mirror of
https://github.com/explosion/spaCy.git
synced 2024-11-14 21:57:15 +03:00
395 lines
9.8 KiB
Python
395 lines
9.8 KiB
Python
from ..tokenizer_exceptions import BASE_EXCEPTIONS
|
||
from ...symbols import ORTH, NORM
|
||
from ...util import update_exc
|
||
|
||
_exc = {}
|
||
|
||
for token in ["Απ'", "ΑΠ'", "αφ'", "Αφ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "από"}]
|
||
|
||
for token in ["Αλλ'", "αλλ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "αλλά"}]
|
||
|
||
for token in ["παρ'", "Παρ'", "ΠΑΡ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "παρά"}]
|
||
|
||
for token in ["καθ'", "Καθ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "κάθε"}]
|
||
|
||
for token in ["κατ'", "Κατ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "κατά"}]
|
||
|
||
for token in ["'ΣΟΥΝ", "'ναι", "'ταν", "'τανε", "'μαστε", "'μουνα", "'μουν"]:
|
||
_exc[token] = [{ORTH: token, NORM: "είμαι"}]
|
||
|
||
for token in ["Επ'", "επ'", "εφ'", "Εφ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "επί"}]
|
||
|
||
for token in ["Δι'", "δι'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "δια"}]
|
||
|
||
for token in ["'χουν", "'χουμε", "'χαμε", "'χα", "'χε", "'χεις", "'χει"]:
|
||
_exc[token] = [{ORTH: token, NORM: "έχω"}]
|
||
|
||
for token in ["υπ'", "Υπ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "υπό"}]
|
||
|
||
for token in ["Μετ'", "ΜΕΤ'", "'μετ"]:
|
||
_exc[token] = [{ORTH: token, NORM: "μετά"}]
|
||
|
||
for token in ["Μ'", "μ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "με"}]
|
||
|
||
for token in ["Γι'", "ΓΙ'", "γι'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "για"}]
|
||
|
||
for token in ["Σ'", "σ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "σε"}]
|
||
|
||
for token in ["Θ'", "θ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "θα"}]
|
||
|
||
for token in ["Ν'", "ν'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "να"}]
|
||
|
||
for token in ["Τ'", "τ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "να"}]
|
||
|
||
for token in ["'γω", "'σένα", "'μεις"]:
|
||
_exc[token] = [{ORTH: token, NORM: "εγώ"}]
|
||
|
||
for token in ["Τ'", "τ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "το"}]
|
||
|
||
for token in ["Φέρ'", "Φερ'", "φέρ'", "φερ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "φέρνω"}]
