mirror of
https://github.com/explosion/spaCy.git
synced 2024-11-14 21:57:15 +03:00
b5af0fe836
This reverts commit 6f314f99c4.
We are reverting this until we can support this normalization more
consistently across vectors, training corpora, and lemmatizer data.
67 lines
1.4 KiB
Python
67 lines
1.4 KiB
Python
from ...attrs import LIKE_NUM
|
|
|
|
|
|
_num_words = [
|
|
"нула",
|
|
"један",
|
|
"два",
|
|
"три",
|
|
"четири",
|
|
"пет",
|
|
"шест",
|
|
"седам",
|
|
"осам",
|
|
"девет",
|
|
"десет",
|
|
"једанаест",
|
|
"дванаест",
|
|
"тринаест",
|
|
"четрнаест",
|
|
"петнаест",
|
|
"шеснаест",
|
|
"седамнаест",
|
|
"осамнаест",
|
|
"деветнаест",
|
|
"двадесет",
|
|
"тридесет",
|
|
"четрдесет",
|
|
"педесет",
|
|
"шездесет",
|
|
"седамдесет",
|
|
"осамдесет",
|
|
"деведесет",
|
|
"сто",
|
|
"двеста",
|
|
"триста",
|
|
"четиристо",
|
|
"петсто",
|
|
"шестсто",
|
|
"седамсто",
|
|
"осамсто",
|
|
"деветсто",
|
|
"хиљаду",
|
|
"милион",
|
|
"милијарду",
|
|
"трилион",
|
|
"квадрилион",
|
|
"квинтилион",
|
|
]
|
|
|
|
|
|
def like_num(text):
|
|
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
|
|
return False
|
|
|
|
|
|
LEX_ATTRS = {LIKE_NUM: like_num}
|