mirror of
https://github.com/explosion/spaCy.git
synced 2024-12-26 01:46:28 +03:00
* Fix Issue #201: Tokenization of there'll
This commit is contained in:
parent
f5dea1406d
commit
4b4eec8b47
|
@ -90,7 +90,7 @@ starting_tokens = {
|
||||||
"she": {"'d": ["contrLower", "contrUpper"], "'d've": [], "'ll": ["contrLower", "contrUpper"], "'s": []},
|
"she": {"'d": ["contrLower", "contrUpper"], "'d've": [], "'ll": ["contrLower", "contrUpper"], "'s": []},
|
||||||
"should": {"'ve": [], "n't": [], "n't've": []},
|
"should": {"'ve": [], "n't": [], "n't've": []},
|
||||||
"that": {"'s": []},
|
"that": {"'s": []},
|
||||||
"there": {"'d": [], "'d've": [], "'s": ["contrLower", "contrUpper"]},
|
"there": {"'d": [], "'d've": [], "'s": ["contrLower", "contrUpper"], "'ll": []},
|
||||||
"they": {"'d": [], "'d've": [], "'ll": [], "'re": [], "'ve": []},
|
"they": {"'d": [], "'d've": [], "'ll": [], "'re": [], "'ve": []},
|
||||||
"was": {"n't": []},
|
"was": {"n't": []},
|
||||||
"we": {"'d": ["contrLower", "contrUpper"], "'d've": [], "'ll": ["contrLower", "contrUpper"], "'re": ["contrLower", "contrUpper"], "'ve": []},
|
"we": {"'d": ["contrLower", "contrUpper"], "'d've": [], "'ll": ["contrLower", "contrUpper"], "'re": ["contrLower", "contrUpper"], "'ve": []},
|
||||||
|
|
|
@ -40,12 +40,14 @@
|
||||||
"pos": "VB"
|
"pos": "VB"
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
"10a.m.": [
|
"There'll": [
|
||||||
{
|
{
|
||||||
"F": "10"
|
"F": "There"
|
||||||
},
|
},
|
||||||
{
|
{
|
||||||
"F": "a.m."
|
"F": "'ll",
|
||||||
|
"L": "will",
|
||||||
|
"pos": "MD"
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
"E.G.": [
|
"E.G.": [
|
||||||
|
@ -134,9 +136,12 @@
|
||||||
"F": ":0"
|
"F": ":0"
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
":)": [
|
"10a.m.": [
|
||||||
{
|
{
|
||||||
"F": ":)"
|
"F": "10"
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"F": "a.m."
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
"aint": [
|
"aint": [
|
||||||
|
@ -796,6 +801,15 @@
|
||||||
"F": "'s"
|
"F": "'s"
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
|
"2pm": [
|
||||||
|
{
|
||||||
|
"F": "2"
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"L": "p.m.",
|
||||||
|
"F": "pm"
|
||||||
|
}
|
||||||
|
],
|
||||||
"Who'll": [
|
"Who'll": [
|
||||||
{
|
{
|
||||||
"F": "Who"
|
"F": "Who"
|
||||||
|
@ -976,13 +990,9 @@
|
||||||
"pos": "VB"
|
"pos": "VB"
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
"2pm": [
|
":)": [
|
||||||
{
|
{
|
||||||
"F": "2"
|
"F": ":)"
|
||||||
},
|
|
||||||
{
|
|
||||||
"L": "p.m.",
|
|
||||||
"F": "pm"
|
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
"o.O": [
|
"o.O": [
|
||||||
|
@ -998,6 +1008,11 @@
|
||||||
"F": "s"
|
"F": "s"
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
|
":((": [
|
||||||
|
{
|
||||||
|
"F": ":(("
|
||||||
|
}
|
||||||
|
],
|
||||||
"Gov.": [
|
"Gov.": [
|
||||||
{
|
{
|
||||||
"F": "Gov."
|
"F": "Gov."
|
||||||
|
@ -2306,6 +2321,16 @@
|
||||||
"pos": "VB"
|
"pos": "VB"
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
|
"therell": [
|
||||||
|
{
|
||||||
|
"F": "there"
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"F": "ll",
|
||||||
|
"L": "will",
|
||||||
|
"pos": "MD"
|
||||||
|
}
|
||||||
|
],
|
||||||
"might've": [
|
"might've": [
|
||||||
{
|
{
|
||||||
"F": "might"
|
"F": "might"
|
||||||
|
@ -2890,9 +2915,19 @@
|
||||||
"pos": "VB"
|
"pos": "VB"
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
":((": [
|
"Theredve": [
|
||||||
{
|
{
|
||||||
"F": ":(("
|
"F": "There"
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"F": "d",
|
||||||
|
"L": "would",
|
||||||
|
"pos": "MD"
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"F": "ve",
|
||||||
|
"L": "have",
|
||||||
|
"pos": "VB"
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
"theredve": [
|
"theredve": [
|
||||||
|
@ -3274,6 +3309,16 @@
|
||||||
"F": "o."
|
"F": "o."
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
|
"there'll": [
|
||||||
|
{
|
||||||
|
"F": "there"
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"F": "'ll",
|
||||||
|
"L": "will",
|
||||||
|
"pos": "MD"
|
||||||
|
}
|
||||||
|
],
|
||||||
":]": [
|
":]": [
|
||||||
{
|
{
|
||||||
"F": ":]"
|
"F": ":]"
|
||||||
|
@ -4561,19 +4606,14 @@
|
||||||
"pos": "RB"
|
"pos": "RB"
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
"Theredve": [
|
"Therell": [
|
||||||
{
|
{
|
||||||
"F": "There"
|
"F": "There"
|
||||||
},
|
},
|
||||||
{
|
{
|
||||||
"F": "d",
|
"F": "ll",
|
||||||
"L": "would",
|
"L": "will",
|
||||||
"pos": "MD"
|
"pos": "MD"
|
||||||
},
|
|
||||||
{
|
|
||||||
"F": "ve",
|
|
||||||
"L": "have",
|
|
||||||
"pos": "VB"
|
|
||||||
}
|
}
|
||||||
],
|
],
|
||||||
"shan't": [
|
"shan't": [
|
||||||
|
|
|
@ -48,3 +48,10 @@ def test_punct(en_tokenizer):
|
||||||
assert len(tokens) == 2
|
assert len(tokens) == 2
|
||||||
tokens = en_tokenizer("``We've")
|
tokens = en_tokenizer("``We've")
|
||||||
assert len(tokens) == 3
|
assert len(tokens) == 3
|
||||||
|
|
||||||
|
|
||||||
|
def test_therell(en_tokenizer):
|
||||||
|
tokens = en_tokenizer("there'll")
|
||||||
|
assert len(tokens) == 2
|
||||||
|
assert tokens[0].text == "there"
|
||||||
|
assert tokens[1].text == "there"
|
||||||
|
|
Loading…
Reference in New Issue
Block a user