|
||
|
||
for token in ["'ρθούνε", "'ρθουν", "'ρθει", "'ρθεί", "'ρθε", "'ρχεται"]:
|
||
_exc[token] = [{ORTH: token, NORM: "έρχομαι"}]
|
||
|
||
for token in ["'πανε", "'λεγε", "'λεγαν", "'πε", "'λεγα"]:
|
||
_exc[token] = [{ORTH: token, NORM: "λέγω"}]
|
||
|
||
for token in ["Πάρ'", "πάρ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "παίρνω"}]
|
||
|
||
for token in ["μέσ'", "Μέσ'", "μεσ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "μέσα"}]
|
||
|
||
for token in ["Δέσ'", "Δεσ'", "δεσ'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "δένω"}]
|
||
|
||
for token in ["'κανε", "Κάν'"]:
|
||
_exc[token] = [{ORTH: token, NORM: "κάνω"}]
|
||
|
||
_other_exc = {
|
||
"κι": [{ORTH: "κι", NORM: "και"}],
|
||
"Παίξ'": [{ORTH: "Παίξ'", NORM: "παίζω"}],
|
||
"Αντ'": [{ORTH: "Αντ'", NORM: "αντί"}],
|
||
"ολ'": [{ORTH: "ολ'", NORM: "όλος"}],
|
||
"ύστερ'": [{ORTH: "ύστερ'", NORM: "ύστερα"}],
|
||
"'πρεπε": [{ORTH: "'πρεπε", NORM: "πρέπει"}],
|
||
"Δύσκολ'": [{ORTH: "Δύσκολ'", NORM: "δύσκολος"}],
|
||
"'θελα": [{ORTH: "'θελα", NORM: "θέλω"}],
|
||
"'γραφα": [{ORTH: "'γραφα", NORM: "γράφω"}],
|
||
"'παιρνα": [{ORTH: "'παιρνα", NORM: "παίρνω"}],
|
||
"'δειξε": [{ORTH: "'δειξε", NORM: "δείχνω"}],
|
||
"όμουρφ'": [{ORTH: "όμουρφ'", NORM: "όμορφος"}],
|
||
"κ'τσή": [{ORTH: "κ'τσή", NORM: "κουτσός"}],
|
||
"μηδ'": [{ORTH: "μηδ'", NORM: "μήδε"}],
|
||
"'ξομολογήθηκε": [{ORTH: "'ξομολογήθηκε", NORM: "εξομολογούμαι"}],
|
||
"'μας": [{ORTH: "'μας", NORM: "εμάς"}],
|
||
"'ξερες": [{ORTH: "'ξερες", NORM: "ξέρω"}],
|
||
"έφθασ'": [{ORTH: "έφθασ'", NORM: "φθάνω"}],
|
||
"εξ'": [{ORTH: "εξ'", NORM: "εκ"}],
|
||
"δώσ'": [{ORTH: "δώσ'", NORM: "δίνω"}],
|
||
"τίποτ'": [{ORTH: "τίποτ'", NORM: "τίποτα"}],
|
||
"Λήξ'": [{ORTH: "Λήξ'", NORM: "λήγω"}],
|
||
"άσ'": [{ORTH: "άσ'", NORM: "αφήνω"}],
|
||
"Στ'": [{ORTH: "Στ'", NORM: "στο"}],
|
||
"Δωσ'": [{ORTH: "Δωσ'", NORM: "δίνω"}],
|
||
"Βάψ'": [{ORTH: "Βάψ'", NORM: "βάφω"}],
|
||
"Αλλ'": [{ORTH: "Αλλ'", NORM: "αλλά"}],
|
||
"Αμ'": [{ORTH: "Αμ'", NORM: "άμα"}],
|
||
"Αγόρασ'": [{ORTH: "Αγόρασ'", NORM: "αγοράζω"}],
|
||
"'φύγε": [{ORTH: "'φύγε", NORM: "φεύγω"}],
|
||
"'φερε": [{ORTH: "'φερε", NORM: "φέρνω"}],
|
||
"'φαγε": [{ORTH: "'φαγε", NORM: "τρώω"}],
|
||
"'σπαγαν": [{ORTH: "'σπαγαν", NORM: "σπάω"}],
|
||
"'σκασε": [{ORTH: "'σκασε", NORM: "σκάω"}],
