# -*- coding: utf-8 -*- from __future__ import unicode_literals # The following list consists of: # - exceptions generated from polish_srx_rules [1] # (https://github.com/milekpl/polish_srx_rules) # - abbreviations parsed from Wikipedia # - some manually added exceptions # # [1] M. Miłkowski and J. Lipski, # "Using SRX Standard for Sentence Segmentation," in LTC 2009, # Lecture Notes in Artificial Intelligence 6562, # Z. Vetulani, Ed. Berlin Heidelberg: Springer-Verlag, 2011, pp. 172–182. PL_BASE_EXCEPTIONS = [ "0.", "1.", "10.", "2.", "3.", "4.", "5.", "6.", "7.", "8.", "9.", "A.A.", "A.B.", "A.C.", "A.D.", "A.E.", "A.F.", "A.G.", "A.H.", "A.I.", "A.J.", "A.K.", "A.L.", "A.M.", "A.N.", "A.O.", "A.P.", "A.R.", "A.S.", "A.T.", "A.U.", "A.W.", "A.Y.", "A.Z.", "A.Ó.", "A.Ą.", "A.Ć.", "A.Ę.", "A.Ł.", "A.Ń.", "A.Ś.", "A.Ź.", "A.Ż.", "Ad.", "Adw.", "Al.", "Art.", "B.A.", "B.B.", "B.C.", "B.D.", "B.E.", "B.F.", "B.G.", "B.H.", "B.I.", "B.J.", "B.K.", "B.L.", "B.M.", "B.N.", "B.O.", "B.P.", "B.R.", "B.S.", "B.T.", "B.U.", "B.W.", "B.Y.", "B.Z.", "B.Ó.", "B.Ą.", "B.Ć.", "B.Ę.", "B.Ł.", "B.Ń.", "B.Ś.", "B.Ź.", "B.Ż.", "D.A.", "D.B.", "D.C.", "D.D.", "D.E.", "D.F.", "D.G.", "D.H.", "D.I.", "D.J.", "D.K.", "D.L.", "D.M.", "D.N.", "D.O.", "D.P.", "D.R.", "D.S.", "D.T.", "D.U.", "D.W.", "D.Y.", "D.Z.", "D.Ó.", "D.Ą.", "D.Ć.", "D.Ę.", "D.Ł.", "D.Ń.", "D.Ś.", "D.Ź.", "D.Ż.", "Dh.", "Doc.", "Dr.", "Dyr.", "Dyw.", "Dz.U.", "E.A.", "E.B.", "E.C.", "E.D.", "E.E.", "E.F.", "E.G.", "E.H.", "E.I.", "E.J.", "E.K.", "E.L.", "E.M.", "E.N.", "E.O.", "E.P.", "E.R.", "E.S.", "E.T.", "E.U.", "E.W.", "E.Y.", "E.Z.", "E.Ó.", "E.Ą.", "E.Ć.", "E.Ę.", "E.Ł.", "E.Ń.", "E.Ś.", "E.Ź.", "E.Ż.", "F.A.", "F.B.", "F.C.", "F.D.", "F.E.", "F.F.", "F.G.", "F.H.", "F.I.", "F.J.", "F.K.", "F.L.", "F.M.", "F.N.", "F.O.", "F.P.", "F.R.", "F.S.", "F.T.", "F.U.", "F.W.", "F.Y.", "F.Z.", "F.Ó.", "F.Ą.", "F.Ć.", "F.Ę.", "F.Ł.", "F.Ń.", "F.Ś.", "F.Ź.", "F.