mirror of
https://github.com/explosion/spaCy.git
synced 2024-12-27 10:26:35 +03:00
cca8651fc8
* [Bulgarian] Add tokenizer exceptions and like_num for Bulgarian * [Bulgarian] Add tokenizer exceptions and like_num for Bulgarian
69 lines
2.1 KiB
Python
69 lines
2.1 KiB
Python
from ...symbols import ORTH, NORM
|
||
|
||
|
||
_exc = {}
|
||
|
||
|
||
_abbr_exc = [
|
||
{ORTH: "м", NORM: "метър"},
|
||
{ORTH: "мм", NORM: "милиметър"},
|
||
{ORTH: "см", NORM: "сантиметър"},
|
||
{ORTH: "дм", NORM: "дециметър"},
|
||
{ORTH: "км", NORM: "километър"},
|
||
{ORTH: "кг", NORM: "килограм"},
|
||
{ORTH: "мг", NORM: "милиграм"},
|
||
{ORTH: "г", NORM: "грам"},
|
||
{ORTH: "т", NORM: "тон"},
|
||
{ORTH: "хл", NORM: "хектолиър"},
|
||
{ORTH: "дкл", NORM: "декалитър"},
|
||
{ORTH: "л", NORM: "литър"},
|
||
]
|
||
for abbr in _abbr_exc:
|
||
_exc[abbr[ORTH]] = [abbr]
|
||
|
||
_abbr_line_exc = [
|
||
{ORTH: "г-жа", NORM: "госпожа"},
|
||
{ORTH: "г-н", NORM: "господин"},
|
||
{ORTH: "г-ца", NORM: "госпожица"},
|
||
{ORTH: "д-р", NORM: "доктор"},
|
||
{ORTH: "о-в", NORM: "остров"},
|
||
{ORTH: "п-в", NORM: "полуостров"},
|
||
]
|
||
|
||
for abbr in _abbr_line_exc:
|
||
_exc[abbr[ORTH]] = [abbr]
|
||
|
||
_abbr_dot_exc = [
|
||
{ORTH: "акад.", NORM: "академик"},
|
||
{ORTH: "ал.", NORM: "алинея"},
|
||
{ORTH: "арх.", NORM: "архитект"},
|
||
{ORTH: "бл.", NORM: "блок"},
|
||
{ORTH: "бр.", NORM: "брой"},
|
||
{ORTH: "бул.", NORM: "булевард"},
|
||
{ORTH: "в.", NORM: "век"},
|
||
{ORTH: "г.", NORM: "година"},
|
||
{ORTH: "гр.", NORM: "град"},
|
||
{ORTH: "ж.р.", NORM: "женски род"},
|
||
{ORTH: "инж.", NORM: "инженер"},
|
||
{ORTH: "лв.", NORM: "лев"},
|
||
{ORTH: "м.р.", NORM: "мъжки род"},
|
||
{ORTH: "мат.", NORM: "математика"},
|
||
{ORTH: "мед.", NORM: "медицина"},
|
||
{ORTH: "пл.", NORM: "площад"},
|
||
{ORTH: "проф.", NORM: "професор"},
|
||
{ORTH: "с.", NORM: "село"},
|
||
{ORTH: "с.р.", NORM: "среден род"},
|
||
{ORTH: "св.", NORM: "свети"},
|
||
{ORTH: "сп.", NORM: "списание"},
|
||
{ORTH: "стр.", NORM: "страница"},
|
||
{ORTH: "ул.", NORM: "улица"},
|
||
{ORTH: "чл.", NORM: "член"},
|
||
|
||
]
|
||
|
||
for abbr in _abbr_dot_exc:
|
||
_exc[abbr[ORTH]] = [abbr]
|
||
|
||
|
||
TOKENIZER_EXCEPTIONS = _exc
|