|
||
"'σβηνε": [{ORTH: "'σβηνε", NORM: "σβήνω"}],
|
||
"'ριξε": [{ORTH: "'ριξε", NORM: "ρίχνω"}],
|
||
"'κλεβε": [{ORTH: "'κλεβε", NORM: "κλέβω"}],
|
||
"'κει": [{ORTH: "'κει", NORM: "εκεί"}],
|
||
"'βλεπε": [{ORTH: "'βλεπε", NORM: "βλέπω"}],
|
||
"'βγαινε": [{ORTH: "'βγαινε", NORM: "βγαίνω"}],
|
||
}
|
||
|
||
_exc.update(_other_exc)
|
||
|
||
for h in range(1, 12 + 1):
|
||
|
||
for period in ["π.μ.", "πμ"]:
|
||
_exc[f"{h}{period}"] = [
|
||
{ORTH: f"{h}"},
|
||
{ORTH: period, NORM: "π.μ."},
|
||
]
|
||
|
||
for period in ["μ.μ.", "μμ"]:
|
||
_exc[f"{h}{period}"] = [
|
||
{ORTH: f"{h}"},
|
||
{ORTH: period, NORM: "μ.μ."},
|
||
]
|
||
|
||
for exc_data in [
|
||
{ORTH: "ΑΓΡ.", NORM: "Αγροτικός"},
|
||
{ORTH: "Αγ. Γρ.", NORM: "Αγία Γραφή"},
|
||
{ORTH: "Αθ.", NORM: "Αθανάσιος"},
|
||
{ORTH: "Αλεξ.", NORM: "Αλέξανδρος"},
|
||
{ORTH: "Απρ.", NORM: "Απρίλιος"},
|
||
{ORTH: "Αύγ.", NORM: "Αύγουστος"},
|
||
{ORTH: "Δεκ.", NORM: "Δεκέμβριος"},
|
||
{ORTH: "Δημ.", NORM: "Δήμος"},
|
||
{ORTH: "Ιαν.", NORM: "Ιανουάριος"},
|
||
{ORTH: "Ιούλ.", NORM: "Ιούλιος"},
|
||
{ORTH: "Ιούν.", NORM: "Ιούνιος"},
|
||
{ORTH: "Ιωαν.", NORM: "Ιωάννης"},
|
||
{ORTH: "Μ. Ασία", NORM: "Μικρά Ασία"},
|
||
{ORTH: "Μάρτ.", NORM: "Μάρτιος"},
|
||
{ORTH: "Μάρτ'", NORM: "Μάρτιος"},
|
||
{ORTH: "Νοέμβρ.", NORM: "Νοέμβριος"},
|
||
{ORTH: "Οκτ.", NORM: "Οκτώβριος"},
|
||
{ORTH: "Σεπτ.", NORM: "Σεπτέμβριος"},
|
||
{ORTH: "Φεβρ.", NORM: "Φεβρουάριος"},
|
||
]:
|
||
_exc[exc_data[ORTH]] = [exc_data]
|
||
|
||
for orth in [
|
||
"$ΗΠΑ",
|
||
"Α'",
|
||
"Α.Ε.",
|
||
"Α.Ε.Β.Ε.",
|
||
"Α.Ε.Ι.",
|
||
"Α.Ε.Π.",
|
||
"Α.Μ.Α.",
|
||
"Α.Π.Θ.",
|
||
"Α.Τ.",
|
||
"Α.Χ.",
|
||
"ΑΝ.",
|
||
"Αγ.",
|
||
"Αλ.",
|
||
"Αν.",
|
||
"Αντ.",
|
||
"Απ.",
|
||
"Β'",
|
||
"Β)",
|
||
"Β.Ζ.",
|
||
"Β.Ι.Ο.",
|
||
"Β.Κ.",
|
||
"Β.Μ.Α.",
|
||
"Βασ.",
|
||
"Γ'",
|
||
"Γ)",
|
||
"Γ.Γ.",
|
||
"Γ.Δ.",
|
||
"Γκ.",
|
||
"Δ.Ε.Η.",
|
||
"Δ.Ε.Σ.Ε.",
|
||
"Δ.Ν.",
|
||
"Δ.Ο.Υ.",
|
||
"Δ.Σ.",
|
||
"Δ.Υ.",
|
||
"ΔΙ.ΚΑ.Τ.Σ.Α.",
|
||
"Δηλ.",
|
||
"Διον.",
|
||
"Ε.Α.",
|
||
"Ε.Α.Κ.",
|
||
"Ε.Α.Π.",
|
||
"Ε.Ε.",
|
||
"Ε.Κ.",
|
||
"Ε.ΚΕ.ΠΙΣ.",
|
||
"Ε.Λ.Α.",
|
||
"Ε.Λ.Ι.Α.",
|
||
"Ε.Π.Σ.",
|
||
"Ε.Π.Τ.Α.",
|
||
"Ε.Σ.Ε.Ε.Κ.",
|
||
"Ε.Υ.Κ.",
|
||
"ΕΕ.",
|
||
"ΕΚ.",
|
||
"ΕΛ.",
|
||
"ΕΛ.ΑΣ.",
|
||
"Εθν.",
|
||
"Ελ.",
|
||
"Εμ.",
|
||
"Επ.",
|
||
"Ευ.",
|
||
