mirror of
https://github.com/explosion/spaCy.git
synced 2024-11-11 12:18:04 +03:00
29 lines
1.2 KiB
Python
29 lines
1.2 KiB
Python
|
# coding: utf8
|
||
|
|
from __future__ import unicode_literals
|
||
|
|
|
||
|
|
from ...attrs import LIKE_NUM
|
||
|
|
|
||
|
|
_num_words = ['సున్నా', 'శూన్యం', 'ఒకటి', 'రెండు', 'మూడు', 'నాలుగు', 'ఐదు', 'ఆరు',
|
||
|
|
'ఏడు', 'ఎనిమిది', 'తొమ్మిది', 'పది', 'పదకొండు', 'పన్నెండు', 'పదమూడు',
|
||
|
|
'పద్నాలుగు', 'పదిహేను', 'పదహారు', 'పదిహేడు', 'పద్దెనిమిది', 'పందొమ్మిది', 'ఇరవై',
|
||
|
|
'ముప్పై', 'నలభై', 'యాభై', 'అరవై', 'డెబ్బై', 'ఎనభై', 'తొంబై', 'వంద', 'నూరు',
|
||
|
|
'వెయ్యి', 'లక్ష', 'కోటి']
|
||
|
|
|
||
|
|
|
||
|
|
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.lower() in _num_words:
|
||
|
|
return True
|
||
|
|
return False
|
||
|
|
|
||
|
|
|
||
|
|
LEX_ATTRS = {
|
||
|
|
LIKE_NUM: like_num
|
||
|
|
}
|