mirror of
https://github.com/explosion/spaCy.git
synced 2024-11-11 04:08:09 +03:00
48 lines
1.6 KiB
Python
48 lines
1.6 KiB
Python
# coding: utf8
|
|
from __future__ import unicode_literals
|
|
|
|
from ...attrs import LIKE_NUM
|
|
|
|
|
|
_num_words = set(
|
|
"""
|
|
zero un deux trois quatre cinq six sept huit neuf dix
|
|
onze douze treize quatorze quinze seize dix-sept dix-huit dix-neuf
|
|
vingt trente quarante cinquante soixante soixante-dix septante quatre-vingt huitante quatre-vingt-dix nonante
|
|
cent mille mil million milliard billion quadrillion quintillion
|
|
sextillion septillion octillion nonillion decillion
|
|
""".split()
|
|
)
|
|
|
|
_ordinal_words = set(
|
|
"""
|
|
premier deuxième second troisième quatrième cinquième sixième septième huitième neuvième dixième
|
|
onzième douzième treizième quatorzième quinzième seizième dix-septième dix-huitième dix-neuvième
|
|
vingtième trentième quarantième cinquantième soixantième soixante-dixième septantième quatre-vingtième huitantième quatre-vingt-dixième nonantième
|
|
centième millième millionnième milliardième billionnième quadrillionnième quintillionnième
|
|
sextillionnième septillionnième octillionnième nonillionnième decillionnième
|
|
""".split()
|
|
)
|
|
|
|
|
|
def like_num(text):
|
|
# Might require more work?
|
|
# See this discussion: https://github.com/explosion/spaCy/pull/1161
|
|
if text.startswith(("+", "-", "±", "~")):
|
|
text = text[1:]
|
|
text = text.replace(",", "").replace(".", "")
|
|
if text.isdigit():
|
|
return True
|
|
if text.count("/") == 1:
|
|
num, denom = text.split("/")
|
|
if num.isdigit() and denom.isdigit():
|
|
return True
|
|
if text.lower() in _num_words:
|
|
return True
|
|
if text.lower() in _ordinal_words:
|
|
return True
|
|
return False
|
|
|
|
|
|
LEX_ATTRS = {LIKE_NUM: like_num}
|