mirror of
https://github.com/explosion/spaCy.git
synced 2024-09-21 19:39:13 +03:00
eddeb36c96
<!--- Provide a general summary of your changes in the title. --> ## Description - [x] Use [`black`](https://github.com/ambv/black) to auto-format all `.py` files. - [x] Update flake8 config to exclude very large files (lemmatization tables etc.) - [x] Update code to be compatible with flake8 rules - [x] Fix various small bugs, inconsistencies and messy stuff in the language data - [x] Update docs to explain new code style (`black`, `flake8`, when to use `# fmt: off` and `# fmt: on` and what `# noqa` means) Once #2932 is merged, which auto-formats and tidies up the CLI, we'll be able to run `flake8 spacy` actually get meaningful results. At the moment, the code style and linting isn't applied automatically, but I'm hoping that the new [GitHub Actions](https://github.com/features/actions) will let us auto-format pull requests and post comments with relevant linting information. ### Types of change enhancement, code style ## Checklist <!--- Before you submit the PR, go over this checklist and make sure you can tick off all the boxes. [] -> [x] --> - [x] I have submitted the spaCy Contributor Agreement. - [x] I ran the tests, and all new and existing tests passed. - [x] My changes don't require a change to the documentation, or if they do, I've added all required information.
398 lines
3.7 KiB
Python
398 lines
3.7 KiB
Python
# coding: utf8
|
|
from __future__ import unicode_literals
|
|
|
|
|
|
# Stop words from HAZM package
|
|
STOP_WORDS = set(
|
|
"""
|
|
و
|
|
در
|
|
به
|
|
از
|
|
که
|
|
این
|
|
را
|
|
با
|
|
است
|
|
برای
|
|
آن
|
|
یک
|
|
خود
|
|
تا
|
|
کرد
|
|
بر
|
|
هم
|
|
نیز
|
|
گفت
|
|
می‌شود
|
|
وی
|
|
شد
|
|
دارد
|
|
ما
|
|
اما
|
|
یا
|
|
شده
|
|
باید
|
|
هر
|
|
آنها
|
|
بود
|
|
او
|
|
دیگر
|
|
دو
|
|
مورد
|
|
می‌کند
|
|
شود
|
|
کند
|
|
وجود
|
|
بین
|
|
پیش
|
|
شده‌است
|
|
پس
|
|
نظر
|
|
اگر
|
|
همه
|
|
یکی
|
|
حال
|
|
هستند
|
|
من
|
|
کنند
|
|
نیست
|
|
باشد
|
|
چه
|
|
بی
|
|
می
|
|
بخش
|
|
می‌کنند
|
|
همین
|
|
افزود
|
|
هایی
|
|
دارند
|
|
راه
|
|
همچنین
|
|
روی
|
|
داد
|
|
بیشتر
|
|
بسیار
|
|
سه
|
|
داشت
|
|
چند
|
|
سوی
|
|
تنها
|
|
هیچ
|
|
میان
|
|
اینکه
|
|
شدن
|
|
بعد
|
|
جدید
|
|
ولی
|
|
حتی
|
|
کردن
|
|
برخی
|
|
کردند
|
|
می‌دهد
|
|
اول
|
|
نه
|
|
کرده‌است
|
|
نسبت
|
|
بیش
|
|
شما
|
|
چنین
|
|
طور
|
|
افراد
|
|
تمام
|
|
درباره
|
|
بار
|
|
بسیاری
|
|
می‌تواند
|
|
کرده
|
|
چون
|
|
ندارد
|
|
دوم
|
|
بزرگ
|
|
طی
|
|
حدود
|
|
همان
|
|
بدون
|
|
البته
|
|
آنان
|
|
می‌گوید
|
|
دیگری
|
|
خواهد‌شد
|
|
کنیم
|
|
قابل
|
|
یعنی
|
|
رشد
|
|
