import pytest from spacy.tokens import Doc # fmt: off @pytest.mark.parametrize( "words,heads,deps,pos,chunk_offsets", [ # determiner + noun # un pollo -> un pollo ( ["un", "pollo"], [1, 1], ["det", "ROOT"], ["DET", "NOUN"], [(0,2)], ), # two determiners + noun # il mio cane -> il mio cane ( ["il", "mio", "cane"], [2, 2, 2], ["det", "det:poss", "ROOT"], ["DET", "DET", "NOUN"], [(0,3)], ), # two determiners, one is after noun. rare usage but still testing # il cane mio-> il cane mio ( ["il", "cane", "mio"], [1, 1, 1], ["det", "ROOT", "det:poss"], ["DET", "NOUN", "DET"], [(0,3)], ), # relative pronoun # È molto bello il vestito che hai acquistat -> il vestito, che the dress that you bought is very pretty. ( ["È", "molto", "bello", "il", "vestito", "che", "hai", "acquistato"], [2, 2, 2, 4, 2, 7, 7, 4], ['cop', 'advmod', 'ROOT', 'det', 'nsubj', 'obj', 'aux', 'acl:relcl'], ['AUX', 'ADV', 'ADJ', 'DET', 'NOUN', 'PRON', 'AUX', 'VERB'], [(3,5), (5,6)] ), # relative subclause # il computer che hai comprato -> il computer, che the computer that you bought ( ['il', 'computer', 'che', 'hai', 'comprato'], [1, 1, 4, 4, 1], ['det', 'ROOT', 'nsubj', 'aux', 'acl:relcl'], ['DET', 'NOUN', 'PRON', 'AUX', 'VERB'], [(0,2), (2,3)] ), # det + noun + adj # Una macchina grande -> Una macchina grande ( ["Una", "macchina", "grande"], [1, 1, 1], ["det", "ROOT", "amod"], ["DET", "NOUN", "ADJ"], [(0,3)], ), # noun + adj plural # mucche bianche ( ["mucche", "bianche"], [0, 0], ["ROOT", "amod"], ["NOUN", "ADJ"], [(0,2)], ), # det + adj + noun # Una grande macchina -> Una grande macchina ( ['Una', 'grande', 'macchina'], [2, 2, 2], ["det", "amod", "ROOT"], ["DET", "ADJ", "NOUN"], [(0,3)] ), # det + adj + noun, det with apostrophe # un'importante associazione -> un'importante associazione ( ["Un'", 'importante', 'associazione'], [2, 2, 2], ["det", "amod", "ROOT"], ["DET", "ADJ", "NOUN"], [(0,3)] ), # multiple adjectives # Un cane piccolo e marrone -> Un cane piccolo e marrone ( ["Un", "cane", "piccolo", "e", "marrone"], [1, 1, 1, 4, 2], ["det", "ROOT", "amod", "cc", "conj"], ["DET", "NOUN", "ADJ", "CCONJ", "ADJ"], [(0,5)] ), # determiner, adjective, compound created by flat # le Nazioni Unite -> le Nazioni Unite ( ["le", "Nazioni", "Unite"], [1, 1, 1], ["det", "ROOT", "flat:name"], ["DET", "PROPN", "PROPN"], [(0,3)] ), # one determiner + one noun + one adjective qualified by an adverb # alcuni contadini molto ricchi -> alcuni contadini molto ricchi some very rich farmers ( ['alcuni', 'contadini', 'molto', 'ricchi'], [1, 1, 3, 1], ['det', 'ROOT', 'advmod', 'amod'], ['DET', 'NOUN', 'ADV', 'ADJ'], [(0,4)] ), # Two NPs conjuncted # Ho un cane e un gatto -> un cane, un gatto ( ['Ho', 'un', 'cane', 'e', 'un', 'gatto'], [0, 2, 0, 5, 5, 0], ['ROOT', 'det', 'obj', 'cc', 'det', 'conj'], ['VERB', 'DET', 'NOUN', 'CCONJ', 'DET', 'NOUN'], [(1,3), (4,6)] ), # Two NPs together # lo scrittore brasiliano Aníbal Machado -> lo scrittore brasiliano, Aníbal Machado ( ['lo', 'scrittore', 'brasiliano', 'Aníbal', 'Machado'], [1, 1, 1, 1, 3], ['det', 'ROOT', 'amod', 'nmod', 'flat:name'], ['DET', 'NOUN', 'ADJ', 'PROPN', 'PROPN'], [(0, 3), (3, 5)] ), # Noun compound, person name and titles # Dom Pedro II -> Dom Pedro II ( ["Dom", "Pedro", "II"], [0, 0, 