mirror of
https://github.com/explosion/spaCy.git
synced 2025-10-31 16:07:41 +03:00
1984 lines
24 KiB
Python
1984 lines
24 KiB
Python
from ...symbols import NORM, ORTH
|
|
from ...util import update_exc
|
|
from ..tokenizer_exceptions import BASE_EXCEPTIONS
|
|
|
|
"""
|
|
All rules and exceptions were taken from the "Gaelic Orthographic Conventions
|
|
of 2009" (GOC) and from the "Annotated Reference Corpus of Scottish Gaelic" (ARCOSG). I did
|
|
my best to ensure this tokenizer would lead to text as close as possible to the
|
|
tokenization of the ARCOSG and the conventions in the GOC.
|
|
|
|
|
|
ARCOSG: https://github.com/Gaelic-Algorithmic-Research-Group/ARCOSG
|
|
GOC: https://www.gaidhlig.scot/wp-content/uploads/2021/03/GOC-2009-English.pdf
|
|
"""
|
|
|
|
# Compound words
|
|
_exc = {
|
|
"càil": [{ORTH: "cà", NORM: "càite"}, {ORTH: "il", NORM: "bheil"}],
|
|
"sna": [{ORTH: "s", NORM: "anns"}, {ORTH: "na", NORM: "na"}],
|
|
"orra": [{ORTH: "orr", NORM: "air"}, {ORTH: "a", NORM: "do"}],
|
|
"fiùs": [{ORTH: "fiù", NORM: "fiù"}, {ORTH: "s", NORM: "'s"}],
|
|
}
|
|
|
|
|
|
# Hyphenations that are alternative forms of words
|
|
for exc_data in [
|
|
{ORTH: "fa-near", NORM: "fainear"},
|
|
{ORTH: "Fa-near", NORM: "Fainear"},
|
|
]:
|
|
_exc[exc_data[ORTH]] = [exc_data]
|
|
|
|
|
|
# Abreviations and shortened words
|
|
for exc_data in [
|
|
{ORTH: "'", NORM: "a"},
|
|
{ORTH: "'S", NORM: "Agus"},
|
|
{ORTH: "'s", NORM: "agus"},
|
|
{ORTH: "B'", NORM: "Bu"},
|
|
{ORTH: "b'", NORM: "bu"},
|
|
{ORTH: "D'", NORM: "Do"},
|
|
{ORTH: "d'", NORM: "do"},
|
|
{ORTH: "'M", NORM: "Am"},
|
|
{ORTH: "'m", NORM: "am"},
|
|
{ORTH: "M'", NORM: "Mo"},
|
|
{ORTH: "m'", NORM: "mo"},
|
|
{ORTH: "'n", NORM: "an"},
|
|
{ORTH: "'N", NORM: "An"},
|
|
{ORTH: "Th'", NORM: "Tha"},
|
|
{ORTH: "th'", NORM: "tha"},
|
|
]:
|
|
_exc[exc_data[ORTH]] = [exc_data]
|
|
|
|
|
|
# Words with a leading apostrophe
|
|
for orth in """
|
|
'ac
|
|
'Ac
|
|
'ad
|
|
'Ad
|
|
'ar
|
|
'Ar
|
|
'bhuannachd
|
|
'Bhuannachd
|
|
'd
|
|
'D
|
|
'eil
|
|
'Eil
|
|
'eug
|
|
'Eug
|
|
'g
|
|
'G
|
|
'ga
|
|
'Ga
|
|
'gad
|
|
'Gad
|
|
'gam
|
|
'Gam
|
|
'gan
|
|
'Gan
|
|
'gar
|
|
'Gar
|
|
'gur
|
|
'Gur
|
|
'ic
|
|
'Ic
|
|
'il
|
|
'Il
|
|
'ill'
|
|
'Ill'
|
|
'ille
|
|
'Ille
|
|
'illean
|
|
'Illean
|
|
'iodh
|
|
'Iodh
|
|
'l
|
|
'L
|
|
'm
|
|
'M
|
|
'n
|
|
'N
|
|
'na
|
|
'Na
|
|
'nad
|
|
'Nad
|
|
'nam
|
|
'Nam
|
|
'nan
|
|
'Nan
|
|
'nar
|
|
'Nar
|
|
'neil
|
|
'Neil
|
|
'nise
|
|
'Nise
|
|
'nuair
|
|
'Nuair
|
|
'nur
|
|
'Nur
|
|
's
|
|
'S
|
|
'sa
|
|
'Sa
|
|
'sa'
|
|
'Sa'
|
|
'san
|
|
'San
|
|
'sann
|
|
'Sann
|
|
'se
|
|
'Se
|
|
'sna
|
|
'Sna
|
|
'son
|
|
'Son
|
|
'urchaidh
|
|
'Urchaidh
|
|
""".split():
|
|
_exc[orth] = [{ORTH: orth}]
|
|
|
|
# Words with a trailing or middling apostrophe
|
|
for orth in """
|
|
a'
|
|
A'
|
|
a'd
|
|
A'd
|
|
a'm
|
|
A'm
|
|
a's
|
|
A's
|
|
ac'
|
|
Ac'
|
|
agads'
|
|
Agads'
|
|
agams'
|
|
Agams'
|
|
aig'
|
|
Aig'
|
|
annams'
|
|
Annams'
|
|
ars'
|
|
Ars'
|
|
b'
|
|
B'
|
|
ball'
|
|
Ball'
|
|
bioraicht'
|
|
Bioraicht'
|
|
bh'
|
|
Bh'
|
|
bhail'
|
|
Bhail'
|
|
bhall'
|
|
Bhall'
|
|
bheath'
|
|
Bheath'
|
|
bhliadhn'
|
|
Bhliadhn'
|
|
bliadhn'
|
|
Bliadhn'
|
|
bonnant'
|
|
Bonnant'
|
|
brist'
|
|
Brist'
|
|
bàt'
|
|
Bàt'
|
|
c'à
|
|
C'à
|
|
camp'
|
|
Camp'
|
|
chalp'
|
|
Chalp'
|
|
champ'
|
|
Champ'
|
|
chomhairl'
|
|
Chomhairl'
|
|
chual'
|
|
Chual'
|
|
chuimhn'
|
|
Chuimhn'
|
|
colaisd'
|
|
Colaisd'
|
|
comhl'
|
|
Comhl'
|
|
comhairl'
|
|
Comhairl'
|
|
creids'
|
|
Creids'
|
|
cual'
|
|
Cual'
|
|
cuimhn'
|
|
Cuimhn'
|
|
cuin'
|
|
Cuin'
|
|
cà'
|
|
Cà'
|
|
càit'
|
|
Càit'
|
|
d'
|
|
D'
|
|
d'readh
|
|
D'readh
|
|
d'reaghadh
|
|
D'reaghadh
|
|
daoin'
|
|
Daoin'
|
|
deimhinn'
|
|
Deimhinn'
|
|
de'n
|
|
De'n
|
|
dh'
|
|
Dh'
|
|
dhaib'
|
|
Dhaib'
|
|
dhaoin'
|
|
Dhaoin'
|
|
dhòmhs'
|
|
Dhòmhs'
|
|
dhu'sa
|
|
Dhu'sa
|
|
dhuin'
|
|
Dhuin'
|
|
do'n
|
|
Do'n
|
|
duin'
|
|
