Merge branch 'master' of https://github.com/explosion/spaCy

.gitignore

@@ -37,6 +37,7 @@ data/en/strings
 _build/
 .env/
 tmp/
+cythonize.json
 
 # Byte-compiled / optimized / DLL files
 __pycache__/

spacy/de/language_data.py

@@ -3,7 +3,83 @@ from __future__ import unicode_literals
 import re
 
 
-STOP_WORDS = set()
+STOP_WORDS = set("""
+
+á a ab aber ach acht achte achten achter achtes ag alle allein allem allen
+aller allerdings alles allgemeinen als also am an andere anderen andern anders
+auch auf aus ausser außer ausserdem außerdem
+
+bald bei beide beiden beim beispiel bekannt bereits besonders besser besten bin
+bis bisher bist
+
+da dabei dadurch dafür dagegen daher dahin dahinter damals damit danach daneben
+dank dann daran darauf daraus darf darfst darin darüber darum darunter das
+dasein daselbst dass daß dasselbe davon davor dazu dazwischen dein deine deinem
+deiner dem dementsprechend demgegenüber demgemäss demgemäß demselben demzufolge
+den denen denn denselben der deren derjenige derjenigen dermassen dermaßen
+derselbe derselben des deshalb desselben dessen deswegen dich die diejenige
+diejenigen dies diese dieselbe dieselben diesem diesen dieser dieses dir doch
+dort drei drin dritte dritten dritter drittes du durch durchaus dürfen dürft
+durfte durften
+
+eben ebenso ehrlich eigen eigene eigenen eigener eigenes ein einander eine
+einem einen einer eines einigeeinigen einiger einiges einmal einmaleins elf en
+ende endlich entweder er erst erste ersten erster erstes es etwa etwas euch
+
+früher fünf fünfte fünften fünfter fünftes für
+
+gab ganz ganze ganzen ganzer ganzes gar gedurft gegen gegenüber gehabt gehen
+geht gekannt gekonnt gemacht gemocht gemusst genug gerade gern gesagt geschweige
+gewesen gewollt geworden gibt ging gleich gott gross groß grosse große grossen
+großen grosser großer grosses großes gut gute guter gutes
+
+habe haben habt hast hat hatte hätte hatten hätten heisst heißt her heute hier hin hinter hoch
+
+ich ihm ihn ihnen ihr ihre ihrem ihrer ihres im immer in indem infolgedessen
+ins irgend ist
+
+ja jahr jahre jahren je jede jedem jeden jeder jedermann jedermanns jedoch
+jemand jemandem jemanden jene jenem jenen jener jenes jetzt
+
+kam kann kannst kaum kein keine keinem keinen keiner kleine kleinen kleiner
+kleines kommen kommt können könnt konnte könnte konnten kurz
+
+lang lange leicht leider lieber los
+
+machen macht machte mag magst man manche manchem manchen mancher manches mehr
+mein meine meinem meinen meiner meines mensch menschen mich mir mit mittel
+mochte möchte mochten mögen möglich mögt morgen muss muß müssen musst müsst
+musste mussten
+
+na nach nachdem nahm natürlich neben nein neue neuen neun neunte neunten neunter
+neuntes nicht nichts nie niemand niemandem niemanden noch nun nur
+
+ob oben oder offen oft ohne
+
+recht rechte rechten rechter rechtes richtig rund
+
+sagt sagte sah satt schlecht schon sechs sechste sechsten sechster sechstes
+sehr sei seid seien sein seine seinem seinen seiner seines seit seitdem selbst
+selbst sich sie sieben siebente siebenten siebenter siebentes siebte siebten
+siebter siebtes sind so solang solche solchem solchen solcher solches soll
+sollen sollte sollten sondern sonst sowie später statt
+
+tag tage tagen tat teil tel trotzdem tun
+
+über überhaupt übrigens uhr um und uns unser unsere unserer unter
+
+vergangene vergangenen viel viele vielem vielen vielleicht vier vierte vierten
+vierter viertes vom von vor
+
+wahr während währenddem währenddessen wann war wäre waren wart warum was wegen
+weil weit weiter weitere weiteren weiteres welche welchem welchen welcher
+welches wem wen wenig wenige weniger weniges wenigstens wenn wer werde werden
+werdet wessen wie wieder will willst wir wird wirklich wirst wo wohl wollen wollt wollte wollten worden wurde würde wurden würden
+
+zehn zehnte zehnten zehnter zehntes zeit zu zuerst zugleich zum zunächst zur
+zurück zusammen zwanzig zwar zwei zweite zweiten zweiter zweites zwischen
+
+""".split())
 
 
 TOKENIZER_PREFIXES = map(re.escape, r'''

website/docs/api/doc.jade

@@ -164,8 +164,8 @@ p
         +cell #[code other]
         +cell -
         +cell
-            | The object to compare with. By default, accepts #[code Doc],
-            | #[code Span], #[code Token] and #[code Lexeme] objects.
+            |  The object to compare with. By default, accepts #[code Doc],
+            |  #[code Span], #[code Token] and #[code Lexeme] objects.
 
     +footrow
         +cell return

website/docs/api/span.jade

@@ -156,8 +156,8 @@ p
         +cell #[code other]
         +cell -
         +cell
-            | The object to compare with. By default, accepts #[code Doc],
-            | #[code Span], #[code Token] and #[code Lexeme] objects.
+            |  The object to compare with. By default, accepts #[code Doc],
+            |  #[code Span], #[code Token] and #[code Lexeme] objects.
 
     +footrow
         +cell return

website/docs/api/vocab.jade

@@ -70,8 +70,8 @@ p Create the vocabulary.
         +cell #[code lex_attr_getters]
         +cell dict
         +cell
-            | A dictionary mapping attribute IDs to functions to compute them.
-            | Defaults to #[code None].
+            |  A dictionary mapping attribute IDs to functions to compute them.
+            |  Defaults to #[code None].
 
     +row
         +cell #[code lemmatizer]

website/docs/usage/language-processing-pipeline.jade

@@ -56,7 +56,7 @@ p
             |  fetched via #[code spacy.util.get_data_path()]. You can
             |  configure this default using #[code spacy.util.set_data_path()].
             |  The data path is expected to be either a string, or an object
-            |  responding to #[code thepathlib.Path] interface. If the path is
+            |  responding to the #[code pathlib.Path] interface. If the path is
             |  a string, it will be immediately transformed into a
             |  #[code pathlib.Path] object. spaCy promises to never manipulate
             |  or open file-system paths as strings. All access to the

website/docs/usage/processing-text.jade

@@ -73,7 +73,7 @@ p
     |  one-by-one. After a long and bitter struggle, the global interpreter
     |  lock was freed around spaCy's main parsing loop in v0.100.3. This means
     |  that the #[code .pipe()] method will be significantly faster in most
-    | practical situations, because it allows shared memory parallelism.
+    |  practical situations, because it allows shared memory parallelism.
 
 +code.
     for doc in nlp.pipe(texts, batch_size=10000, n_threads=3):

website/index.jade

@@ -15,7 +15,7 @@ include _includes/_mixins
         +grid-col("third").o-card
             +h(2) Fastest in the world
             p
-                |  spaCy excells at large-scale information extraction tasks.
+                |  spaCy excels at large-scale information extraction tasks.
                 |  It's written from the ground up in carefully memory-managed
                 |  Cython. Independent research has confirmed that spaCy is
                 |  the fastest in the world.  If your application needs to