mirror of
https://github.com/explosion/spaCy.git
synced 2024-11-11 12:18:04 +03:00
1742 lines
26 KiB
Python
1742 lines
26 KiB
Python
# encoding: utf8
|
||
from __future__ import unicode_literals
|
||
import re
|
||
|
||
|
||
STOP_WORDS = set("""
|
||
ab aber ach acht achte achten achter achtes
|
||
ag alle allein allem allen aller allerdings alles
|
||
allgemeinen als also am an andere anderen
|
||
andern anders au auch auf aus ausser außer
|
||
ausserdem außerdem bald bei beide beiden
|
||
beim beispiel bekannt bereits besonders
|
||
besser besten bin bis bisher bist da
|
||
dabei dadurch dafür dagegen daher
|
||
dahin dahinter damals damit danach
|
||
daneben dank dann daran darauf
|
||
daraus darf darfst darin darüber
|
||
darum darunter das dasein daselbst
|
||
dass daß dasselbe davon davor dazu
|
||
dazwischen dein deine deinem deiner
|
||
dem dementsprechend demgegenüber
|
||
demgemäss demgemäß demselben
|
||
demzufolge den denen denn denselben
|
||
der deren derjenige derjenigen dermassen
|
||
dermaßen derselbe derselben des deshalb
|
||
desselben dessen deswegen dich die diejenige
|
||
diejenigen dies diese dieselbe dieselben diesem
|
||
diesen dieser dieses dir doch dort drei drin dritte
|
||
dritten dritter drittes du durch durchaus dürfen
|
||
dürft durfte durften eben ebenso ehrlich ei eigen
|
||
eigene eigenen eigener eigenes ein einander eine
|
||
einem einen einer eines einigeeinigen einiger einiges
|
||
einmal einmaleins elf en ende endlich entweder
|
||
er erst erste ersten erster erstes es etwa etwas euch
|
||
früher fünf fünfte fünften fünfter fünftes für gab ganz
|
||
ganze ganzen ganzer ganzes gar gedurft gegen
|
||
gegenüber gehabt gehen geht gekannt gekonnt gemacht
|
||
gemocht gemusst genug gerade gern gesagt geschweige
|
||
gewesen gewollt geworden gibt ging gleich gott gross
|
||
groß grosse große grossen großen grosser großer
|
||
grosses großes gut gute guter gutes habe haben habt
|
||
hast hat hatte hätte hatten hätten heisst her heute hier
|
||
hin hinter hoch ich ihm ihn ihnen ihr ihre ihrem ihrer
|
||
ihres im immer in indem infolgedessen ins irgend ist
|
||
ja jahr jahre jahren je jede jedem jeden jeder jedermann
|
||
jedermanns jedoch jemand jemandem jemanden jene
|
||
jenem jenen jener jenes jetzt kam kann kannst kaum kein
|
||
keine keinem keinen keiner kleine kleinen kleiner kleines
|
||
kommen kommt können könnt konnte könnte konnten kurz
|
||
lang lange leicht leide lieber los machen macht machte mag
|
||
magst mahn man manche manchem manchen mancher
|
||
manches mann mehr mein meine meinem meinen meiner
|
||
meines mensch menschen mich mir mit mittel mochte
|
||
möchte mochten mögen möglich mögt morgen muss muß
|
||
müssen musst müsst musste mussten na nach nachdem nahm
|
||
natürlich neben nein neue neuen neun neunte neunten neunter
|
||
neuntes nicht nichts nie niemand niemandem niemanden noch
|
||
nun nur ob oben oder offen oft ohne ordnung recht rechte
|
||
rechten rechter rechtes richtig rund sa sache sagt sagte sah satt
|
||
schlecht Schluss schon sechs sechste sechsten sechster sechstes
|
||
sehr sei seid seien sein seine seinem seinen seiner seines seit
|
||
seitdem selbst selbst sich sie sieben siebente siebenten siebenter
|
||
siebentes sind so solang solche solchem solchen solcher solches
|
||
soll sollen sollte sollten sondern sonst sowie später statt tag tage
|
||
tagen tat teil tel tritt trotzdem tun über überhaupt übrigens uhr
|
||
um und uns unser unsere unserer unter vergangenen viel viele
|
||
vielem vielen vielleicht vier vierte vierten vierter viertes vom von
|
||
vor wahr während währenddem währenddessen wann war wäre
|
||
waren wart warum was wegen weil weit weiter weitere weiteren
|
||
weiteres welche welchem welchen welcher welches wem wen
|
||
wenig wenige weniger weniges wenigstens wenn wer werde
|
||
werden werdet wessen wie wieder will willst wir wird wirklich
|
||
wirst wo wohl wollen wollt wollte wollten worden wurde würde
|
||
wurden würden zehn zehnte zehnten zehnter zehntes zeit zu
|
||
zuerst zugleich zum zunächst zur zurück zusammen zwanzig
|
||
zwar zwei zweite zweiten zweiter zweites zwischen
|
||
""".split())
|
||
|
||
|
||
TOKENIZER_PREFIXES = map(re.escape, r'''
|
||
,
|
||
"
|
||
(
|
||
[
|
||
{
|
||
*
|
||
<
|
||
>
|
||
$
|
||
£
|
||
„
|
||
“
|
||
'
|
||
``
|
||
`
|
||
#
|
||
US$
|
||
C$
|
||
A$
|
||
a-
|
||
‘
|
||
....
|
||
...
|
||
‚
|
||
»
|
||
_
|
||
§
|
||
'''.strip().split('\n'))
|
||
|
||
|
||
TOKENIZER_SUFFIXES = r'''
|
||
,
|
||
\"
|
||
\)
|
||
\]
|
||
\}
|
||
\*
|
||
\!