Duin'
|
|
dòch'
|
|
Dòch'
|
|
dùint'
|
|
Dùint'
|
|
eil'
|
|
Eil'
|
|
f'a
|
|
F'a
|
|
fac'
|
|
Fac'
|
|
fad'
|
|
Fad'
|
|
fhac'
|
|
Fhac'
|
|
fhad'
|
|
Fhad'
|
|
fhaid'
|
|
Fhaid'
|
|
fhaisg'
|
|
Fhaisg'
|
|
fhiosd'
|
|
Fhiosd'
|
|
fàilt'
|
|
Fàilt'
|
|
g'
|
|
G'
|
|
gàir'
|
|
Gàir'
|
|
ghill'
|
|
Ghill'
|
|
gill'
|
|
Gill'
|
|
inns'
|
|
Inns'
|
|
innt'
|
|
Innt'
|
|
ionnsaicht'
|
|
Ionnsaicht'
|
|
leams'
|
|
Leams'
|
|
leoth'
|
|
Leoth'
|
|
lobht'
|
|
Lobht'
|
|
m'
|
|
M'
|
|
m'a
|
|
M'a
|
|
m's
|
|
M's
|
|
mhuth'
|
|
Mhuth'
|
|
mhòr'
|
|
Mhòr'
|
|
mis'
|
|
Mis'
|
|
mu'n
|
|
Mu'n
|
|
mòr'
|
|
Mòr'
|
|
oirr'
|
|
Oirr'
|
|
o'n
|
|
O'n
|
|
phàp'
|
|
Phàp'
|
|
pàp'
|
|
Pàp'
|
|
pòs'
|
|
Pòs'
|
|
prionns'
|
|
Prionns'
|
|
r'
|
|
R'
|
|
riums'
|
|
Riums'
|
|
riuth'
|
|
Riuth'
|
|
ro'n
|
|
Ro'n
|
|
sa'
|
|
Sa'
|
|
sgoil'
|
|
Sgoil'
|
|
sgìr'
|
|
Sgìr'
|
|
sheòrs'
|
|
Sheòrs'
|
|
sin'
|
|
Sin'
|
|
stall'
|
|
Stall'
|
|
sìod'
|
|
Sìod'
|
|
sònraicht'
|
|
Sònraicht'
|
|
t'
|
|
T'
|
|
taigh'
|
|
Taigh'
|
|
tein'
|
|
Tein'
|
|
teoth'
|
|
Teoth'
|
|
th'
|
|
Th'
|
|
thoilicht'
|
|
Thoilicht'
|
|
thuc'
|
|
Thuc'
|
|
thuigs'
|
|
Thuigs'
|
|
thus'
|
|
Thus'
|
|
thàna'
|
|
Thàna'
|
|
toilicht'
|
|
Toilicht'
|
|
tro'
|
|
Tro'
|
|
uisg'
|
|
Uisg'
|
|
àit'
|
|
Àit'
|
|
òg'
|
|
Òg'
|
|
""".split():
|
|
_exc[orth] = [{ORTH: orth}]
|
|
|
|
|
|
# Hyphenations that should remain as single tokens
|
|
for orth in """
|
|
'n-dràsda
|
|
'N-dràsda
|
|
-bhliadhn'
|
|
-bhliadhn'
|
|
a-bhos
|
|
A-bhos
|
|
a-bhòn-dè
|
|
A-bhòn-dè
|
|
a-cheart
|
|
A-cheart
|
|
a-chèile
|
|
A-chèile
|
|
a-deas
|
|
A-deas
|
|
a-mach
|
|
A-mach
|
|
a-mhàin
|
|
A-mhàin
|
|
a-muigh
|
|
A-muigh
|
|
a-màireach
|
|
A-màireach
|
|
a-nall
|
|
A-nall
|
|
a-neist
|
|
A-neist
|
|
a-ni
|
|
A-ni
|
|
a-nis
|
|
A-nis
|
|
a-nisd
|
|
A-nisd
|
|
a-nise
|
|
A-nise
|
|
a-nist
|
|
A-nist
|
|
a-niste
|
|
A-niste
|
|
a-nochd
|
|
A-nochd
|
|
a-nuas
|
|
A-nuas
|
|
a-null
|
|
A-null
|
|
a-raoir
|
|
A-raoir
|
|
a-riamh
|
|
A-riamh
|
|
a-rithist
|
|
A-rithist
|
|
a-rèiste
|
|
A-rèiste
|
|
a-rìs
|
|
A-rìs
|
|
a-seo
|
|
A-seo
|
|
a-sin
|
|
A-sin
|
|
a-sineach
|
|
A-sineach
|
|
a-siud
|
|
A-siud
|
|
a-staigh
|
|
A-staigh
|
|
a-steach
|
|
A-steach
|
|
a-tuath
|
|
A-tuath
|
|
aca-san
|
|
Aca-san
|
|
agad-sa
|
|
Agad-sa
|
|
agam-sa
|
|
Agam-sa
|
|
aghaidh-bhualaich
|
|
Aghaidh-bhualaich
|
|
aice-se
|
|
Aice-se
|
|
aige-san
|
|
Aige-san
|
|
ainmeannan-àite
|
|
Ainmeannan-àite
|
|
air-san
|
|
Air-san
|
|
am-bliadhna
|
|
Am-bliadhna
|
|
am-màireach
|
|
Am-màireach
|
|
amp-head
|
|
Amp-head
|
|
an-diugh
|
|
An-diugh
|
|
an-dràsd
|
|
An-dràsd
|
|
an-dràsda
|
|
An-dràsda
|
|
an-dràst
|
|
An-dràst
|
|
an-dràsta
|
|
An-dràsta
|
|
an-dè
|
|
An-dè
|
|
an-dé
|
|
An-dé
|
|
an-nise
|
|
An-nise
|
|
an-nochd
|
|
An-nochd
|
|
an-raoir
|
|
An-raoir
|
|
an-uiridh
|
|
An-uiridh
|
|
an-àbhaisteach
|
|
An-àbhaisteach
|
|
an-àird
|
|
An-àird
|
|
an-àirde
|
|
An-àirde
|
|
an-àrda
|
|
An-àrda
|
|
ana-ceartas
|
|
Ana-ceartas
|
|
ana-seo
|
|
Ana-seo
|
|
ana-sin
|
|
Ana-sin
|
|
ana-siud
|
|
Ana-siud
|
|
annam-s'
|
|
Annam-s'
|
|
ao-coltach
|
|
Ao-coltach
|
|
aobhar-sa
|
|
Aobhar-sa
|
|
aois-léinn
|
|
Aois-léinn
|
|
aona-ghnothaich
|
|
Aona-ghnothaich
|
|
ar-a-mach
|
|
Ar-a-mach
|
|
ard-easbaig
|
|
Ard-easbaig
|
|
ard-luchd-poilitics
|
|
Ard-luchd-poilitics
|
|
ath-bhaile
|
|
Ath-bhaile
|
|
ath-bheòthachadh
|
|
Ath-bheòthachadh
|
|
ath-bhliadhna
|
|
Ath-bhliadhna
|
|
ath-ghiollachd
|
|
Ath-ghiollachd
|
|
ath-nuadhais
|
|
Ath-nuadhais
|
|
ath-sgrùdadh
|
|
Ath-sgrùdadh
|
|
ath-thriop
|
|
Ath-thriop
|
|
athair-san
|
|
Athair-san
|
|
baile-ciùird
|
|
Baile-ciùird
|
|
ball-coise
|
|
Ball-coise
|
|
ball-pàrlamaid
|
|
Ball-pàrlamaid
|
|
ball-sampaill
|
|
Ball-sampaill
|
|
balla-mara
|
|
Balla-mara
|
|
ban-chompanach
|
|
Ban-chompanach
|
|
ban-fhuamhaire
|
|
Ban-fhuamhaire
|
|
ban-ghillìosach
|
|
Ban-ghillìosach
|
|
ban-righ'nn
|
|
Ban-righ'nn
|
|