می‌توان
|
|
وارد
|
|
کل
|
|
ویژه
|
|
قبل
|
|
براساس
|
|
نیاز
|
|
گذاری
|
|
هنوز
|
|
لازم
|
|
سازی
|
|
بوده‌است
|
|
چرا
|
|
می‌شوند
|
|
وقتی
|
|
گرفت
|
|
کم
|
|
جای
|
|
حالی
|
|
تغییر
|
|
پیدا
|
|
اکنون
|
|
تحت
|
|
باعث
|
|
مدت
|
|
فقط
|
|
زیادی
|
|
تعداد
|
|
آیا
|
|
بیان
|
|
رو
|
|
شدند
|
|
عدم
|
|
کرده‌اند
|
|
بودن
|
|
نوع
|
|
بلکه
|
|
جاری
|
|
دهد
|
|
برابر
|
|
مهم
|
|
بوده
|
|
اخیر
|
|
مربوط
|
|
امر
|
|
زیر
|
|
گیری
|
|
شاید
|
|
خصوص
|
|
آقای
|
|
اثر
|
|
کننده
|
|
بودند
|
|
فکر
|
|
کنار
|
|
اولین
|
|
سوم
|
|
سایر
|
|
کنید
|
|
ضمن
|
|
مانند
|
|
باز
|
|
می‌گیرد
|
|
ممکن
|
|
حل
|
|
دارای
|
|
پی
|
|
مثل
|
|
می‌رسد
|
|
اجرا
|
|
دور
|
|
منظور
|
|
کسی
|
|
موجب
|
|
طول
|
|
امکان
|
|
آنچه
|
|
تعیین
|
|
گفته
|
|
شوند
|
|
جمع
|
|
خیلی
|
|
علاوه
|
|
گونه
|
|
تاکنون
|
|
رسید
|
|
ساله
|
|
گرفته
|
|
شده‌اند
|
|
علت
|
|
چهار
|
|
داشته‌باشد
|
|
خواهد‌بود
|
|
طرف
|
|
تهیه
|
|
تبدیل
|
|
مناسب
|
|
زیرا
|
|
مشخص
|
|
می‌توانند
|
|
نزدیک
|
|
جریان
|
|
روند
|
|
بنابراین
|
|
می‌دهند
|
|
یافت
|
|
نخستین
|
|
بالا
|
|
پنج
|
|
ریزی
|
|
عالی
|
|
چیزی
|
|
نخست
|
|
بیشتری
|
|
ترتیب
|
|
شده‌بود
|
|
خاص
|
|
خوبی
|
|
خوب
|
|
شروع
|
|
فرد
|
|
کامل
|
|
غیر
|
|
می‌رود
|
|
دهند
|
|
آخرین
|
|
دادن
|
|
جدی
|
|
بهترین
|
|
شامل
|
|
گیرد
|
|
بخشی
|
|
باشند
|
|
تمامی
|
|
بهتر
|
|
داده‌است
|
|
حد
|
|
نبود
|
|
کسانی
|
|
می‌کرد
|
|
داریم
|
|
علیه
|
|
می‌باشد
|
|
دانست
|
|
ناشی
|
|
داشتند
|
|
دهه
|
|
می‌شد
|
|
ایشان
|
|
آنجا
|
|
گرفته‌است
|
|
دچار
|
|
می‌آید
|
|
لحاظ
|
|
آنکه
|
|
داده
|
|
بعضی
|
|
هستیم
|
|
اند
|
|
برداری
|
|
نباید
|
|
می‌کنیم
|
|
نشست
|
|
سهم
|
|
همیشه
|
|
آمد
|
|
اش
|
|
وگو
|
|
می‌کنم
|
|
حداقل
|
|
طبق
|
|
جا
|
|
خواهد‌کرد
|
|
نوعی
|
|
چگونه
|
|
رفت
|
|
هنگام
|
|
فوق
|
|
روش
|
|
ندارند
|
|
سعی
|
|
بندی
|
|
شمار
|
|
کلی
|
|
کافی
|
|
مواجه
|
|
همچنان
|
|
زیاد
|
|
سمت
|
|
کوچک
|
|
داشته‌است
|
|
چیز
|
|
پشت
|
|
آورد
|
|
حالا
|
|
روبه
|
|
سالهای
|
|
دادند
|
|
می‌کردند
|
|
عهده
|
|
نیمه
|
|
جایی
|
|
دیگران
|
|
سی
|
|
بروز
|
|
یکدیگر
|
|
آمده‌است
|
|
جز
|
|
کنم
|
|
سپس
|
|
کنندگان
|
|
خودش
|
|
همواره
|
|
یافته
|
|
شان
|
|
صرف
|
|
نمی‌شود
|
|
رسیدن
|
|
چهارم
|
|
یابد
|
|
متر
|
|
ساز
|
|
داشته
|
|
کرده‌بود
|
|
باره
|
|
نحوه
|
|
کردم
|
|
تو
|
|
شخصی
|
|
داشته‌باشند
|
|
محسوب
|
|
پخش
|
|
کمی
|
|
متفاوت
|
|
سراسر
|
|
کاملا
|
|
داشتن
|
|
نظیر
|
|
آمده
|
|
گروهی
|
|
فردی
|
|
ع
|
|
همچون
|
|
خطر
|
|
خویش
|
|
کدام
|
|
دسته
|
|
سبب
|
|
عین
|
|
آوری
|
|
متاسفانه
|
|
بیرون
|
|
دار
|
|
ابتدا
|
|
شش
|
|
افرادی
|
|
می‌گویند
|
|
سالهای
|
|
درون
|
|
نیستند
|
|
یافته‌است
|
|
پر
|
|
خاطرنشان
|
|
گاه
|
|
جمعی
|
|
اغلب
|
|
دوباره
|
|
می‌یابد
|
|
لذا
|
|
زاده
|
|
گردد
|
|
اینجا""".split()
|
|
)
|