Ż.", "G.A.", "G.B.", "G.C.", "G.D.", "G.E.", "G.F.", "G.G.", "G.H.", "G.I.", "G.J.", "G.K.", "G.L.", "G.M.", "G.N.", "G.O.", "G.P.", "G.R.", "G.S.", "G.T.", "G.U.", "G.W.", "G.Y.", "G.Z.", "G.Ó.", "G.Ą.", "G.Ć.", "G.Ę.", "G.Ł.", "G.Ń.", "G.Ś.", "G.Ź.", "G.Ż.", "H.A.", "H.B.", "H.C.", "H.D.", "H.E.", "H.F.", "H.G.", "H.H.", "H.I.", "H.J.", "H.K.", "H.L.", "H.M.", "H.N.", "H.O.", "H.P.", "H.R.", "H.S.", "H.T.", "H.U.", "H.W.", "H.Y.", "H.Z.", "H.Ó.", "H.Ą.", "H.Ć.", "H.Ę.", "H.Ł.", "H.Ń.", "H.Ś.", "H.Ź.", "H.Ż.", "Hr.", "I.A.", "I.B.", "I.C.", "I.D.", "I.E.", "I.F.", "I.G.", "I.H.", "I.I.", "I.J.", "I.K.", "I.L.", "I.M.", "I.N.", "I.O.", "I.P.", "I.R.", "I.S.", "I.T.", "I.U.", "I.W.", "I.Y.", "I.Z.", "I.Ó.", "I.Ą.", "I.Ć.", "I.Ę.", "I.Ł.", "I.Ń.", "I.Ś.", "I.Ź.", "I.Ż.", "Inż.", "J.A.", "J.B.", "J.C.", "J.D.", "J.E.", "J.F.", "J.G.", "J.H.", "J.I.", "J.J.", "J.K.", "J.L.", "J.M.", "J.N.", "J.O.", "J.P.", "J.R.", "J.S.", "J.T.", "J.U.", "J.W.", "J.Y.", "J.Z.", "J.Ó.", "J.Ą.", "J.Ć.", "J.Ę.", "J.Ł.", "J.Ń.", "J.Ś.", "J.Ź.", "J.Ż.", "K.A.", "K.B.", "K.C.", "K.D.", "K.E.", "K.F.", "K.G.", "K.H.", "K.I.", "K.J.", "K.K.", "K.L.", "K.M.", "K.N.", "K.O.", "K.P.", "K.R.", "K.S.", "K.T.", "K.U.", "K.W.", "K.Y.", "K.Z.", "K.Ó.", "K.Ą.", "K.Ć.", "K.Ę.", "K.Ł.", "K.Ń.", "K.Ś.", "K.Ź.", "K.Ż.", "Ks.", "L.A.", "L.B.", "L.C.", "L.D.", "L.E.", "L.F.", "L.G.", "L.H.", "L.I.", "L.J.", "L.K.", "L.L.", "L.M.", "L.N.", "L.O.", "L.P.", "L.R.", "L.S.", "L.T.", "L.U.", "L.W.", "L.Y.", "L.Z.", "L.Ó.", "L.Ą.", "L.Ć.", "L.Ę.", "L.Ł.", "L.Ń.", "L.Ś.", "L.Ź.", "L.Ż.", "Lek.", "M.A.", "M.B.", "M.C.", "M.D.", "M.E.", "M.F.", "M.G.", "M.H.", "M.I.", "M.J.", "M.K.", "M.L.", "M.M.", "M.N.", "M.O.", "M.P.", "M.R.", "M.S.", "M.T.", "M.U.", "M.W.", "M.Y.", "M.Z.", "M.Ó.", "M.Ą.", "M.Ć.", "M.Ę.", "M.Ł.", "M.Ń.", "M.Ś.", "M.Ź.", "M.Ż.", "Mat.", "Mec.", "Mojż.", "N.A.", "N.B.", "N.C.", "N.D.", "N.E.", "N.F.", "N.G.", "N.H.", "N.I.", "N.J.", "N.K.", "N.L.", "N.M.", "N.N.", "N.O.", "N.P.", "N.R.", "N.S.", "N.T.", "N.U.", "N.W.", "N.Y.", "N.Z.", "N.Ó.", "N.Ą.", "N.Ć.", "N.Ę.", "N.Ł.", "N.