ban-rìgh
|
|
Ban-rìgh
|
|
bana-bhàird
|
|
Bana-bhàird
|
|
bana-chompanaich
|
|
Bana-chompanaich
|
|
bana-phòsda
|
|
Bana-phòsda
|
|
banas-taighe
|
|
Banas-taighe
|
|
beairt-fhuaigheil
|
|
Beairt-fhuaigheil
|
|
beairt-fuaigheil
|
|
Beairt-fuaigheil
|
|
bean-gairm
|
|
Bean-gairm
|
|
bean-phòsta
|
|
Bean-phòsta
|
|
bean-taighe
|
|
Bean-taighe
|
|
beul-aithris
|
|
Beul-aithris
|
|
beò-shlàint
|
|
Beò-shlàint
|
|
beò-shlàint'
|
|
Beò-shlàint'
|
|
beò-shlàinte
|
|
Beò-shlàinte
|
|
bhaga-sgoil
|
|
Bhaga-sgoil
|
|
bhall-pàrlamaid
|
|
Bhall-pàrlamaid
|
|
bhan-chompanach
|
|
Bhan-chompanach
|
|
bhan-dòmhnallach
|
|
Bhan-dòmhnallach
|
|
bhan-phrionnsa
|
|
Bhan-phrionnsa
|
|
bhan-righinn
|
|
Bhan-righinn
|
|
bhan-sheinneadair
|
|
Bhan-sheinneadair
|
|
bharr-iall
|
|
Bharr-iall
|
|
bhata-làidir
|
|
Bhata-làidir
|
|
bhath-room
|
|
Bhath-room
|
|
bheachd-sa
|
|
Bheachd-sa
|
|
bheachd-san
|
|
Bheachd-san
|
|
bheairt-fhighe
|
|
Bheairt-fhighe
|
|
bheairtean-fuaigheil
|
|
Bheairtean-fuaigheil
|
|
bheinn-sheilg
|
|
Bheinn-sheilg
|
|
bheul-aithris
|
|
Bheul-aithris
|
|
bheò-ghlacadh
|
|
Bheò-ghlacadh
|
|
bhith-beò
|
|
Bhith-beò
|
|
bhithinn-sa
|
|
Bhithinn-sa
|
|
bhogsa-chiùil
|
|
Bhogsa-chiùil
|
|
bhonn-stéidh
|
|
Bhonn-stéidh
|
|
bhràithrean-sa
|
|
Bhràithrean-sa
|
|
bhuain-mhòine
|
|
Bhuain-mhòine
|
|
bhun-sheòrsa
|
|
Bhun-sheòrsa
|
|
bhàn-righinn
|
|
Bhàn-righinn
|
|
bhàn-rinn
|
|
Bhàn-rinn
|
|
bhàn-rìgh
|
|
Bhàn-rìgh
|
|
bhàta-aiseig
|
|
Bhàta-aiseig
|
|
bhàta-sa
|
|
Bhàta-sa
|
|
bird-watcher
|
|
Bird-watcher
|
|
bith-beò
|
|
Bith-beò
|
|
bithinn-sa
|
|
Bithinn-sa
|
|
bliadhna-sa
|
|
Bliadhna-sa
|
|
bogha-saighead
|
|
Bogha-saighead
|
|
boma-peatroil
|
|
Boma-peatroil
|
|
bristeadh-a-mach
|
|
Bristeadh-a-mach
|
|
buidhean-cathrannais
|
|
Buidhean-cathrannais
|
|
buille-a-mach
|
|
Buille-a-mach
|
|
buille-shaor
|
|
Buille-shaor
|
|
bun-adhbharan
|
|
Bun-adhbharan
|
|
bun-chomharraidhean
|
|
Bun-chomharraidhean
|
|
bun-fhiosrachadh
|
|
Bun-fhiosrachadh
|
|
bun-sgoil
|
|
Bun-sgoil
|
|
bun-stèidh
|
|
Bun-stèidh
|
|
bàt-aiseig
|
|
Bàt-aiseig
|
|
bàta-aiseig
|
|
Bàta-aiseig
|
|
bàta-bathair
|
|
Bàta-bathair
|
|
cainnt-san
|
|
Cainnt-san
|
|
cal-mac
|
|
Cal-mac
|
|
carraighean-cuimhne
|
|
Carraighean-cuimhne
|
|
cead-telebhisean
|
|
Cead-telebhisean
|
|
ceann-cinnidh
|
|
Ceann-cinnidh
|
|
ceann-suidhe
|
|
Ceann-suidhe
|
|
chanain-sa
|
|
Chanain-sa
|
|
chaolas-arcach
|
|
Chaolas-arcach
|
|
charge-adh
|
|
Charge-adh
|
|
cheala-deug
|
|
Cheala-deug
|
|
chealla-deug
|
|
Chealla-deug
|
|
cheann-cinnidh
|
|
Cheann-cinnidh
|
|
cheann-feadhna
|
|
Cheann-feadhna
|
|
cheann-suidhe
|
|
Cheann-suidhe
|
|
chearc-fhraoich
|
|
Chearc-fhraoich
|
|
chearcall-meadhain
|
|
Chearcall-meadhain
|
|
chearcall-mheadhain
|
|
Chearcall-mheadhain
|
|
chlann-nighean
|
|
Chlann-nighean
|
|
chlàr-ama
|
|
Chlàr-ama
|
|
chlò-bhuaileadh
|
|
Chlò-bhuaileadh
|
|
chlò-bhualadh
|
|
Chlò-bhualadh
|
|
cho-chreutairean
|
|
Cho-chreutairean
|
|
cho-dhùin
|
|
Cho-dhùin
|
|
cho-dhùnadh
|
|
Cho-dhùnadh
|
|
cho-dhùnaidhean
|
|
Cho-dhùnaidhean
|
|
cho-fhaireachdainn
|
|
Cho-fhaireachdainn
|
|
cho-labhairt
|
|
Cho-labhairt
|
|
cho-obraiche
|
|
Cho-obraiche
|
|
cho-roinn
|
|
Cho-roinn
|
|
chom-pàirt
|
|
Chom-pàirt
|
|
chorra-ghritheach
|
|
Chorra-ghritheach
|
|
chrann-snàth
|
|
Chrann-snàth
|
|
chreach-s'
|
|
Chreach-s'
|
|
chrith-thalmhainn
|
|
Chrith-thalmhainn
|
|
chàch-a-chéile
|
|
Chàch-a-chéile
|
|
cinn-chuspair
|
|
Cinn-chuspair
|
|
cinn-iùil
|
|
Cinn-iùil
|
|
cion-doighe
|
|
Cion-doighe
|
|
clachan-meallain
|
|
Clachan-meallain
|
|
clann-sgoile
|
|
Clann-sgoile
|
|
claon-fhaireachdainn
|
|
Claon-fhaireachdainn
|
|
claon-shamhail
|
|
Claon-shamhail
|
|
cluicheadairean-meadhain
|
|
Cluicheadairean-meadhain
|
|
clàran-ama
|
|
Clàran-ama
|
|
cléir-seanchain
|
|
Cléir-seanchain
|
|
clò-bhualadair
|
|
Clò-bhualadair
|
|
clò-bhualadh
|
|
Clò-bhualadh
|
|
co-aimsireach
|
|
Co-aimsireach
|
|