|
||
\?
|
||
%
|
||
\$
|
||
>
|
||
:
|
||
;
|
||
'
|
||
”
|
||
“
|
||
«
|
||
_
|
||
''
|
||
's
|
||
'S
|
||
’s
|
||
’S
|
||
’
|
||
‘
|
||
°
|
||
€
|
||
\.\.
|
||
\.\.\.
|
||
\.\.\.\.
|
||
(?<=[a-zäöüßÖÄÜ)\]"'´«‘’%\)²“”])\.
|
||
\-\-
|
||
´
|
||
(?<=[0-9])km²
|
||
(?<=[0-9])m²
|
||
(?<=[0-9])cm²
|
||
(?<=[0-9])mm²
|
||
(?<=[0-9])km³
|
||
(?<=[0-9])m³
|
||
(?<=[0-9])cm³
|
||
(?<=[0-9])mm³
|
||
(?<=[0-9])ha
|
||
(?<=[0-9])km
|
||
(?<=[0-9])m
|
||
(?<=[0-9])cm
|
||
(?<=[0-9])mm
|
||
(?<=[0-9])µm
|
||
(?<=[0-9])nm
|
||
(?<=[0-9])yd
|
||
(?<=[0-9])in
|
||
(?<=[0-9])ft
|
||
(?<=[0-9])kg
|
||
(?<=[0-9])g
|
||
(?<=[0-9])mg
|
||
(?<=[0-9])µg
|
||
(?<=[0-9])t
|
||
(?<=[0-9])lb
|
||
(?<=[0-9])oz
|
||
(?<=[0-9])m/s
|
||
(?<=[0-9])km/h
|
||
(?<=[0-9])mph
|
||
(?<=[0-9])°C
|
||
(?<=[0-9])°K
|
||
(?<=[0-9])°F
|
||
(?<=[0-9])hPa
|
||
(?<=[0-9])Pa
|
||
(?<=[0-9])mbar
|
||
(?<=[0-9])mb
|
||
(?<=[0-9])T
|
||
(?<=[0-9])G
|
||
(?<=[0-9])M
|
||
(?<=[0-9])K
|
||
(?<=[0-9])kb
|
||
'''.strip().split('\n')
|
||
|
||
|
||
TOKENIZER_INFIXES = r'''
|
||
\.\.\.
|
||
(?<=[a-z])\.(?=[A-Z])
|
||
(?<=[a-zöäüßA-ZÖÄÜ"]):(?=[a-zöäüßA-ZÖÄÜ])
|
||
(?<=[a-zöäüßA-ZÖÄÜ"])>(?=[a-zöäüßA-ZÖÄÜ])
|
||
(?<=[a-zöäüßA-ZÖÄÜ"])<(?=[a-zöäüßA-ZÖÄÜ])
|
||
(?<=[a-zöäüßA-ZÖÄÜ"])=(?=[a-zöäüßA-ZÖÄÜ])
|
||
'''.strip().split('\n')
|
||
|
||
|
||
TOKENIZER_EXCEPTIONS = {
|
||
"''": [
|
||
{
|
||
"F": "''"
|
||
}
|
||
],
|
||
"'S": [
|
||
{
|
||
"F": "'S",
|
||
"L": "es"
|
||
}
|
||
],
|
||
"'n": [
|
||
{
|
||
"F": "'n",
|
||
"L": "ein"
|
||
}
|
||
],
|
||
"'ne": [
|
||
{
|
||
"F": "'ne",
|
||
"L": "eine"
|
||
}
|
||
],
|
||
"'nen": [
|
||
{
|
||
"F": "'nen",
|
||
"L": "einen"
|
||
}
|
||
],
|
||
"'s": [
|
||
{
|
||
"F": "'s",
|
||
"L": "es"
|
||
}
|
||
],
|
||
"(:": [
|
||
{
|
||
"F": "(:"
|
||
}
|
||
],
|
||
"(=": [
|
||
{
|
||
"F": "(="
|
||
}
|
||
],
|
||
"(^_^)": [
|
||
{
|
||
"F": "(^_^)"
|
||
}
|
||
],
|
||
"-_-": [
|
||
{
|
||
"F": "-_-"
|
||
}
|
||
],
|
||
"-__-": [
|
||
{
|
||
"F": "-__-"
|
||
}
|
||
],
|
||
":')": [
|
||
{
|
||
"F": ":')"
|
||
}
|
||
],
|
||
":(": [
|
||
{
|
||
"F": ":("
|
||
}
|
||
],
|
||
":((": [
|
||
{
|
||
"F": ":(("
|
||
}
|
||
],
|
||
":(((": [
|
||
{
|
||
"F": ":((("
|
||
}
|
||
],
|
||
":)": [
|
||
{
|
||
"F": ":)"
|
||
}
|
||
],
|
||
":))": [
|
||
{
|
||
"F": ":))"
|
||
}
|
||
],
|
||
":-)": [
|
||
{
|
||
"F": ":-)"
|
||
}
|
||
],
|
||
":-/": [
|
||
{
|
||
"F": ":-/"
|
||
}
|
||
],
|
||
":-P": [
|
||
{
|
||
"F": ":-P"
|
||
}
|
||
],
|
||
":/": [
|
||
{
|
||
"F": ":/"
|
||
}
|
||
],
|
||
":0": [
|
||
{
|
||
"F": ":0"
|
||
}
|
||
],
|
||
":3": [
|
||
{
|
||
"F": ":3"
|
||
}
|
||
],
|
||
":>": [
|
||
{
|
||
"F": ":>"
|
||
}
|
||
],
|
||
":O": [
|
||
{
|
||
"F": ":O"
|
||
}
|
||
],
|
||
":P": [
|
||
{
|
||
"F": ":P"
|
||
}
|
||
],