Ń.", "N.Ś.", "N.Ź.", "N.Ż.", "Na os.", "Nadkom.", "Najśw.", "Nb.", "Np.", "O.A.", "O.B.", "O.C.", "O.D.", "O.E.", "O.F.", "O.G.", "O.H.", "O.I.", "O.J.", "O.K.", "O.L.", "O.M.", "O.N.", "O.O.", "O.P.", "O.R.", "O.S.", "O.T.", "O.U.", "O.W.", "O.Y.", "O.Z.", "O.Ó.", "O.Ą.", "O.Ć.", "O.Ę.", "O.Ł.", "O.Ń.", "O.Ś.", "O.Ź.", "O.Ż.", "OO.", "Oo.", "P.A.", "P.B.", "P.C.", "P.D.", "P.E.", "P.F.", "P.G.", "P.H.", "P.I.", "P.J.", "P.K.", "P.L.", "P.M.", "P.N.", "P.O.", "P.P.", "P.R.", "P.S.", "P.T.", "P.U.", "P.W.", "P.Y.", "P.Z.", "P.Ó.", "P.Ą.", "P.Ć.", "P.Ę.", "P.Ł.", "P.Ń.", "P.Ś.", "P.Ź.", "P.Ż.", "Podkom.", "Przyp.", "Ps.", "Pt.", "Płk.", "R.A.", "R.B.", "R.C.", "R.D.", "R.E.", "R.F.", "R.G.", "R.H.", "R.I.", "R.J.", "R.K.", "R.L.", "R.M.", "R.N.", "R.O.", "R.P.", "R.R.", "R.S.", "R.T.", "R.U.", "R.W.", "R.Y.", "R.Z.", "R.Ó.", "R.Ą.", "R.Ć.", "R.Ę.", "R.Ł.", "R.Ń.", "R.Ś.", "R.Ź.", "R.Ż.", "Red.", "Reż.", "Ryc.", "Rys.", "S.A.", "S.B.", "S.C.", "S.D.", "S.E.", "S.F.", "S.G.", "S.H.", "S.I.", "S.J.", "S.K.", "S.L.", "S.M.", "S.N.", "S.O.", "S.P.", "S.R.", "S.S.", "S.T.", "S.U.", "S.W.", "S.Y.", "S.Z.", "S.Ó.", "S.Ą.", "S.Ć.", "S.Ę.", "S.Ł.", "S.Ń.", "S.Ś.", "S.Ź.", "S.Ż.", "Sp.", "Spółdz.", "Stow.", "Stoł.", "Sz.P.", "Szer.", "T.A.", "T.B.", "T.C.", "T.D.", "T.E.", "T.F.", "T.G.", "T.H.", "T.I.", "T.J.", "T.K.", "T.L.", "T.M.", "T.N.", "T.O.", "T.P.", "T.R.", "T.S.", "T.T.", "T.U.", "T.W.", "T.Y.", "T.Z.", "T.Ó.", "T.Ą.", "T.Ć.", "T.Ę.", "T.Ł.", "T.Ń.", "T.Ś.", "T.Ź.", "T.Ż.", "Tow.", "Tzw.", "U.A.", "U.B.", "U.C.", "U.D.", "U.E.", "U.F.", "U.G.", "U.H.", "U.I.", "U.J.", "U.K.", "U.L.", "U.M.", "U.N.", "U.O.", "U.P.", "U.R.", "U.S.", "U.T.", "U.U.", "U.W.", "U.Y.", "U.Z.", "U.Ó.", "U.Ą.", "U.Ć.", "U.Ę.", "U.Ł.", "U.Ń.", "U.Ś.", "U.Ź.", "U.Ż.", "W.A.", "W.B.", "W.C.", "W.D.", "W.E.", "W.F.", "W.G.", "W.H.", "W.I.", "W.J.", "W.K.", "W.L.", "W.M.", "W.N.", "W.O.", "W.P.", "W.R.", "W.S.", "W.T.", "W.U.", "W.W.", "W.Y.", "W.Z.", "W.Ó.", "W.Ą.", "W.Ć.", "W.Ę.", "W.Ł.", "W.Ń.", "W.Ś.", "W.