co-bhanntachd
|
|
Co-bhanntachd
|
|
co-bhuannachd
|
|
Co-bhuannachd
|
|
co-buannachd
|
|
Co-buannachd
|
|
co-cheangail
|
|
Co-cheangail
|
|
co-cheangailte
|
|
Co-cheangailte
|
|
co-cheangal
|
|
Co-cheangal
|
|
co-chreutairean
|
|
Co-chreutairean
|
|
co-chruinneachadh
|
|
Co-chruinneachadh
|
|
co-dhiu
|
|
Co-dhiu
|
|
co-dhiubh
|
|
Co-dhiubh
|
|
co-dhiù
|
|
Co-dhiù
|
|
co-dhiùbh
|
|
Co-dhiùbh
|
|
co-dhùnadh
|
|
Co-dhùnadh
|
|
co-dhùnaidhean
|
|
Co-dhùnaidhean
|
|
co-fhaireachadh
|
|
Co-fhaireachadh
|
|
co-fhaireachdainn
|
|
Co-fhaireachdainn
|
|
co-impirean
|
|
Co-impirean
|
|
co-ionad
|
|
Co-ionad
|
|
co-ionann
|
|
Co-ionann
|
|
co-labhairt
|
|
Co-labhairt
|
|
co-labhairtean
|
|
Co-labhairtean
|
|
co-obrachadh
|
|
Co-obrachadh
|
|
co-sheirm
|
|
Co-sheirm
|
|
co-theacs
|
|
Co-theacs
|
|
coimeas-meudachd
|
|
Coimeas-meudachd
|
|
cola-deug
|
|
Cola-deug
|
|
com-pàirt
|
|
Com-pàirt
|
|
cope-adh
|
|
Cope-adh
|
|
crann-aodaich
|
|
Crann-aodaich
|
|
crann-snàth
|
|
Crann-snàth
|
|
crann-tarsainn
|
|
Crann-tarsainn
|
|
craobh-sgaoileadh
|
|
Craobh-sgaoileadh
|
|
crith-thalmhainn
|
|
Crith-thalmhainn
|
|
cruth-rannsachadh
|
|
Cruth-rannsachadh
|
|
cuid-eigin
|
|
Cuid-eigin
|
|
cumail-san
|
|
Cumail-san
|
|
cur-gu-buil
|
|
Cur-gu-buil
|
|
cur-seachad
|
|
Cur-seachad
|
|
cur-seachadan
|
|
Cur-seachadan
|
|
cìs-comhairle
|
|
Cìs-comhairle
|
|
cò-dhunadh
|
|
Cò-dhunadh
|
|
còmhlan-ciùil
|
|
Còmhlan-ciùil
|
|
cùis-lagh
|
|
Cùis-lagh
|
|
cùl-chàineadh
|
|
Cùl-chàineadh
|
|
cùl-shleamhnach
|
|
Cùl-shleamhnach
|
|
cùl-taic
|
|
Cùl-taic
|
|
da-rìreabh
|
|
Da-rìreabh
|
|
da-rìreadh
|
|
Da-rìreadh
|
|
da-rìribh
|
|
Da-rìribh
|
|
deagh-ghean
|
|
Deagh-ghean
|
|
dearg-fhuileach
|
|
Dearg-fhuileach
|
|
deireadh-sheachdain
|
|
Deireadh-sheachdain
|
|
deoch-làidir
|
|
Deoch-làidir
|
|
dha-rìreabh
|
|
Dha-rìreabh
|
|
dha-rìribh
|
|
Dha-rìribh
|
|
dhaibh-san
|
|
Dhaibh-san
|
|
dhe-salin-adh
|
|
Dhe-salin-adh
|
|
dhe-salt-adh
|
|
Dhe-salt-adh
|
|
dheidhinn-sa
|
|
Dheidhinn-sa
|
|
dhol-sìos
|
|
Dhol-sìos
|
|
dhomh-s'
|
|
Dhomh-s'
|
|
dhuine-dubh
|
|
Dhuine-dubh
|
|
dhà-san
|
|
Dhà-san
|
|
dhòigh-beatha
|
|
Dhòigh-beatha
|
|
di-sathairne
|
|
Di-sathairne
|
|
dian-amharc
|
|
Dian-amharc
|
|
dlùth-cheangal
|
|
Dlùth-cheangal
|
|
do-chreidsinneach
|
|
Do-chreidsinneach
|
|
do-labhairt
|
|
Do-labhairt
|
|
do-sheachant'
|
|
Do-sheachant'
|
|
dol-a-mach
|
|
Dol-a-mach
|
|
dol-air-adhart
|
|
Dol-air-adhart
|
|
dubh-chàineadh
|
|
Dubh-chàineadh
|
|
dubh-ghorm
|
|
Dubh-ghorm
|
|
dà-chultarach
|
|
Dà-chultarach
|
|
dà-reug
|
|
Dà-reug
|
|
dàn-mòr
|
|
Dàn-mòr
|
|
dì-moladh
|
|
Dì-moladh
|
|
dòigh-beatha
|
|
Dòigh-beatha
|
|
dòighean-beatha
|
|
Dòighean-beatha
|
|
e-mail
|
|
E-mail
|
|
eadar-dhealachadh
|
|
Eadar-dhealachadh
|
|
eadar-dhealachaidhean
|
|
Eadar-dhealachaidhean
|
|
eadar-dhealaichte
|
|
Eadar-dhealaichte
|
|
eadar-nàiseanta
|
|
Eadar-nàiseanta
|
|
earbainn-s
|
|
Earbainn-s
|
|
eàrr-ràdh
|
|
Eàrr-ràdh
|
|
eòrp-innseanach
|
|
Eòrp-innseanach
|
|
fa-leth
|
|
Fa-leth
|
|
fa-near
|
|
Fa-near
|
|
fad-as
|
|
Fad-as
|
|
fad-thréimhseach
|
|
Fad-thréimhseach
|
|
feadaig-mhonaidh
|
|
Feadaig-mhonaidh
|
|
fealla-dhà
|
|
Fealla-dhà
|
|
fear-a-ropa
|
|
Fear-a-ropa
|
|
fear-ceasnachaidh
|
|
Fear-ceasnachaidh
|
|
fear-faire
|
|
Fear-faire
|
|
fear-gairm
|
|
Fear-gairm
|
|
fear-glèidhidh
|
|
Fear-glèidhidh
|
|
fear-labhairt
|
|
Fear-labhairt
|
|
fear-naidheachd
|
|
Fear-naidheachd
|
|
fear-pòsta
|
|
Fear-pòsta
|
|
fear-sgrùdaidh
|
|
Fear-sgrùdaidh
|
|
fear-teagaisg
|
|
Fear-teagaisg
|
|
fear-trèinidh
|
|
Fear-trèinidh
|
|
fear-éisteachd
|
|
Fear-éisteachd
|
|
feed-adh
|
|
Feed-adh
|
|
fhear-ghlèidhidh
|
|
Fhear-ghlèidhidh
|
|
fhear-gleidhidh
|
|
Fhear-gleidhidh
|
|
fhear-glèidhidh
|
|
Fhear-glèidhidh
|
|
fhear-labhairt
|
|
Fhear-labhairt
|
|
fhear-leughaidh
|
|
Fhear-leughaidh
|
|
fhear-sa
|
|
Fhear-sa
|
|
fhear-sgrùdaidh
|
|
Fhear-sgrùdaidh
|
|
fhir-cinnidh
|
|
Fhir-cinnidh