|
||
":Y": [
|
||
{
|
||
"F": ":Y"
|
||
}
|
||
],
|
||
":]": [
|
||
{
|
||
"F": ":]"
|
||
}
|
||
],
|
||
":p": [
|
||
{
|
||
"F": ":p"
|
||
}
|
||
],
|
||
";(": [
|
||
{
|
||
"F": ";("
|
||
}
|
||
],
|
||
";)": [
|
||
{
|
||
"F": ";)"
|
||
}
|
||
],
|
||
";-)": [
|
||
{
|
||
"F": ";-)"
|
||
}
|
||
],
|
||
";-p": [
|
||
{
|
||
"F": ";-p"
|
||
}
|
||
],
|
||
";D": [
|
||
{
|
||
"F": ";D"
|
||
}
|
||
],
|
||
";p": [
|
||
{
|
||
"F": ";p"
|
||
}
|
||
],
|
||
"<3": [
|
||
{
|
||
"F": "<3"
|
||
}
|
||
],
|
||
"<33": [
|
||
{
|
||
"F": "<33"
|
||
}
|
||
],
|
||
"<333": [
|
||
{
|
||
"F": "<333"
|
||
}
|
||
],
|
||
"<space>": [
|
||
{
|
||
"F": "SP"
|
||
}
|
||
],
|
||
"=)": [
|
||
{
|
||
"F": "=)"
|
||
}
|
||
],
|
||
"=3": [
|
||
{
|
||
"F": "=3"
|
||
}
|
||
],
|
||
"=D": [
|
||
{
|
||
"F": "=D"
|
||
}
|
||
],
|
||
"=[[": [
|
||
{
|
||
"F": "=[["
|
||
}
|
||
],
|
||
"=]": [
|
||
{
|
||
"F": "=]"
|
||
}
|
||
],
|
||
"A.C.": [
|
||
{
|
||
"F": "A.C."
|
||
}
|
||
],
|
||
"A.D.": [
|
||
{
|
||
"F": "A.D."
|
||
}
|
||
],
|
||
"A.G.": [
|
||
{
|
||
"F": "A.G."
|
||
}
|
||
],
|
||
"Abb.": [
|
||
{
|
||
"F": "Abb."
|
||
}
|
||
],
|
||
"Abk.": [
|
||
{
|
||
"F": "Abk."
|
||
}
|
||
],
|
||
"Abs.": [
|
||
{
|
||
"F": "Abs."
|
||
}
|
||
],
|
||
"Abt.": [
|
||
{
|
||
"F": "Abt."
|
||
}
|
||
],
|
||
"Apr.": [
|
||
{
|
||
"F": "Apr."
|
||
}
|
||
],
|
||
"Aug.": [
|
||
{
|
||
"F": "Aug."
|
||
}
|
||
],
|
||
"B.A.": [
|
||
{
|
||
"F": "B.A."
|
||
}
|
||
],
|
||
"B.Sc.": [
|
||
{
|
||
"F": "B.Sc."
|
||
}
|
||
],
|
||
"Bd.": [
|
||
{
|
||
"F": "Bd."
|
||
}
|
||
],
|
||
"Betr.": [
|
||
{
|
||
"F": "Betr."
|
||
}
|
||
],
|
||
"Bf.": [
|
||
{
|
||
"F": "Bf."
|
||
}
|
||
],
|
||
"Bhf.": [
|
||
{
|
||
"F": "Bhf."
|
||
}
|
||
],
|
||
"Biol.": [
|
||
{
|
||
"F": "Biol."
|
||
}
|
||
],
|
||
"Bsp.": [
|
||
{
|
||
"F": "Bsp."
|
||
}
|
||
],
|
||
"Chr.": [
|
||
{
|
||
"F": "Chr."
|
||
}
|
||
],
|
||
"Cie.": [
|
||
{
|
||
"F": "Cie."
|
||
}
|
||
],
|
||
"Co.": [
|
||
{
|
||
"F": "Co."
|
||
}
|
||
],
|
||
"D.C.": [
|
||
{
|
||
"F": "D.C."
|
||
}
|
||
],
|
||
"Dez.": [
|
||
{
|
||
"F": "Dez."
|
||
}
|
||
],
|
||
"Di.": [
|
||
{
|
||
"F": "Di."
|
||
}
|
||
],
|
||
"Dipl.": [
|
||
{
|
||
"F": "Dipl."
|
||
}
|
||
],
|
||
"Dipl.-Ing.": [
|
||
{
|
||
"F": "Dipl.-Ing."
|
||
}
|
||
],
|
||
"Do.": [
|
||
{
|
||
"F": "Do."
|
||
}
|
||
],
|
||
"Dr.": [
|
||
{
|
||
"F": "Dr."
|
||
}
|
||
],
|
||
"Fa.": [
|
||
{
|
||
"F": "Fa."
|
||
}
|
||
],
|
||
"Fam.": [
|
||
{
|
||
"F": "Fam."
|
||
}
|
||
],
|
||
"Feb.": [
|
||
{
|
||
"F": "Feb."
|
||
}
|
||
],
|
||
"Fr.": [
|
||
{
|
||
"F": "Fr."
|
||
}
|
||
],
|
||
"Frl.": [
|
||
{
|
||
"F": "Frl."
|
||
}
|
||
],
|
||
"G.m.b.H.": [
|
||
{
|
||
"F": "G.m.b.H."
|
||
}
|
||
],
|
||
"Gebr.": [
|
||
{
|
||
"F": "Gebr."