Ź.", "W.Ż.", "Y.A.", "Y.B.", "Y.C.", "Y.D.", "Y.E.", "Y.F.", "Y.G.", "Y.H.", "Y.I.", "Y.J.", "Y.K.", "Y.L.", "Y.M.", "Y.N.", "Y.O.", "Y.P.", "Y.R.", "Y.S.", "Y.T.", "Y.U.", "Y.W.", "Y.Y.", "Y.Z.", "Y.Ó.", "Y.Ą.", "Y.Ć.", "Y.Ę.", "Y.Ł.", "Y.Ń.", "Y.Ś.", "Y.Ź.", "Y.Ż.", "Z.A.", "Z.B.", "Z.C.", "Z.D.", "Z.E.", "Z.F.", "Z.G.", "Z.H.", "Z.I.", "Z.J.", "Z.K.", "Z.L.", "Z.M.", "Z.N.", "Z.O.", "Z.P.", "Z.R.", "Z.S.", "Z.T.", "Z.U.", "Z.W.", "Z.Y.", "Z.Z.", "Z.Ó.", "Z.Ą.", "Z.Ć.", "Z.Ę.", "Z.Ł.", "Z.Ń.", "Z.Ś.", "Z.Ź.", "Z.Ż.", "Zob.", "a.", "ad.", "adw.", "afr.", "ags.", "akad.", "al.", "alb.", "am.", "amer.", "ang.", "aor.", "ap.", "apost.", "arch.", "arcyks.", "art.", "artyst.", "asp.", "astr.", "aust.", "austr.", "austral.", "b.", "bałt.", "bdb.", "belg.", "białorus.", "białost.", "bm.", "bot.", "bp.", "br.", "bryg.", "bryt.", "bułg.", "bł.", "c.b.d.o.", "c.k.", "c.o.", "cbdu.", "cd.", "cdn.", "centr.", "ces.", "chem.", "chir.", "chiń.", "chor.", "chorw.", "cieśn.", "cnd.", "cyg.", "cyt.", "cyw.", "cz.", "czes.", "czw.", "czyt.", "d.", "daw.", "dcn.", "dekl.", "demokr.", "det.", "dh.", "diec.", "dk.", "dn.", "doc.", "doktor h.c.", "dol.", "dolnośl.", "dost.", "dosł.", "dot.", "dr h.c.", "dr hab.", "dr.", "ds.", "dst.", "duszp.", "dypl.", "dyr.", "dyw.", "dł.", "egz.", "ekol.", "ekon.", "elektr.", "em.", "ent.", "est.", "europ.", "ew.", "fab.", "farm.", "fot.", "fr.", "franc.", "g.", "gastr.", "gat.", "gd.", "gen.", "geogr.", "geol.", "gimn.", "gm.", "godz.", "gorz.", "gosp.", "gosp.-polit.", "gr.", "gram.", "grub.", "górn.", "głęb.", "h.c.", "hab.", "hist.", "hiszp.", "hitl.", "hm.", "hot.", "hr.", "i in.", "i s.", "id.", "ie.", "im.", "in.", "inż.", "iron.", "itd.", "itp.", "j.", "j.a.", "jez.", "jn.", "jw.", "jwt.", "k.", "k.k.", "k.o.", "k.p.a.", "k.p.c.", "k.r.", "k.r.o.", "kard.", "kark.", "kasz.", "kat.", "katol.", "kier.", "kk.", "kl.", "kol.", "kpc.", "kpt.", "kr.", "krak.", "kryt.", "ks.", "książk.", "kuj.", "kult.", "kł.", "l.", "laic.", "lek.", "lit.", "lp.", "lub.", "m.", "m.b.", "m.in.", "m.p.", "m.st.", "mar.", "maz.", "małop.", "mec.", "med.", "mgr.", "min.", "mn.", "mn.w.", "muz.", "mł.", "n.", "n.e.", "n.p.m.", "n.p.u.", "na