค.": [{ORTH: "พ.ค.", LEMMA: "พฤษภาคม"}],
    "มิ.ย.": [{ORTH: "มิ.ย.", LEMMA: "มิถุนายน"}],
    "ก.ค.": [{ORTH: "ก.ค.", LEMMA: "กรกฎาคม"}],
    "ส.ค.": [{ORTH: "ส.ค.", LEMMA: "สิงหาคม"}],
    "ก.ย.": [{ORTH: "ก.ย.", LEMMA: "กันยายน"}],
    "ต.ค.": [{ORTH: "ต.ค.", LEMMA: "ตุลาคม"}],
    "พ.ย.": [{ORTH: "พ.ย.", LEMMA: "พฤศจิกายน"}],
    "ธ.ค.": [{ORTH: "ธ.ค.", LEMMA: "ธันวาคม"}]
}


TOKENIZER_EXCEPTIONS = _exc