|
||
}
|
||
],
|
||
"Hbf.": [
|
||
{
|
||
"F": "Hbf."
|
||
}
|
||
],
|
||
"Hg.": [
|
||
{
|
||
"F": "Hg."
|
||
}
|
||
],
|
||
"Hr.": [
|
||
{
|
||
"F": "Hr."
|
||
}
|
||
],
|
||
"Hrgs.": [
|
||
{
|
||
"F": "Hrgs."
|
||
}
|
||
],
|
||
"Hrn.": [
|
||
{
|
||
"F": "Hrn."
|
||
}
|
||
],
|
||
"Hrsg.": [
|
||
{
|
||
"F": "Hrsg."
|
||
}
|
||
],
|
||
"Ing.": [
|
||
{
|
||
"F": "Ing."
|
||
}
|
||
],
|
||
"Jan.": [
|
||
{
|
||
"F": "Jan."
|
||
}
|
||
],
|
||
"Jh.": [
|
||
{
|
||
"F": "Jh."
|
||
}
|
||
],
|
||
"Jhd.": [
|
||
{
|
||
"F": "Jhd."
|
||
}
|
||
],
|
||
"Jr.": [
|
||
{
|
||
"F": "Jr."
|
||
}
|
||
],
|
||
"Jul.": [
|
||
{
|
||
"F": "Jul."
|
||
}
|
||
],
|
||
"Jun.": [
|
||
{
|
||
"F": "Jun."
|
||
}
|
||
],
|
||
"K.O.": [
|
||
{
|
||
"F": "K.O."
|
||
}
|
||
],
|
||
"L.A.": [
|
||
{
|
||
"F": "L.A."
|
||
}
|
||
],
|
||
"M.A.": [
|
||
{
|
||
"F": "M.A."
|
||
}
|
||
],
|
||
"M.Sc.": [
|
||
{
|
||
"F": "M.Sc."
|
||
}
|
||
],
|
||
"Mi.": [
|
||
{
|
||
"F": "Mi."
|
||
}
|
||
],
|
||
"Mio.": [
|
||
{
|
||
"F": "Mio."
|
||
}
|
||
],
|
||
"Mo.": [
|
||
{
|
||
"F": "Mo."
|
||
}
|
||
],
|
||
"Mr.": [
|
||
{
|
||
"F": "Mr."
|
||
}
|
||
],
|
||
"Mrd.": [
|
||
{
|
||
"F": "Mrd."
|
||
}
|
||
],
|
||
"Mrz.": [
|
||
{
|
||
"F": "Mrz."
|
||
}
|
||
],
|
||
"MwSt.": [
|
||
{
|
||
"F": "MwSt."
|
||
}
|
||
],
|
||
"M\u00e4r.": [
|
||
{
|
||
"F": "M\u00e4r."
|
||
}
|
||
],
|
||
"N.Y.": [
|
||
{
|
||
"F": "N.Y."
|
||
}
|
||
],
|
||
"N.Y.C.": [
|
||
{
|
||
"F": "N.Y.C."
|
||
}
|
||
],
|
||
"Nov.": [
|
||
{
|
||
"F": "Nov."
|
||
}
|
||
],
|
||
"Nr.": [
|
||
{
|
||
"F": "Nr."
|
||
}
|
||
],
|
||
"O.K.": [
|
||
{
|
||
"F": "O.K."
|
||
}
|
||
],
|
||
"Okt.": [
|
||
{
|
||
"F": "Okt."
|
||
}
|
||
],
|
||
"Orig.": [
|
||
{
|
||
"F": "Orig."
|
||
}
|
||
],
|
||
"P.S.": [
|
||
{
|
||
"F": "P.S."
|
||
}
|
||
],
|
||
"Pkt.": [
|
||
{
|
||
"F": "Pkt."
|
||
}
|
||
],
|
||
"Prof.": [
|
||
{
|
||
"F": "Prof."
|
||
}
|
||
],
|
||
"R.I.P.": [
|
||
{
|
||
"F": "R.I.P."
|
||
}
|
||
],
|
||
"Red.": [
|
||
{
|
||
"F": "Red."
|
||
}
|
||
],
|
||
"S'": [
|
||
{
|
||
"F": "S'",
|
||
"L": "sie"
|
||
}
|
||
],
|
||
"Sa.": [
|
||
{
|
||
"F": "Sa."
|
||
}
|
||
],
|
||
"Sep.": [
|
||
{
|
||
"F": "Sep."
|
||
}
|
||
],
|
||
"Sept.": [
|
||
{
|
||
"F": "Sept."
|
||
}
|
||
],
|
||
"So.": [
|
||
{
|
||
"F": "So."
|
||
}
|
||
],
|
||
"St.": [
|
||
{
|
||
"F": "St."
|
||
}
|
||
],
|
||
"Std.": [
|
||
{
|
||
"F": "Std."
|
||
}
|
||
],
|
||
"Str.": [
|
||
{
|
||
"F": "Str."
|
||
}
|
||
],
|
||
"Tel.": [
|
||
{
|
||
"F": "Tel."
|
||
}
|
||
],
|
||
"Tsd.": [
|
||
{
|
||
"F": "Tsd."
|
||
}
|
||
],
|
||
"U.S.": [
|
||
{
|
||
"F": "U.S."
|
||
}
|
||
],
|
||
"U.S.A.": [
|
||
{
|
||
"F": "U.S.A."
|
||
}
|
||
],
|
||
"U.S.S.": [
|
||
{
|
||
"F": "U.S.S."
|
||
}
|
||
],
|
||
"Univ.": [
|
||
{
|
||
"F": "Univ."