os.", "nadkom.", "najśw.", "nb.", "niedz.", "niem.", "norw.", "np.", "nt.", "nż.", "o s.", "o.", "oO.", "ob.", "odc.", "odp.", "ok.", "oo.", "op.", "os.", "p.", "p.a.", "p.f.", "p.f.v.", "p.n.e.", "p.o.", "p.p.", "p.p.m.", "p.r.", "p.r.v.", "phm.", "pie.", "pl.", "pn.", "pocz.", "pod.", "podgat.", "podkarp.", "podkom.", "poet.", "poj.", "pok.", "pol.", "pom.", "pon.", "poprz.", "por.", "port.", "posp.", "pow.", "poz.", "poł.", "pp.", "ppanc.", "ppor.", "ppoż.", "prawdop.", "proc.", "prof.", "prok.", "przed Chr.", "przyp.", "ps.", "pseud.", "pt.", "pw.", "półn.", "płd.", "płk.", "płn.", "r.", "r.ż.", "red.", "reż.", "ros.", "rozdz.", "rtg.", "rtm.", "rub.", "rum.", "ryc.", "rys.", "rz.", "s.", "serb.", "sierż.", "skr.", "sob.", "sp.", "społ.", "spółdz.", "spółgł.", "st.", "st.rus.", "stow.", "stoł.", "str.", "sud.", "szczec.", "szer.", "szt.", "szw.", "szwajc.", "słow.", "t.", "t.j.", "tatrz.", "tel.", "tj.", "tow.", "trl.", "tryb.", "ts.", "tur.", "tys.", "tzn.", "tzw.", "tłum.", "u s.", "ub.", "ukr.", "ul.", "up.", "ur.", "v.v.", "vs.", "w.", "warm.", "wlk.", "wlkp.", "woj.", "wroc.", "ws.", "wsch.", "wt.", "ww.", "wyb.", "wyd.", "wyj.", "wym.", "wyst.", "wył.", "wyż.", "wzgl.", "wędr.", "węg.", "wł.", "x.", "xx.", "zach.", "zagr.", "zak.", "zakł.", "zal.", "zam.", "zast.", "zaw.", "zazw.", "zał.", "zdr.", "zew.", "zewn.", "ziel.", "zm.", "zn.", "zob.", "zool.", "zw.", "ząbk.", "Ó.A.", "Ó.B.", "Ó.C.", "Ó.D.", "Ó.E.", "Ó.F.", "Ó.G.", "Ó.H.", "Ó.I.", "Ó.J.", "Ó.K.", "Ó.L.", "Ó.M.", "Ó.N.", "Ó.O.", "Ó.P.", "Ó.R.", "Ó.S.", "Ó.T.", "Ó.U.", "Ó.W.", "Ó.Y.", "Ó.Z.", "Ó.Ó.", "Ó.Ą.", "Ó.Ć.", "Ó.Ę.", "Ó.Ł.", "Ó.Ń.", "Ó.Ś.", "Ó.Ź.", "Ó.Ż.", "Ą.A.", "Ą.B.", "Ą.C.", "Ą.D.", "Ą.E.", "Ą.F.", "Ą.G.", "Ą.H.", "Ą.I.", "Ą.J.", "Ą.K.", "Ą.L.", "Ą.M.", "Ą.N.", "Ą.O.", "Ą.P.", "Ą.R.", "Ą.S.", "Ą.T.", "Ą.U.", "Ą.W.", "Ą.Y.", "Ą.Z.", "Ą.