|
|
fhéin-ìomhaigh
|
|
Fhéin-ìomhaigh
|
|
fhìor-luachmhor
|
|
Fhìor-luachmhor
|
|
fois-fhòirneirt
|
|
Fois-fhòirneirt
|
|
fàs-bheairtean
|
|
Fàs-bheairtean
|
|
féin-mhisneachd
|
|
Féin-mhisneachd
|
|
féin-mholadh
|
|
Féin-mholadh
|
|
fìor-thàbhachdach
|
|
Fìor-thàbhachdach
|
|
ge-ta
|
|
Ge-ta
|
|
ge-tà
|
|
Ge-tà
|
|
ged-tà
|
|
Ged-tà
|
|
geàrr-chunntais
|
|
Geàrr-chunntais
|
|
geàrr-chunntas
|
|
Geàrr-chunntas
|
|
geàrr-thréimhseach
|
|
Geàrr-thréimhseach
|
|
ghuth-thàmh
|
|
Ghuth-thàmh
|
|
glain'-amhairc
|
|
Glain'-amhairc
|
|
glas-ghuib
|
|
Glas-ghuib
|
|
gnàth-bhriathrachas
|
|
Gnàth-bhriathrachas
|
|
gàrradh-crìche
|
|
Gàrradh-crìche
|
|
h-
|
|
H-
|
|
h-ana-miannaibh
|
|
H-ana-miannaibh
|
|
h-uile
|
|
H-uile
|
|
hó-ró
|
|
Hó-ró
|
|
iar-mhinistear
|
|
Iar-mhinistear
|
|
inneal-spreadhaidh
|
|
Inneal-spreadhaidh
|
|
ionad-còmhnaidh
|
|
Ionad-còmhnaidh
|
|
join-adh
|
|
Join-adh
|
|
latha-an-diugh
|
|
Latha-an-diugh
|
|
leam-sa
|
|
Leam-sa
|
|
leas-adh
|
|
Leas-adh
|
|
lease-adh
|
|
Lease-adh
|
|
leat-sa
|
|
Leat-sa
|
|
leotha-san
|
|
Leotha-san
|
|
leth-char
|
|
Leth-char
|
|
leth-cheud
|
|
Leth-cheud
|
|
leth-ghàidhealtachd
|
|
Leth-ghàidhealtachd
|
|
leth-pocannan
|
|
Leth-pocannan
|
|
leth-sgeulan
|
|
Leth-sgeulan
|
|
leth-uair
|
|
Leth-uair
|
|
leughadh-ne
|
|
Leughadh-ne
|
|
lighiche-sprèidh
|
|
Lighiche-sprèidh
|
|
linn-an-òir
|
|
Linn-an-òir
|
|
litir-aonta
|
|
Litir-aonta
|
|
loma-làn
|
|
Loma-làn
|
|
lost-s'
|
|
Lost-s'
|
|
luchd-altram
|
|
Luchd-altram
|
|
luchd-altruim
|
|
Luchd-altruim
|
|
luchd-amhairc
|
|
Luchd-amhairc
|
|
luchd-ciùil
|
|
Luchd-ciùil
|
|
luchd-cruinneachaidh
|
|
Luchd-cruinneachaidh
|
|
luchd-dìon
|
|
Luchd-dìon
|
|
luchd-ealain
|
|
Luchd-ealain
|
|
luchd-einnseanaraidh
|
|
Luchd-einnseanaraidh
|
|
luchd-glèidhteachais
|
|
Luchd-glèidhteachais
|
|
luchd-gnìomhachais
|
|
Luchd-gnìomhachais
|
|
luchd-iomairt
|
|
Luchd-iomairt
|
|
luchd-lagh
|
|
Luchd-lagh
|
|
luchd-lagha
|
|
Luchd-lagha
|
|
luchd-leanmhainn
|
|
Luchd-leanmhainn
|
|
luchd-litreachais
|
|
Luchd-litreachais
|
|
luchd-obrach
|
|
Luchd-obrach
|
|
luchd-reic
|
|
Luchd-reic
|
|
luchd-sgrùdaidh
|
|
Luchd-sgrùdaidh
|
|
luchd-teagaisg
|
|
Luchd-teagaisg
|
|
luchd-turais
|
|
Luchd-turais
|
|
luchd-éisdeachd
|
|
Luchd-éisdeachd
|
|
luchd-éisteachd
|
|
Luchd-éisteachd
|
|
là-an-diugh
|
|
Là-an-diugh
|
|
làmh-chuideachaidh
|
|
Làmh-chuideachaidh
|
|
làmh-sgrìobhainn
|
|
Làmh-sgrìobhainn
|
|
làmh-sgrìobhainnean
|
|
Làmh-sgrìobhainnean
|
|
làmh-sgrìobhta
|
|
Làmh-sgrìobhta
|
|
làn-bheachd
|
|
Làn-bheachd
|
|
làn-ghàidhealtachd
|
|
Làn-ghàidhealtachd
|
|
làn-thuigse
|
|
Làn-thuigse
|
|
làn-ùine
|
|
Làn-ùine
|
|
làrna-mhàireach
|
|
Làrna-mhàireach
|
|
lìn-bheaga
|
|
Lìn-bheaga
|
|
lùth-chleasan
|
|
Lùth-chleasan
|
|
ma-ta
|
|
Ma-ta
|
|
ma-tha
|
|
Ma-tha
|
|
ma-thà
|
|
Ma-thà
|
|
ma-tà
|
|
Ma-tà
|
|
mac-an-duine
|
|
Mac-an-duine
|
|
mac-léinn
|
|
Mac-léinn
|
|
mac-meanmna
|
|
Mac-meanmna
|
|
maighstir-sgoile
|
|
Maighstir-sgoile
|
|
maor-chladaich
|
|
Maor-chladaich
|
|
maor-fearainn
|
|
Maor-fearainn
|
|
mar-thà
|
|
Mar-thà
|
|
marbh-riaghailt
|
|
Marbh-riaghailt
|
|
meadhan-aoiseil
|
|
Meadhan-aoiseil
|
|
meadhan-latha
|
|
Meadhan-latha
|
|
meadhan-oidhche
|
|
Meadhan-oidhche
|
|
meal-an-naidheachd
|
|
Meal-an-naidheachd
|
|
mean-fhàs
|
|
Mean-fhàs
|
|
mhac-meanmna
|
|
Mhac-meanmna
|
|
mheadhain-latha
|
|
Mheadhain-latha
|
|
mheadhain-oidhche
|
|
Mheadhain-oidhche
|
|
mheadhan-oidhche
|
|
Mheadhan-oidhche
|
|
mheantraiginn-sa
|
|
Mheantraiginn-sa
|
|
mhi-rùn
|
|
Mhi-rùn
|
|
mhic-an-duine
|
|
Mhic-an-duine
|
|
mhoraltachd-sa
|
|
Mhoraltachd-sa
|
|
mhuir-làn
|
|
Mhuir-làn
|
|
mhuir-sgèin
|
|
Mhuir-sgèin
|
|
mhàthair-san
|
|
Mhàthair-san
|
|
mhì-chinnt
|
|
Mhì-chinnt
|
|
mhì-chneasda
|
|
Mhì-chneasda
|
|
mhì-chòrdadh
|
|
Mhì-chòrdadh
|
|
mhì-riaraichte
|
|
Mhì-riaraichte
|
|
mhì-shocair
|
|
Mhì-shocair
|
|
mhòr-chuid
|
|
Mhòr-chuid
|
|
mhòr-shluagh
|