|
||
}
|
||
],
|
||
"V_V": [
|
||
{
|
||
"F": "V_V"
|
||
}
|
||
],
|
||
"Vol.": [
|
||
{
|
||
"F": "Vol."
|
||
}
|
||
],
|
||
"\\\")": [
|
||
{
|
||
"F": "\\\")"
|
||
}
|
||
],
|
||
"\\n": [
|
||
{
|
||
"F": "\\n",
|
||
"L": "<nl>",
|
||
"pos": "SP"
|
||
}
|
||
],
|
||
"\\t": [
|
||
{
|
||
"F": "\\t",
|
||
"L": "<tab>",
|
||
"pos": "SP"
|
||
}
|
||
],
|
||
"^_^": [
|
||
{
|
||
"F": "^_^"
|
||
}
|
||
],
|
||
"a.": [
|
||
{
|
||
"F": "a."
|
||
}
|
||
],
|
||
"a.D.": [
|
||
{
|
||
"F": "a.D."
|
||
}
|
||
],
|
||
"a.M.": [
|
||
{
|
||
"F": "a.M."
|
||
}
|
||
],
|
||
"a.Z.": [
|
||
{
|
||
"F": "a.Z."
|
||
}
|
||
],
|
||
"abzgl.": [
|
||
{
|
||
"F": "abzgl."
|
||
}
|
||
],
|
||
"adv.": [
|
||
{
|
||
"F": "adv."
|
||
}
|
||
],
|
||
"al.": [
|
||
{
|
||
"F": "al."
|
||
}
|
||
],
|
||
"allg.": [
|
||
{
|
||
"F": "allg."
|
||
}
|
||
],
|
||
"auf'm": [
|
||
{
|
||
"F": "auf",
|
||
"L": "auf"
|
||
},
|
||
{
|
||
"F": "'m",
|
||
"L": "dem"
|
||
}
|
||
],
|
||
"b.": [
|
||
{
|
||
"F": "b."
|
||
}
|
||
],
|
||
"betr.": [
|
||
{
|
||
"F": "betr."
|
||
}
|
||
],
|
||
"biol.": [
|
||
{
|
||
"F": "biol."
|
||
}
|
||
],
|
||
"bspw.": [
|
||
{
|
||
"F": "bspw."
|
||
}
|
||
],
|
||
"bzgl.": [
|
||
{
|
||
"F": "bzgl."
|
||
}
|
||
],
|
||
"bzw.": [
|
||
{
|
||
"F": "bzw."
|
||
}
|
||
],
|
||
"c.": [
|
||
{
|
||
"F": "c."
|
||
}
|
||
],
|
||
"ca.": [
|
||
{
|
||
"F": "ca."
|
||
}
|
||
],
|
||
"co.": [
|
||
{
|
||
"F": "co."
|
||
}
|
||
],
|
||
"d.": [
|
||
{
|
||
"F": "d."
|
||
}
|
||
],
|
||
"d.h.": [
|
||
{
|
||
"F": "d.h."
|
||
}
|
||
],
|
||
"dgl.": [
|
||
{
|
||
"F": "dgl."
|
||
}
|
||
],
|
||
"du's": [
|
||
{
|
||
"F": "du",
|
||
"L": "du"
|
||
},
|
||
{
|
||
"F": "'s",
|
||
"L": "es"
|
||
}
|
||
],
|
||
"e.": [
|
||
{
|
||
"F": "e."
|
||
}
|
||
],
|
||
"e.V.": [
|
||
{
|
||
"F": "e.V."
|
||
}
|
||
],
|
||
"e.g.": [
|
||
{
|
||
"F": "e.g."
|
||
}
|
||
],
|
||
"ebd.": [
|
||
{
|
||
"F": "ebd."
|
||
}
|
||
],
|
||
"ehem.": [
|
||
{
|
||
"F": "ehem."
|
||
}
|
||
],
|
||
"eigtl.": [
|
||
{
|
||
"F": "eigtl."
|
||
}
|
||
],
|
||
"engl.": [
|
||
{
|
||
"F": "engl."
|
||
}
|
||
],
|
||
"entspr.": [
|
||
{
|
||
"F": "entspr."
|
||
}
|
||
],
|
||
"er's": [
|
||
{
|
||
"F": "er",
|
||
"L": "er"
|
||
},
|
||
{
|
||
"F": "'s",
|
||
"L": "es"
|
||
}
|
||
],
|
||
"erm.": [
|
||
{
|
||
"F": "erm."
|
||
}
|
||
],
|
||
"etc.": [
|
||
{
|
||
"F": "etc."
|
||
}
|
||
],
|
||
"ev.": [
|
||
{
|
||
"F": "ev."
|
||
}
|
||
],
|
||
"evtl.": [
|
||
{
|
||
"F": "evtl."
|
||
}
|
||
],
|
||
"f.": [
|
||
{
|
||
"F": "f."
|
||
}
|
||
],
|
||
"frz.": [
|
||
{
|
||
"F": "frz."
|
||
}
|
||
],
|
||
"g.": [
|
||
{
|
||
"F": "g."
|
||
}
|
||
],
|
||
"geb.": [
|
||
{
|
||
"F": "geb."
|
||
}
|
||
],
|
||
"gegr.": [
|
||
{
|
||
"F": "gegr."
|
||
}
|
||
],
|
||
"gem.": [
|
||
{
|
||
"F": "gem."
|
||
}
|
||
],
|
||
"ggf.": [
|
||
{
|
||
"F": "ggf."
|
||
}
|
||
],
|
||
"ggfs.": [
|
||
{
|
||
"F": "ggfs."
|
||
}
|
||
],
|
||
"gg\u00fc.": [
|
||
{
|
||
"F": "gg\u00fc."