Ó.", "Ą.Ą.", "Ą.Ć.", "Ą.Ę.", "Ą.Ł.", "Ą.Ń.", "Ą.Ś.", "Ą.Ź.", "Ą.Ż.", "Ć.A.", "Ć.B.", "Ć.C.", "Ć.D.", "Ć.E.", "Ć.F.", "Ć.G.", "Ć.H.", "Ć.I.", "Ć.J.", "Ć.K.", "Ć.L.", "Ć.M.", "Ć.N.", "Ć.O.", "Ć.P.", "Ć.R.", "Ć.S.", "Ć.T.", "Ć.U.", "Ć.W.", "Ć.Y.", "Ć.Z.", "Ć.Ó.", "Ć.Ą.", "Ć.Ć.", "Ć.Ę.", "Ć.Ł.", "Ć.Ń.", "Ć.Ś.", "Ć.Ź.", "Ć.Ż.", "ćw.", "ćwicz.", "Ę.A.", "Ę.B.", "Ę.C.", "Ę.D.", "Ę.E.", "Ę.F.", "Ę.G.", "Ę.H.", "Ę.I.", "Ę.J.", "Ę.K.", "Ę.L.", "Ę.M.", "Ę.N.", "Ę.O.", "Ę.P.", "Ę.R.", "Ę.S.", "Ę.T.", "Ę.U.", "Ę.W.", "Ę.Y.", "Ę.Z.", "Ę.Ó.", "Ę.Ą.", "Ę.Ć.", "Ę.Ę.", "Ę.Ł.", "Ę.Ń.", "Ę.Ś.", "Ę.Ź.", "Ę.Ż.", "Ł.A.", "Ł.B.", "Ł.C.", "Ł.D.", "Ł.E.", "Ł.F.", "Ł.G.", "Ł.H.", "Ł.I.", "Ł.J.", "Ł.K.", "Ł.L.", "Ł.M.", "Ł.N.", "Ł.O.", "Ł.P.", "Ł.R.", "Ł.S.", "Ł.T.", "Ł.U.", "Ł.W.", "Ł.Y.", "Ł.Z.", "Ł.Ó.", "Ł.Ą.", "Ł.Ć.", "Ł.Ę.", "Ł.Ł.", "Ł.Ń.", "Ł.Ś.", "Ł.Ź.", "Ł.Ż.", "Łuk.", "łac.", "łot.", "łow.", "Ń.A.", "Ń.B.", "Ń.C.", "Ń.D.", "Ń.E.", "Ń.F.", "Ń.G.", "Ń.H.", "Ń.I.", "Ń.J.", "Ń.K.", "Ń.L.", "Ń.M.", "Ń.N.", "Ń.O.", "Ń.P.", "Ń.R.", "Ń.S.", "Ń.T.", "Ń.U.", "Ń.W.", "Ń.Y.", "Ń.Z.", "Ń.Ó.", "Ń.Ą.", "Ń.Ć.", "Ń.Ę.", "Ń.Ł.", "Ń.Ń.", "Ń.Ś.", "Ń.Ź.", "Ń.Ż.", "Ś.A.", "Ś.B.", "Ś.C.", "Ś.D.", "Ś.E.", "Ś.F.", "Ś.G.", "Ś.H.", "Ś.I.", "Ś.J.", "Ś.K.", "Ś.L.", "Ś.M.", "Ś.N.", "Ś.O.", "Ś.P.", "Ś.R.", "Ś.S.", "Ś.T.", "Ś.U.", "Ś.W.", "Ś.Y.", "Ś.Z.", "Ś.Ó.", "Ś.Ą.", "Ś.Ć.", "Ś.Ę.", "Ś.Ł.", "Ś.Ń.", "Ś.Ś.", "Ś.Ź.", "Ś.Ż.", "ŚW.", "Śp.", "Św.", "śW.", "śl.", "śp.", "śr.", "św.", "Ź.A.", "Ź.B.", "Ź.C.", "Ź.D.", "Ź.E.", "Ź.F.", "Ź.G.", "Ź.H.", "Ź.I.", "Ź.J.", "Ź.K.", "Ź.L.", "Ź.M.", "Ź.N.", "Ź.O.", "Ź.P.", "Ź.R.", "Ź.S.", "Ź.T.", "Ź.U.", "Ź.W.", "Ź.Y.", "Ź.Z.", "Ź.Ó.", "Ź.Ą.", "Ź.Ć.", "Ź.Ę.", "Ź.Ł.", "Ź.Ń.", "Ź.Ś.", "Ź.Ź.", "Ź.Ż.", "Ż.A.", "Ż.B.", "Ż.C.", "Ż.D.", "Ż.E.", "Ż.F.", "Ż.G.", "Ż.H.", "Ż.I.", "Ż.J.", "Ż.K.", "Ż.L.", "Ż.M.", "Ż.N.", "Ż.O.", "Ż.P.", "Ż.R.", "Ż.S.", "Ż.T.", "Ż.U.", "Ż.W.", "Ż.Y.", "Ż.Z.", "Ż.Ó.", "Ż.Ą.", "Ż.Ć.", "Ż.Ę.", "Ż.Ł.", "Ż.Ń.", "Ż.Ś.", "Ż.Ź.", "Ż.Ż.", "ż.", "żarg.", "żart.", "żyd.", "żyw.", ]