|
Mhòr-shluagh
|
|
mhòr-shluaigh
|
|
Mhòr-shluaigh
|
|
mhór-amharas
|
|
Mhór-amharas
|
|
mhór-chuid
|
|
Mhór-chuid
|
|
mhór-shluaigh
|
|
Mhór-shluaigh
|
|
mi-chneasda
|
|
Mi-chneasda
|
|
mi-rùn
|
|
Mi-rùn
|
|
mic-léinn
|
|
Mic-léinn
|
|
mion-chànain
|
|
Mion-chànain
|
|
mion-fhios
|
|
Mion-fhios
|
|
mion-fhiosrach
|
|
Mion-fhiosrach
|
|
mion-sgrùdadh
|
|
Mion-sgrùdadh
|
|
muir-meadhon-thireach
|
|
Muir-meadhon-thireach
|
|
mèinnean-talmhainn
|
|
Mèinnean-talmhainn
|
|
mì-chinnt
|
|
Mì-chinnt
|
|
mì-choltach
|
|
Mì-choltach
|
|
mì-dhòigh
|
|
Mì-dhòigh
|
|
mì-fhair
|
|
Mì-fhair
|
|
mì-fhortanach
|
|
Mì-fhortanach
|
|
mì-laghail
|
|
Mì-laghail
|
|
mì-nàdarra
|
|
Mì-nàdarra
|
|
mì-nàdarrach
|
|
Mì-nàdarrach
|
|
mì-rùin
|
|
Mì-rùin
|
|
mì-shealbhach
|
|
Mì-shealbhach
|
|
mì-thlachd
|
|
Mì-thlachd
|
|
mòr-shluagh
|
|
Mòr-shluagh
|
|
mór-bhuannachd
|
|
Mór-bhuannachd
|
|
mór-chuid
|
|
Mór-chuid
|
|
mór-roinn
|
|
Mór-roinn
|
|
n-
|
|
N-
|
|
neach-casaid
|
|
Neach-casaid
|
|
neach-cathrach
|
|
Neach-cathrach
|
|
neach-gairm
|
|
Neach-gairm
|
|
neo-chiontach
|
|
Neo-chiontach
|
|
neo-eisimeileach
|
|
Neo-eisimeileach
|
|
neo-iomlan
|
|
Neo-iomlan
|
|
neo-àbhaisteach
|
|
Neo-àbhaisteach
|
|
nua-bhàrdachd
|
|
Nua-bhàrdachd
|
|
nì-eigin
|
|
Nì-eigin
|
|
obair-sa
|
|
Obair-sa
|
|
oifigear-stiùiridh
|
|
Oifigear-stiùiridh
|
|
oirbh-se
|
|
Oirbh-se
|
|
ola-thruis
|
|
Ola-thruis
|
|
orm-sa
|
|
Orm-sa
|
|
orra-san
|
|
Orra-san
|
|
phiuthar-chéile
|
|
Phiuthar-chéile
|
|
phort-adhair
|
|
Phort-adhair
|
|
phump-adh
|
|
Phump-adh
|
|
phàipeir-naidheachd
|
|
Phàipeir-naidheachd
|
|
phòcaid-thòine
|
|
Phòcaid-thòine
|
|
pole-aichean
|
|
Pole-aichean
|
|
port-adhair
|
|
Port-adhair
|
|
proove-adh
|
|
Proove-adh
|
|
pàipear-naidheachd
|
|
Pàipear-naidheachd
|
|
pàipearan-naidheachd
|
|
Pàipearan-naidheachd
|
|
radio-beò
|
|
Radio-beò
|
|
rithe-se
|
|
Rithe-se
|
|
rium-sa
|
|
Rium-sa
|
|
ro-chumhang
|
|
Ro-chumhang
|
|
ro-eòlach
|
|
Ro-eòlach
|
|
ro-innleachd
|
|
Ro-innleachd
|
|
ro-làimh
|
|
Ro-làimh
|
|
ro-shealladh
|
|
Ro-shealladh
|
|
roth-thoisich
|
|
Roth-thoisich
|
|
rèidio-beò
|
|
Rèidio-beò
|
|
rùm-cùil
|
|
Rùm-cùil
|
|
sadadh-a-steach
|
|
Sadadh-a-steach
|
|
samhradh-a-chaidh
|
|
Samhradh-a-chaidh
|
|
saor-làithean
|
|
Saor-làithean
|
|
sead-fhighe
|
|
Sead-fhighe
|
|
sean-ghnàthas
|
|
Sean-ghnàthas
|
|
seana-bhliadhn'
|
|
Seana-bhliadhn'
|
|
seirbhis-aisig
|
|
Seirbhis-aisig
|
|
seòl-mara
|
|
Seòl-mara
|
|
seòmar-cadail
|
|
Seòmar-cadail
|
|
sgeulachdan-gaisge
|
|
Sgeulachdan-gaisge
|
|
sgoil-marcaidheachd
|
|
Sgoil-marcaidheachd
|
|
sgìr-easbaig
|
|
Sgìr-easbaig
|
|
sgìre-easbaig
|
|
Sgìre-easbaig
|
|
sheann-fhasanta
|
|
Sheann-fhasanta
|
|
shlatan-connaidh
|
|
Shlatan-connaidh
|
|
shon-sa
|
|
Shon-sa
|
|
shàr-sgoilear
|
|
Shàr-sgoilear
|
|
sibh-se
|
|
Sibh-se
|
|
snodha-gàire
|
|
Snodha-gàire
|
|
so-labhairt
|
|
So-labhairt
|
|
soch-mhalairteach
|
|
Soch-mhalairteach
|
|
spor-gunna
|
|
Spor-gunna
|
|
sàr-bheachdan
|
|
Sàr-bheachdan
|
|
sìor-dhol
|
|
Sìor-dhol
|
|
sùil-air-ais
|
|
Sùil-air-ais
|
|
sùil-mhara
|
|
Sùil-mhara
|
|
t-
|
|
T-
|
|
taigh-cuibhle
|
|
Taigh-cuibhle
|
|
taigh-céilidh
|
|
Taigh-céilidh
|
|
taigh-sa
|
|
Taigh-sa
|
|
taigh-sheinnse
|
|
Taigh-sheinnse
|
|
taigh-tasgaidh
|
|
Taigh-tasgaidh
|
|
taigh-tughaidh
|
|
Taigh-tughaidh
|
|
taigh-òsda
|
|
Taigh-òsda
|
|
taigh-òsta
|
|
Taigh-òsta
|
|
taighean-aoigheachd
|
|
Taighean-aoigheachd
|
|
taobh-sa
|
|
Taobh-sa
|
|
teachd-an-tìr
|
|
Teachd-an-tìr
|
|
teaghlach-chànanan
|
|
Teaghlach-chànanan
|
|
thaicean-airgid
|
|
Thaicean-airgid
|
|
thaighean-altraim
|
|
Thaighean-altraim
|
|
thonn-gheal
|
|
Thonn-gheal
|
|
thuigse-san
|
|
Thuigse-san
|
|
tigh-croiteir
|
|
Tigh-croiteir
|
|
tigh-còmhnaidh
|
|
Tigh-còmhnaidh
|
|
tigh-seinnse
|
|
Tigh-seinnse
|
|
tigh-sheinnse
|
|
Tigh-sheinnse
|
|
tighearnan-fearainn
|
|
Tighearnan-fearainn
|
|
togail-cridhe
|
|
Togail-cridhe
|
|
travel-adh
|