|
||
}
|
||
],
|
||
"h.": [
|
||
{
|
||
"F": "h."
|
||
}
|
||
],
|
||
"h.c.": [
|
||
{
|
||
"F": "h.c."
|
||
}
|
||
],
|
||
"hinter'm": [
|
||
{
|
||
"F": "hinter",
|
||
"L": "hinter"
|
||
},
|
||
{
|
||
"F": "'m",
|
||
"L": "dem"
|
||
}
|
||
],
|
||
"hrsg.": [
|
||
{
|
||
"F": "hrsg."
|
||
}
|
||
],
|
||
"i.": [
|
||
{
|
||
"F": "i."
|
||
}
|
||
],
|
||
"i.A.": [
|
||
{
|
||
"F": "i.A."
|
||
}
|
||
],
|
||
"i.G.": [
|
||
{
|
||
"F": "i.G."
|
||
}
|
||
],
|
||
"i.O.": [
|
||
{
|
||
"F": "i.O."
|
||
}
|
||
],
|
||
"i.Tr.": [
|
||
{
|
||
"F": "i.Tr."
|
||
}
|
||
],
|
||
"i.V.": [
|
||
{
|
||
"F": "i.V."
|
||
}
|
||
],
|
||
"i.d.R.": [
|
||
{
|
||
"F": "i.d.R."
|
||
}
|
||
],
|
||
"i.e.": [
|
||
{
|
||
"F": "i.e."
|
||
}
|
||
],
|
||
"ich's": [
|
||
{
|
||
"F": "ich",
|
||
"L": "ich"
|
||
},
|
||
{
|
||
"F": "'s",
|
||
"L": "es"
|
||
}
|
||
],
|
||
"ihr's": [
|
||
{
|
||
"F": "ihr",
|
||
"L": "ihr"
|
||
},
|
||
{
|
||
"F": "'s",
|
||
"L": "es"
|
||
}
|
||
],
|
||
"incl.": [
|
||
{
|
||
"F": "incl."
|
||
}
|
||
],
|
||
"inkl.": [
|
||
{
|
||
"F": "inkl."
|
||
}
|
||
],
|
||
"insb.": [
|
||
{
|
||
"F": "insb."
|
||
}
|
||
],
|
||
"j.": [
|
||
{
|
||
"F": "j."
|
||
}
|
||
],
|
||
"jr.": [
|
||
{
|
||
"F": "jr."
|
||
}
|
||
],
|
||
"jun.": [
|
||
{
|
||
"F": "jun."
|
||
}
|
||
],
|
||
"jur.": [
|
||
{
|
||
"F": "jur."
|
||
}
|
||
],
|
||
"k.": [
|
||
{
|
||
"F": "k."
|
||
}
|
||
],
|
||
"kath.": [
|
||
{
|
||
"F": "kath."
|
||
}
|
||
],
|
||
"l.": [
|
||
{
|
||
"F": "l."
|
||
}
|
||
],
|
||
"lat.": [
|
||
{
|
||
"F": "lat."
|
||
}
|
||
],
|
||
"lt.": [
|
||
{
|
||
"F": "lt."
|
||
}
|
||
],
|
||
"m.": [
|
||
{
|
||
"F": "m."
|
||
}
|
||
],
|
||
"m.E.": [
|
||
{
|
||
"F": "m.E."
|
||
}
|
||
],
|
||
"m.M.": [
|
||
{
|
||
"F": "m.M."
|
||
}
|
||
],
|
||
"max.": [
|
||
{
|
||
"F": "max."
|
||
}
|
||
],
|
||
"min.": [
|
||
{
|
||
"F": "min."
|
||
}
|
||
],
|
||
"mind.": [
|
||
{
|
||
"F": "mind."
|
||
}
|
||
],
|
||
"mtl.": [
|
||
{
|
||
"F": "mtl."
|
||
}
|
||
],
|
||
"n.": [
|
||
{
|
||
"F": "n."
|
||
}
|
||
],
|
||
"n.Chr.": [
|
||
{
|
||
"F": "n.Chr."
|
||
}
|
||
],
|
||
"nat.": [
|
||
{
|
||
"F": "nat."
|
||
}
|
||
],
|
||
"o.": [
|
||
{
|
||
"F": "o."
|
||
}
|
||
],
|
||
"o.O": [
|
||
{
|
||
"F": "o.O"
|
||
}
|
||
],
|
||
"o.a.": [
|
||
{
|
||
"F": "o.a."
|
||
}
|
||
],
|
||
"o.g.": [
|
||
{
|
||
"F": "o.g."
|
||
}
|
||
],
|
||
"o.k.": [
|
||
{
|
||
"F": "o.k."
|
||
}
|
||
],
|
||
"o.\u00c4.": [
|
||
{
|
||
"F": "o.\u00c4."
|
||
}
|
||
],
|
||
"o.\u00e4.": [
|
||
{
|
||
"F": "o.\u00e4."
|
||
}
|
||
],
|
||
"o_O": [
|
||
{
|
||
"F": "o_O"
|
||
}
|
||
],
|
||
"o_o": [
|
||
{
|
||
"F": "o_o"
|
||
}
|
||
],
|
||
"orig.": [
|
||
{
|
||
"F": "orig."
|
||
}
|
||
],
|
||
"p.": [
|
||
{
|
||
"F": "p."
|
||
}
|
||
],
|
||
"p.a.": [
|
||
{
|
||
"F": "p.a."
|
||
}
|
||
],
|
||
"p.s.": [
|
||
{
|
||
"F": "p.s."
|
||
}
|
||
],
|
||
"pers.": [
|
||
{
|
||
"F": "pers."
