mirror of
https://github.com/explosion/spaCy.git
synced 2024-11-16 14:47:16 +03:00
db55577c45
* Remove unicode declarations * Remove Python 3.5 and 2.7 from CI * Don't require pathlib * Replace compat helpers * Remove OrderedDict * Use f-strings * Set Cython compiler language level * Fix typo * Re-add OrderedDict for Table * Update setup.cfg * Revert CONTRIBUTING.md * Revert lookups.md * Revert top-level.md * Small adjustments and docs [ci skip]
32 lines
1.7 KiB
Python
32 lines
1.7 KiB
Python
import pytest
|
||
|
||
|
||
def test_el_tokenizer_handles_long_text(el_tokenizer):
|
||
text = """Η Ελλάδα (παλαιότερα Ελλάς), επίσημα γνωστή ως Ελληνική Δημοκρατία,\
|
||
είναι χώρα της νοτιοανατολικής Ευρώπης στο νοτιότερο άκρο της Βαλκανικής χερσονήσου.\
|
||
Συνορεύει στα βορειοδυτικά με την Αλβανία, στα βόρεια με την πρώην\
|
||
Γιουγκοσλαβική Δημοκρατία της Μακεδονίας και τη Βουλγαρία και στα βορειοανατολικά με την Τουρκία."""
|
||
tokens = el_tokenizer(text)
|
||
assert len(tokens) == 54
|
||
|
||
|
||
@pytest.mark.parametrize(
|
||
"text,length",
|
||
[
|
||
("Διοικητικά η Ελλάδα διαιρείται σε 13 Περιφέρειες.", 8),
|
||
("Η εκπαίδευση στην Ελλάδα χωρίζεται κυρίως σε τρία επίπεδα.", 10),
|
||
(
|
||
"Η Ελλάδα είναι μία από τις χώρες της Ευρωπαϊκής Ένωσης (ΕΕ) που διαθέτει σηµαντικό ορυκτό πλούτο.",
|
||
19,
|
||
),
|
||
(
|
||
"Η ναυτιλία αποτέλεσε ένα σημαντικό στοιχείο της Ελληνικής οικονομικής δραστηριότητας από τα αρχαία χρόνια.",
|
||
15,
|
||
),
|
||
("Η Ελλάδα είναι μέλος σε αρκετούς διεθνείς οργανισμούς.", 9),
|
||
],
|
||
)
|
||
def test_el_tokenizer_handles_cnts(el_tokenizer, text, length):
|
||
tokens = el_tokenizer(text)
|
||
assert len(tokens) == length
|