|
Travel-adh
|
|
triob-sa
|
|
Triob-sa
|
|
tro-chèile
|
|
Tro-chèile
|
|
troimh-a-chéile
|
|
Troimh-a-chéile
|
|
troimh-chèile
|
|
Troimh-chèile
|
|
troimhe-chéile
|
|
Troimhe-chéile
|
|
tuathanas-éisg
|
|
Tuathanas-éisg
|
|
tè-labhairt
|
|
Tè-labhairt
|
|
tìr-mhóir
|
|
Tìr-mhóir
|
|
tìr-mòr
|
|
Tìr-mòr
|
|
ugam-s'
|
|
Ugam-s'
|
|
ugam-sa
|
|
Ugam-sa
|
|
uige-san
|
|
Uige-san
|
|
uile-gu-lèir
|
|
Uile-gu-lèir
|
|
uile-tuigseach
|
|
Uile-tuigseach
|
|
use-agadh
|
|
Use-agadh
|
|
watch-adh
|
|
Watch-adh
|
|
weld-adh
|
|
Weld-adh
|
|
àrd-cheannard
|
|
Àrd-cheannard
|
|
àrd-chomhairliche
|
|
Àrd-chomhairliche
|
|
àrd-chonstabal
|
|
Àrd-chonstabal
|
|
àrd-dhuine
|
|
Àrd-dhuine
|
|
àrd-ionmhair
|
|
Àrd-ionmhair
|
|
àrd-oifigear
|
|
Àrd-oifigear
|
|
àrd-oifigeir
|
|
Àrd-oifigeir
|
|
àrd-sgoil
|
|
Àrd-sgoil
|
|
àrd-ìre
|
|
Àrd-ìre
|
|
àrd-ùrlair
|
|
Àrd-ùrlair
|
|
àrd-ùrlar
|
|
Àrd-ùrlar
|
|
às-creideach
|
|
Às-creideach
|
|
àtha-cheilpe
|
|
Àtha-cheilpe
|
|
ìre-sa
|
|
Ìre-sa
|
|
ìre-se
|
|
Ìre-se
|
|
òg-mhios
|
|
Òg-mhios
|
|
òige-sa
|
|
Òige-sa
|
|
òrd-mhòr
|
|
Òrd-mhòr""".split():
|
|
_exc[orth] = [{ORTH: orth}]
|
|
|
|
# Multiple words that should remain as one token
|
|
for orth in """'n diugh
|
|
'N diugh
|
|
'n dà
|
|
'N dà
|
|
'n iar
|
|
'N iar
|
|
'n seo
|
|
'N seo
|
|
'n uairsin
|
|
'N uairsin
|
|
a a sineach
|
|
A a sineach
|
|
a b'
|
|
A b'
|
|
a bhos
|
|
A bhos
|
|
a bhàn
|
|
A bhàn
|
|
a bhòn raoir
|
|
A bhòn raoir
|
|
a bhòn uiridh
|
|
A bhòn uiridh
|
|
a bhòn-dè
|
|
A bhòn-dè
|
|
a bhòn-raoir
|
|
A bhòn-raoir
|
|
a bhòn-uiridh
|
|
A bhòn-uiridh
|
|
a bu'
|
|
A bu'
|
|
a chaoidh
|
|
A chaoidh
|
|
a cheana
|
|
A cheana
|
|
a chionn
|
|
A chionn
|
|
a chionn 's
|
|
A chionn 's
|
|
a chuile
|
|
A chuile
|
|
a chèil
|
|
A chèil
|
|
a chèile
|
|
A chèile
|
|
a chéile
|
|
A chéile
|
|
a deas
|
|
A deas
|
|
a dh'
|
|
A dh'
|
|
a h-uile
|
|
A h-uile
|
|
a mach
|
|
A mach
|
|
a muigh
|
|
A muigh
|
|
a màireach
|
|
A màireach
|
|
a nall
|
|
A nall
|
|
a neisd
|
|
A neisd
|
|
a nis
|
|
A nis
|
|
a nisd
|
|
A nisd
|
|
a nise
|
|
A nise
|
|
a niste
|
|
A niste
|
|
a nochd
|
|
A nochd
|
|
a nuas
|
|
A nuas
|
|
a null
|
|
A null
|
|
a raoir
|
|
A raoir
|
|
a riamh
|
|
A riamh
|
|
a rithist
|
|
A rithist
|
|
a s
|
|
A s
|
|
a seo
|
|
A seo
|
|
a seothach
|
|
A seothach
|
|
a shineach
|
|
A shineach
|
|
a sin
|
|
A sin
|
|
a sineach
|
|
A sineach
|
|
a staidh
|
|
A staidh
|
|
a staigh
|
|
A staigh
|
|
a steach
|
|
A steach
|
|
a stigh
|
|
A stigh
|
|
a tuath
|
|
A tuath
|
|
a uiridh
|
|
A uiridh
|
|
a' diugh
|
|
A' diugh
|
|
a' s
|
|
A' s
|
|
air bith
|
|
Air bith
|
|
air choireigin
|
|
Air choireigin
|
|
air choireigin-ach
|
|
Air choireigin-ach
|
|
air choreigin
|
|
Air choreigin
|
|
air dheireadh
|
|
Air dheireadh
|
|
air falbh
|
|
Air falbh
|
|
air neo
|
|
Air neo
|
|
air thùs
|
|
Air thùs
|
|
am a màireach muigh
|
|
Am a màireach muigh
|
|
am bliadhna
|
|
Am bliadhna
|
|
am muigh
|
|
Am muigh
|
|
an am
|
|
An am
|
|
an aodann bàn
|
|
An aodann bàn
|
|
an ath bhliadhna
|
|
An ath bhliadhna
|
|
an ath oidhch'
|
|
An ath oidhch'
|
|
an ath oidhche
|
|
An ath oidhche
|
|
an ath sheachdain
|
|
An ath sheachdain
|
|
an ath sheachdainn
|
|
An ath sheachdainn
|
|
an ath-bhliadhna
|
|
An ath-bhliadhna
|
|
an ath-oidhch'
|
|
An ath-oidhch'
|
|
an ath-oidhche
|
|
An ath-oidhche
|
|
an ath-sheachdain
|
|
An ath-sheachdain
|
|
an ath-sheachdainn
|
|
An ath-sheachdainn
|
|
an ceart-uair
|
|
An ceart-uair
|
|
an ceartuair
|
|
An ceartuair
|
|
an còmhnaidh
|
|
An còmhnaidh
|
|
an de
|
|
An de
|
|
an deas
|
|
An deas
|
|
an diugh
|
|
An diugh
|
|
an dràsda
|
|
An dràsda
|
|
an dràsta
|
|
An dràsta
|
|
an dè
|
|
An dè
|
|
an ear
|
|
An ear
|
|
an earair
|
|
An earair
|
|
an earar
|
|
An earar
|
|
an earras
|
|
An earras
|
|
an iar
|
|
An iar
|
|
an iaras
|
|
An iaras
|
|
an làrna-mhàireach
|
|
An làrna-mhàireach
|
|
an raoir
|
|
An raoir
|
|
an sean