|
||
}
|
||
],
|
||
"phil.": [
|
||
{
|
||
"F": "phil."
|
||
}
|
||
],
|
||
"q.": [
|
||
{
|
||
"F": "q."
|
||
}
|
||
],
|
||
"q.e.d.": [
|
||
{
|
||
"F": "q.e.d."
|
||
}
|
||
],
|
||
"r.": [
|
||
{
|
||
"F": "r."
|
||
}
|
||
],
|
||
"rer.": [
|
||
{
|
||
"F": "rer."
|
||
}
|
||
],
|
||
"r\u00f6m.": [
|
||
{
|
||
"F": "r\u00f6m."
|
||
}
|
||
],
|
||
"s'": [
|
||
{
|
||
"F": "s'",
|
||
"L": "sie"
|
||
}
|
||
],
|
||
"s.": [
|
||
{
|
||
"F": "s."
|
||
}
|
||
],
|
||
"s.o.": [
|
||
{
|
||
"F": "s.o."
|
||
}
|
||
],
|
||
"sen.": [
|
||
{
|
||
"F": "sen."
|
||
}
|
||
],
|
||
"sie's": [
|
||
{
|
||
"F": "sie",
|
||
"L": "sie"
|
||
},
|
||
{
|
||
"F": "'s",
|
||
"L": "es"
|
||
}
|
||
],
|
||
"sog.": [
|
||
{
|
||
"F": "sog."
|
||
}
|
||
],
|
||
"std.": [
|
||
{
|
||
"F": "std."
|
||
}
|
||
],
|
||
"stellv.": [
|
||
{
|
||
"F": "stellv."
|
||
}
|
||
],
|
||
"t.": [
|
||
{
|
||
"F": "t."
|
||
}
|
||
],
|
||
"t\u00e4gl.": [
|
||
{
|
||
"F": "t\u00e4gl."
|
||
}
|
||
],
|
||
"u.": [
|
||
{
|
||
"F": "u."
|
||
}
|
||
],
|
||
"u.U.": [
|
||
{
|
||
"F": "u.U."
|
||
}
|
||
],
|
||
"u.a.": [
|
||
{
|
||
"F": "u.a."
|
||
}
|
||
],
|
||
"u.s.w.": [
|
||
{
|
||
"F": "u.s.w."
|
||
}
|
||
],
|
||
"u.v.m.": [
|
||
{
|
||
"F": "u.v.m."
|
||
}
|
||
],
|
||
"unter'm": [
|
||
{
|
||
"F": "unter",
|
||
"L": "unter"
|
||
},
|
||
{
|
||
"F": "'m",
|
||
"L": "dem"
|
||
}
|
||
],
|
||
"usf.": [
|
||
{
|
||
"F": "usf."
|
||
}
|
||
],
|
||
"usw.": [
|
||
{
|
||
"F": "usw."
|
||
}
|
||
],
|
||
"uvm.": [
|
||
{
|
||
"F": "uvm."
|
||
}
|
||
],
|
||
"v.": [
|
||
{
|
||
"F": "v."
|
||
}
|
||
],
|
||
"v.Chr.": [
|
||
{
|
||
"F": "v.Chr."
|
||
}
|
||
],
|
||
"v.a.": [
|
||
{
|
||
"F": "v.a."
|
||
}
|
||
],
|
||
"v.l.n.r.": [
|
||
{
|
||
"F": "v.l.n.r."
|
||
}
|
||
],
|
||
"vgl.": [
|
||
{
|
||
"F": "vgl."
|
||
}
|
||
],
|
||
"vllt.": [
|
||
{
|
||
"F": "vllt."
|
||
}
|
||
],
|
||
"vlt.": [
|
||
{
|
||
"F": "vlt."
|
||
}
|
||
],
|
||
"vor'm": [
|
||
{
|
||
"F": "vor",
|
||
"L": "vor"
|
||
},
|
||
{
|
||
"F": "'m",
|
||
"L": "dem"
|
||
}
|
||
],
|
||
"vs.": [
|
||
{
|
||
"F": "vs."
|
||
}
|
||
],
|
||
"w.": [
|
||
{
|
||
"F": "w."
|
||
}
|
||
],
|
||
"wir's": [
|
||
{
|
||
"F": "wir",
|
||
"L": "wir"
|
||
},
|
||
{
|
||
"F": "'s",
|
||
"L": "es"
|
||
}
|
||
],
|
||
"wiss.": [
|
||
{
|
||
"F": "wiss."
|
||
}
|
||
],
|
||
"x.": [
|
||
{
|
||
"F": "x."
|
||
}
|
||
],
|
||
"xD": [
|
||
{
|
||
"F": "xD"
|
||
}
|
||
],
|
||
"xDD": [
|
||
{
|
||
"F": "xDD"
|
||
}
|
||
],
|
||
"y.": [
|
||
{
|
||
"F": "y."
|
||
}
|
||
],
|
||
"z.": [
|
||
{
|
||
"F": "z."
|
||
}
|
||
],
|
||
"z.B.": [
|
||
{
|
||
"F": "z.B."
|
||
}
|
||
],
|
||
"z.Bsp.": [
|
||
{
|
||
"F": "z.Bsp."
|
||
}
|
||
],
|
||
"z.T.": [
|
||
{
|
||
"F": "z.T."
|
||
}
|
||
],
|
||
"z.Z.": [
|
||
{
|
||
"F": "z.Z."
|
||
}
|
||
],
|
||
"z.Zt.": [
|
||
{
|
||
"F": "z.Zt."
|
||
}
|
||
],
|
||
"z.b.": [
|
||
{
|
||
"F": "z.b."
|
||
}
|
||
],
|
||
"zzgl.": [
|
||
{
|
||
"F": "zzgl."