"Η'",
|
||
"Η.Π.Α.",
|
||
"ΘΕ.",
|
||
"Θεμ.",
|
||
"Θεοδ.",
|
||
"Θρ.",
|
||
"Ι.Ε.Κ.",
|
||
"Ι.Κ.Α.",
|
||
"Ι.Κ.Υ.",
|
||
"Ι.Σ.Θ.",
|
||
"Ι.Χ.",
|
||
"ΙΖ'",
|
||
"ΙΧ.",
|
||
"Κ.Α.Α.",
|
||
"Κ.Α.Ε.",
|
||
"Κ.Β.Σ.",
|
||
"Κ.Δ.",
|
||
"Κ.Ε.",
|
||
"Κ.Ε.Κ.",
|
||
"Κ.Ι.",
|
||
"Κ.Κ.",
|
||
"Κ.Ι.Θ.",
|
||
"Κ.Ι.Θ.",
|
||
"Κ.ΚΕΚ.",
|
||
"Κ.Ο.",
|
||
"Κ.Π.Ρ.",
|
||
"ΚΑΤ.",
|
||
"ΚΚ.",
|
||
"Καν.",
|
||
"Καρ.",
|
||
"Κατ.",
|
||
"Κυρ.",
|
||
"Κων.",
|
||
"Λ.Α.",
|
||
"Λ.χ.",
|
||
"Λ.Χ.",
|
||
"Λεωφ.",
|
||
"Λι.",
|
||
"Μ.Δ.Ε.",
|
||
"Μ.Ε.Ο.",
|
||
"Μ.Ζ.",
|
||
"Μ.Μ.Ε.",
|
||
"Μ.Ο.",
|
||
"Μεγ.",
|
||
"Μιλτ.",
|
||
"Μιχ.",
|
||
"Ν.Δ.",
|
||
"Ν.Ε.Α.",
|
||
"Ν.Κ.",
|
||
"Ν.Ο.",
|
||
"Ν.Ο.Θ.",
|
||
"Ν.Π.Δ.Δ.",
|
||
"Ν.Υ.",
|
||
"ΝΔ.",
|
||
"Νικ.",
|
||
"Ντ'",
|
||
"Ντ.",
|
||
"Ο'",
|
||
"Ο.Α.",
|
||
"Ο.Α.Ε.Δ.",
|
||
"Ο.Δ.",
|
||
"Ο.Ε.Ε.",
|
||
"Ο.Ε.Ε.Κ.",
|
||
"Ο.Η.Ε.",
|
||
"Ο.Κ.",
|
||
"Π.Δ.",
|
||
"Π.Ε.Κ.Δ.Υ.",
|
||
"Π.Ε.Π.",
|
||
"Π.Μ.Σ.",
|
||
"ΠΟΛ.",
|
||
"Π.Χ.",
|
||
"Παρ.",
|
||
"Πλ.",
|
||
"Πρ.",
|
||
"Σ.Δ.Ο.Ε.",
|
||
"Σ.Ε.",
|
||
"Σ.Ε.Κ.",
|
||
"Σ.Π.Δ.Ω.Β.",
|
||
"Σ.Τ.",
|
||
"Σαβ.",
|
||
"Στ.",
|
||
"ΣτΕ.",
|
||
"Στρ.",
|
||
"Τ.Α.",
|
||
"Τ.Ε.Ε.",
|
||
"Τ.Ε.Ι.",
|
||
"ΤΡ.",
|
||
"Τζ.",
|
||
"Τηλ.",
|
||
"Υ.Γ.",
|
||
"ΥΓ.",
|
||
"ΥΠ.Ε.Π.Θ.",
|
||
"Φ.Α.Β.Ε.",
|
||
"Φ.Κ.",
|
||
"Φ.Σ.",
|
||
"Φ.Χ.",
|
||
"Φ.Π.Α.",
|
||
"Φιλ.",
|
||
"Χ.Α.Α.",
|
||
"ΧΡ.",
|
||
"Χ.Χ.",
|
||
"Χαρ.",
|
||
"Χιλ.",
|
||
"Χρ.",
|
||
"άγ.",
|
||
"άρθρ.",
|
||
"αι.",
|
||
"αν.",
|
||
"απ.",
|
||
"αρ.",
|
||
"αριθ.",
|
||
"αριθμ.",
|
||
"β'",
|
||
"βλ.",
|
||
"γ.γ.",
|
||
"γεν.",
|
||
"γραμμ.",
|
||
"δ.δ.",
|
||
"δ.σ.",
|
||
"δηλ.",
|
||
"δισ.",
|
||
"δολ.",
|
||
"δρχ.",
|
||
"εκ.",
|
||
"εκατ.",
|
||
"ελ.",
|
||
"θιν'",
|
||
"κ.",
|
||
"κ.ά.",
|
||
"κ.α.",
|
||
"κ.κ.",
|
||
"κ.λπ.",
|
||
"κ.ο.κ.",
|
||
"κ.τ.λ.",
|
||
"κλπ.",
|
||
"κτλ.",
|
||
"κυβ.",
|
||
"λ.χ.",
|
||
"μ.",
|
||
"μ.Χ.",
|
||
"μ.μ.",
|
||
"μιλ.",
|
||
"ντ'",
|
||
"π.Χ.",
|
||
"π.β.",
|
||
"π.δ.",
|
||
"π.μ.",
|
||
"π.χ.",
|
||
"σ.",
|
||
"σ.α.λ.",
|
||
"σ.σ.",
|
||
"σελ.",
|
||
"στρ.",
|
||
"τ'ς",
|
||
"τ.μ.",
|
||
"τετ.",
|
||
"τετρ.",
|
||
"τηλ.",
|
||
"τρισ.",
|
||
"τόν.",
|
||
"υπ.",
|
||
"χ.μ.",
|
||
"χγρ.",
|
||
"χιλ.",
|
||
"χλμ.",
|
||
]:
|
||
_exc[orth] = [{ORTH: orth}]
|
||
|
||
TOKENIZER_EXCEPTIONS = update_exc(BASE_EXCEPTIONS, _exc)
|