0], ["ROOT", "flat:name", "flat:name"], ["PROPN", "PROPN", "PROPN"], [(0,3)] ), # Noun compound created by flat # gli Stati Uniti ( ["gli", "Stati", "Uniti"], [1, 1, 1], ["det", "ROOT", "flat:name"], ["DET", "PROPN", "PROPN"], [(0,3)] ), # nmod relation between NPs # la distruzione della città -> la distruzione, città ( ['la', 'distruzione', 'della', 'città'], [1, 1, 3, 1], ['det', 'ROOT', 'case', 'nmod'], ['DET', 'NOUN', 'ADP', 'NOUN'], [(0,2), (3,4)] ), # Compounding by nmod, several NPs chained together # la prima fabbrica di droga del governo -> la prima fabbrica, droga, governo ( ["la", "prima", "fabbrica", "di", "droga", "del", "governo"], [2, 2, 2, 4, 2, 6, 2], ['det', 'amod', 'ROOT', 'case', 'nmod', 'case', 'nmod'], ['DET', 'ADJ', 'NOUN', 'ADP', 'NOUN', 'ADP', 'NOUN'], [(0, 3), (4, 5), (6, 7)] ), # several NPs # Traduzione del rapporto di Susana -> Traduzione, rapporto, Susana ( ['Traduzione', 'del', 'rapporto', 'di', 'Susana'], [0, 2, 0, 4, 2], ['ROOT', 'case', 'nmod', 'case', 'nmod'], ['NOUN', 'ADP', 'NOUN', 'ADP', 'PROPN'], [(0,1), (2,3), (4,5)] ), # Several NPs # Il gatto grasso di Susana e la sua amica -> Il gatto grasso, Susana, sua amica ( ['Il', 'gatto', 'grasso', 'di', 'Susana', 'e', 'la', 'sua', 'amica'], [1, 1, 1, 4, 1, 8, 8, 8, 1], ['det', 'ROOT', 'amod', 'case', 'nmod', 'cc', 'det', 'det:poss', 'conj'], ['DET', 'NOUN', 'ADJ', 'ADP', 'PROPN', 'CCONJ', 'DET', 'DET', 'NOUN'], [(0,3), (4,5), (6,9)] ), # Passive subject # La nuova spesa è alimentata dal grande conto in banca di Clinton -> Le nuova spesa, grande conto, banca, Clinton ( ['La', 'nuova', 'spesa', 'è', 'alimentata', 'dal', 'grande', 'conto', 'in', 'banca', 'di', 'Clinton'], [2, 2, 4, 4, 4, 7, 7, 4, 9, 7, 11, 9], ['det', 'amod', 'nsubj:pass', 'aux:pass', 'ROOT', 'case', 'amod', 'obl:agent', 'case', 'nmod', 'case', 'nmod'], ['DET', 'ADJ', 'NOUN', 'AUX', 'VERB', 'ADP', 'ADJ', 'NOUN', 'ADP', 'NOUN', 'ADP', 'PROPN'], [(0, 3), (6, 8), (9, 10), (11,12)] ), # Misc # Ma mentre questo prestito possa ora sembrare gestibile, un improvviso cambiamento delle circostanze potrebbe portare a problemi di debiti -> questo prestiti, un provisso cambiento, circostanze, problemi, debiti ( ['Ma', 'mentre', 'questo', 'prestito', 'possa', 'ora', 'sembrare', 'gestibile', ',', 'un', 'improvviso', 'cambiamento', 'delle', 'circostanze', 'potrebbe', 'portare', 'a', 'problemi', 'di', 'debitii'], [15, 6, 3, 6, 6, 6, 15, 6, 6, 11, 11, 15, 13, 11, 15, 15, 17, 15, 19, 17], ['cc', 'mark', 'det', 'nsubj', 'aux', 'advmod', 'advcl', 'xcomp', 'punct', 'det', 'amod', 'nsubj', 'case', 'nmod', 'aux', 'ROOT', 'case', 'obl', 'case', 'nmod'], ['CCONJ', 'SCONJ', 'DET', 'NOUN', 'AUX', 'ADV', 'VERB', 'ADJ', 'PUNCT', 'DET', 'ADJ', 'NOUN', 'ADP', 'NOUN', 'AUX', 'VERB', 'ADP', 'NOUN', 'ADP', 'NOUN'], [(2,4), (9,12), (13,14), (17,18), (19,20)] ) ], ) # fmt: on def test_it_noun_chunks(it_vocab, words, heads, deps, pos, chunk_offsets): doc = Doc(it_vocab, words=words, heads=heads, deps=deps, pos=pos) assert [(c.start, c.end) for c in doc.noun_chunks] == chunk_offsets def test_noun_chunks_is_parsed_it(it_tokenizer): """Test that noun_chunks raises Value Error for 'it' language if Doc is not parsed.""" doc = it_tokenizer("Sei andato a Oxford") with pytest.raises(ValueError): list(doc.noun_chunks)