mirror of
https://github.com/explosion/spaCy.git
synced 2024-11-14 13:47:13 +03:00
14 lines
875 B
Python
14 lines
875 B
Python
# coding: utf8
|
|
from __future__ import unicode_literals
|
|
|
|
|
|
def test_tokenizer_handles_long_text(ar_tokenizer):
|
|
text = """نجيب محفوظ مؤلف و كاتب روائي عربي، يعد من أهم الأدباء العرب خلال القرن العشرين.
|
|
ولد نجيب محفوظ في مدينة القاهرة، حيث ترعرع و تلقى تعليمه الجامعي في جامعتها،
|
|
فتمكن من نيل شهادة في الفلسفة. ألف محفوظ على مدار حياته الكثير من الأعمال الأدبية، و في مقدمتها ثلاثيته الشهيرة.
|
|
و قد نجح في الحصول على جائزة نوبل للآداب، ليكون بذلك العربي الوحيد الذي فاز بها."""
|
|
|
|
tokens = ar_tokenizer(text)
|
|
assert tokens[3].is_stop == True
|
|
assert len(tokens) == 77
|