|
||
}
|
||
],
|
||
"\u00e4.": [
|
||
{
|
||
"F": "\u00e4."
|
||
}
|
||
],
|
||
"\u00f6.": [
|
||
{
|
||
"F": "\u00f6."
|
||
}
|
||
],
|
||
"\u00f6sterr.": [
|
||
{
|
||
"F": "\u00f6sterr."
|
||
}
|
||
],
|
||
"\u00fc.": [
|
||
{
|
||
"F": "\u00fc."
|
||
}
|
||
],
|
||
"\u00fcber'm": [
|
||
{
|
||
"F": "\u00fcber",
|
||
"L": "\u00fcber"
|
||
},
|
||
{
|
||
"F": "'m",
|
||
"L": "dem"
|
||
}
|
||
]
|
||
}
|
||
|
||
|
||
TAG_MAP = {
|
||
"$(": {"pos": "PUNCT", "PunctType": "Brck"},
|
||
"$,": {"pos": "PUNCT", "PunctType": "Comm"},
|
||
"$.": {"pos": "PUNCT", "PunctType": "Peri"},
|
||
"ADJA": {"pos": "ADJ"},
|
||
"ADJD": {"pos": "ADJ", "Variant": "Short"},
|
||
"ADV": {"pos": "ADV"},
|
||
"APPO": {"pos": "ADP", "AdpType": "Post"},
|
||
"APPR": {"pos": "ADP", "AdpType": "Prep"},
|
||
"APPRART": {"pos": "ADP", "AdpType": "Prep", "PronType": "Art"},
|
||
"APZR": {"pos": "ADP", "AdpType": "Circ"},
|
||
"ART": {"pos": "DET", "PronType": "Art"},
|
||
"CARD": {"pos": "NUM", "NumType": "Card"},
|
||
"FM": {"pos": "X", "Foreign": "Yes"},
|
||
"ITJ": {"pos": "INTJ"},
|
||
"KOKOM": {"pos": "CONJ", "ConjType": "Comp"},
|
||
"KON": {"pos": "CONJ"},
|
||
"KOUI": {"pos": "SCONJ"},
|
||
"KOUS": {"pos": "SCONJ"},
|
||
"NE": {"pos": "PROPN"},
|
||
"NNE": {"pos": "PROPN"},
|
||
"NN": {"pos": "NOUN"},
|
||
"PAV": {"pos": "ADV", "PronType": "Dem"},
|
||
"PROAV": {"pos": "ADV", "PronType": "Dem"},
|
||
"PDAT": {"pos": "DET", "PronType": "Dem"},
|
||
"PDS": {"pos": "PRON", "PronType": "Dem"},
|
||
"PIAT": {"pos": "DET", "PronType": "Ind,Neg,Tot"},
|
||
"PIDAT": {"pos": "DET", "AdjType": "Pdt", "PronType": "Ind,Neg,Tot"},
|
||
"PIS": {"pos": "PRON", "PronType": "Ind,Neg,Tot"},
|
||
"PPER": {"pos": "PRON", "PronType": "Prs"},
|
||
"PPOSAT": {"pos": "DET", "Poss": "Yes", "PronType": "Prs"},
|
||
"PPOSS": {"pos": "PRON", "Poss": "Yes", "PronType": "Prs"},
|
||
"PRELAT": {"pos": "DET", "PronType": "Rel"},
|
||
"PRELS": {"pos": "PRON", "PronType": "Rel"},
|
||
"PRF": {"pos": "PRON", "PronType": "Prs", "Reflex": "Yes"},
|
||
"PTKA": {"pos": "PART"},
|
||
"PTKANT": {"pos": "PART", "PartType": "Res"},
|
||
"PTKNEG": {"pos": "PART", "Negative": "Neg"},
|
||
"PTKVZ": {"pos": "PART", "PartType": "Vbp"},
|
||
"PTKZU": {"pos": "PART", "PartType": "Inf"},
|
||
"PWAT": {"pos": "DET", "PronType": "Int"},
|
||
"PWAV": {"pos": "ADV", "PronType": "Int"},
|
||
"PWS": {"pos": "PRON", "PronType": "Int"},
|
||
"TRUNC": {"pos": "X", "Hyph": "Yes"},
|
||
"VAFIN": {"pos": "AUX", "Mood": "Ind", "VerbForm": "Fin"},
|
||
"VAIMP": {"pos": "AUX", "Mood": "Imp", "VerbForm": "Fin"},
|
||
"VAINF": {"pos": "AUX", "VerbForm": "Inf"},
|
||
"VAPP": {"pos": "AUX", "Aspect": "Perf", "VerbForm": "Part"},
|
||
"VMFIN": {"pos": "VERB", "Mood": "Ind", "VerbForm": "Fin", "VerbType": "Mod"},
|
||
"VMINF": {"pos": "VERB", "VerbForm": "Inf", "VerbType": "Mod"},
|
||
"VMPP": {"pos": "VERB", "Aspect": "Perf", "VerbForm": "Part", "VerbType": "Mod"},
|
||
"VVFIN": {"pos": "VERB", "Mood": "Ind", "VerbForm": "Fin"},
|
||
"VVIMP": {"pos": "VERB", "Mood": "Imp", "VerbForm": "Fin"},
|
||
"VVINF": {"pos": "VERB", "VerbForm": "Inf"},
|
||
"VVIZU": {"pos": "VERB", "VerbForm": "Inf"},
|
||
"VVPP": {"pos": "VERB", "Aspect": "Perf", "VerbForm": "Part"},
|
||
"XY": {"pos": "X"},
|
||
"SP": {"pos": "SPACE"}
|
||
}
|