|
|
An sean
|
|
an seo
|
|
An seo
|
|
an seothach
|
|
An seothach
|
|
an sin
|
|
An sin
|
|
an sineach
|
|
An sineach
|
|
an siod
|
|
An siod
|
|
an siud
|
|
An siud
|
|
an siudach
|
|
An siudach
|
|
an toiseach
|
|
An toiseach
|
|
an uair
|
|
An uair
|
|
an uair sin
|
|
An uair sin
|
|
an uairsin
|
|
An uairsin
|
|
an uirigh
|
|
An uirigh
|
|
an àird
|
|
An àird
|
|
an àirde
|
|
An àirde
|
|
an ìre mhath
|
|
An ìre mhath
|
|
ana nàdarra
|
|
Ana nàdarra
|
|
ann a
|
|
Ann a
|
|
ann a sheo
|
|
Ann a sheo
|
|
ann a sheothach
|
|
Ann a sheothach
|
|
ann a shin
|
|
Ann a shin
|
|
ann a shineach
|
|
Ann a shineach
|
|
ann a shiodach
|
|
Ann a shiodach
|
|
ann a shiud
|
|
Ann a shiud
|
|
ann a shiudach
|
|
Ann a shiudach
|
|
ann a'
|
|
Ann a'
|
|
ann a' shiudach
|
|
Ann a' shiudach
|
|
ann a-seo
|
|
Ann a-seo
|
|
ann a-seothach
|
|
Ann a-seothach
|
|
ann a-sin
|
|
Ann a-sin
|
|
ann a-sineach
|
|
Ann a-sineach
|
|
ann a-siud
|
|
Ann a-siud
|
|
ann am
|
|
Ann am
|
|
ann an
|
|
Ann an
|
|
ann an seo
|
|
Ann an seo
|
|
ann an shin
|
|
Ann an shin
|
|
ann an shiud
|
|
Ann an shiud
|
|
ann an sin
|
|
Ann an sin
|
|
ann an siud
|
|
Ann an siud
|
|
ann seo
|
|
Ann seo
|
|
anns a' bhad
|
|
Anns a' bhad
|
|
anns an
|
|
Anns an
|
|
ath-oidhch'
|
|
Ath-oidhch'
|
|
ban-righ 'nn
|
|
Ban-righ 'nn
|
|
bho thoiseach
|
|
Bho thoiseach
|
|
bhon 'n
|
|
Bhon 'n
|
|
bhon a'
|
|
Bhon a'
|
|
bhon an
|
|
Bhon an
|
|
bhrist '
|
|
Bhrist '
|
|
buille a-mach
|
|
Buille a-mach
|
|
bun os cionn
|
|
Bun os cionn
|
|
car son
|
|
Car son
|
|
ceann a tuath
|
|
Ceann a tuath
|
|
cia mheud
|
|
Cia mheud
|
|
coille chaoil
|
|
Coille chaoil
|
|
cò mheud
|
|
Cò mheud
|
|
có dhiubh
|
|
Có dhiubh
|
|
d' rachadh
|
|
D' rachadh
|
|
dhen an
|
|
Dhen an
|
|
do n
|
|
Do n
|
|
dè mar
|
|
Dè mar
|
|
dé mar
|
|
Dé mar
|
|
eilean tiridhe
|
|
Eilean tiridhe
|
|
fa leth
|
|
Fa leth
|
|
fad as
|
|
Fad as
|
|
fo dheireadh
|
|
Fo dheireadh
|
|
fon a'
|
|
Fon a'
|
|
fon an
|
|
Fon an
|
|
gar bith
|
|
Gar bith
|
|
gar bith có
|
|
Gar bith có
|
|
ge 's bith
|
|
Ge 's bith
|
|
ge b' e air bith
|
|
Ge b' e air bith
|
|
ge be
|
|
Ge be
|
|
ge brith
|
|
Ge brith
|
|
ge brì
|
|
Ge brì
|
|
gleann dail
|
|
Gleann dail
|
|
gleann ois
|
|
Gleann ois
|
|
gu bè gu dè
|
|
Gu bè gu dè
|
|
gu dè
|
|
Gu dè
|
|
gu dé
|
|
Gu dé
|
|
gu ruige
|
|
Gu ruige
|
|
ho ro gheallaidh
|
|
Ho ro gheallaidh
|
|
ma dheireadh
|
|
Ma dheireadh
|
|
ma dheireadh thall
|
|
Ma dheireadh thall
|
|
ma sgaoil
|
|
Ma sgaoil
|
|
ma tha
|
|
Ma tha
|
|
mar an ceudna
|
|
Mar an ceudna
|
|
mar bu trice
|
|
Mar bu trice
|
|
mar tha
|
|
Mar tha
|
|
meadhan aoiseil
|
|
Meadhan aoiseil
|
|
mu 'n
|
|
Mu 'n
|
|
mu chuairt
|
|
Mu chuairt
|
|
mu dheas
|
|
Mu dheas
|
|
mu dheireadh
|
|
Mu dheireadh
|
|
mu dheireadh thall
|
|
Mu dheireadh thall
|
|
mu n
|
|
Mu n
|
|
mu thràth
|
|
Mu thràth
|
|
mun a'
|
|
Mun a'
|
|
mun an
|
|
Mun an
|
|
na b'
|
|
Na b'
|
|
na bu
|
|
Na bu
|
|
na iad
|
|
Na iad
|
|
nach maireann
|
|
Nach maireann
|
|
o'n uairsin
|
|
O'n uairsin
|
|
oidhch '
|
|
Oidhch '
|
|
on a'
|
|
On a'
|
|
on an
|
|
On an
|
|
pholl a' ghrùthain
|
|
Pholl a' ghrùthain
|
|
roinn eorpa
|
|
Roinn eorpa
|
|
ron a'
|
|
Ron a'
|
|
ron an
|
|
Ron an
|
|
ruaidh mhònaidh
|
|
Ruaidh mhònaidh
|
|
ruith thairis
|
|
Ruith thairis
|
|
sa bhad
|
|
Sa bhad
|
|
sadadh a-mach
|
|
Sadadh a-mach
|
|
sadadh a-steach
|
|
Sadadh a-steach
|
|
sam bidh
|
|
Sam bidh
|
|
sam bith
|
|
Sam bith
|
|
srath chluaidh
|
|
Srath chluaidh
|
|
taobh a-muigh
|
|
Taobh a-muigh
|
|
taobh an ear
|
|
Taobh an ear
|
|
taobh an iar
|
|
Taobh an iar
|
|
tria san ngaoidhilcc nalbanaigh
|
|
Tria san ngaoidhilcc nalbanaigh
|
|
tron a'
|
|
Tron a'
|
|
tron an
|
|
Tron an
|
|
tuilleadh 's a chòir
|
|
Tuilleadh 's a chòir
|
|
tuilleadh sa chòir
|
|
Tuilleadh sa chòir""".split(
|
|
"\n"
|
|
):
|
|
_exc[orth] = [{ORTH: orth}]
|
|
|
|
|
|
TOKENIZER_EXCEPTIONS = update_exc(BASE_EXCEPTIONS, _exc)
|