mirror of
https://github.com/explosion/spaCy.git
synced 2024-12-25 01:16:28 +03:00
Update Portuguese lexical attributes
This commit is contained in:
parent
2f870123bf
commit
bca2ea9c72
|
@ -1,21 +1,38 @@
|
|||
# coding: utf8
|
||||
from __future__ import unicode_literals
|
||||
|
||||
from ...attrs import LIKE_NUM
|
||||
|
||||
# Number words
|
||||
|
||||
NUM_WORDS = set("""
|
||||
zero um dois três quatro cinco seis sete oito nove dez onze doze treze catorze
|
||||
quinze dezasseis dezassete dezoito dezanove vinte trinta quarenta cinquenta
|
||||
sessenta setenta oitenta noventa cem mil milhão bilião trilião quadrilião
|
||||
""".split())
|
||||
_num_words = ['zero', 'um', 'dois', 'três', 'quatro', 'cinco', 'seis', 'sete',
|
||||
'oito', 'nove', 'dez', 'onze', 'doze', 'treze', 'catorze',
|
||||
'quinze', 'dezasseis', 'dezassete', 'dezoito', 'dezanove', 'vinte',
|
||||
'trinta', 'quarenta', 'cinquenta', 'sessenta', 'setenta',
|
||||
'oitenta', 'noventa', 'cem', 'mil', 'milhão', 'bilião', 'trilião',
|
||||
'quadrilião']
|
||||
|
||||
# Ordinal words
|
||||
_ord_words = ['primeiro', 'segundo', 'terceiro', 'quarto', 'quinto', 'sexto',
|
||||
'sétimo', 'oitavo', 'nono', 'décimo', 'vigésimo', 'trigésimo',
|
||||
'quadragésimo', 'quinquagésimo', 'sexagésimo', 'septuagésimo',
|
||||
'octogésimo', 'nonagésimo', 'centésimo', 'ducentésimo',
|
||||
'trecentésimo', 'quadringentésimo', 'quingentésimo', 'sexcentésimo',
|
||||
'septingentésimo', 'octingentésimo', 'nongentésimo', 'milésimo',
|
||||
'milionésimo', 'bilionésimo']
|
||||
|
||||
ORDINAL_WORDS = set("""
|
||||
primeiro segundo terceiro quarto quinto sexto sétimo oitavo nono décimo
|
||||
vigésimo trigésimo quadragésimo quinquagésimo sexagésimo septuagésimo
|
||||
octogésimo nonagésimo centésimo ducentésimo trecentésimo quadringentésimo
|
||||
quingentésimo sexcentésimo septingentésimo octingentésimo nongentésimo
|
||||
milésimo milionésimo bilionésimo
|
||||
""".split())
|
||||
|
||||
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 in _num_words:
|
||||
return True
|
||||
return False
|
||||
|
||||
|
||||
LEX_ATTRS = {
|
||||
LIKE_NUM: like_num
|
||||
}
|
||||
|
|
Loading…
Reference in New Issue
Block a user