From 5ca8e2b26952e9d2b88ed370302d935a0c19c074 Mon Sep 17 00:00:00 2001
From: Loghi <36206296+Loghijiaha@users.noreply.github.com>
Date: Sun, 27 Jan 2019 10:32:04 +0530
Subject: [PATCH] Tamil (#3194)

* Tamil language support
*stop wors, examples and numerical attribite supports added

* Contributor agreement signed

* Create Loghijiaha.md

Added contributor agreement

* Update CONTRIBUTOR_AGREEMENT.md

Adjusted contributor_agreement.md

* Norm exceptions added
---
 spacy/lang/ta/norm_exceptions.py | 148 +++++++++++++++++++++++++++++++
 1 file changed, 148 insertions(+)
 create mode 100644 spacy/lang/ta/norm_exceptions.py

diff --git a/spacy/lang/ta/norm_exceptions.py b/spacy/lang/ta/norm_exceptions.py
new file mode 100644
index 000000000..469e78fcb
--- /dev/null
+++ b/spacy/lang/ta/norm_exceptions.py
@@ -0,0 +1,148 @@
+# coding: utf8
+from __future__ import unicode_literals
+
+_exc = {
+
+    # Regional words normal
+    # Sri Lanka - wikipeadia
+    "இங்க": "இங்கே",
+    "வாங்க": "வாருங்கள்",
+    'ஒண்டு':'ஒன்று',
+    'கண்டு': 'கன்று',
+    'கொண்டு': 'கொன்று',
+    'பண்டி': 'பன்றி',
+    'பச்ச': 'பச்சை',
+    'அம்பது': 'ஐம்பது',
+    'வெச்ச': 'வைத்து',
+    'வச்ச': 'வைத்து',
+    'வச்சி': 'வைத்து',
+    'வாளைப்பழம்':'வாழைப்பழம்',
+    'மண்ணு': 'மண்',
+    'பொன்னு': 'பொன்',
+    'சாவல்': 'சேவல்',
+    'அங்கால': 'அங்கு ',
+    'அசுப்பு': 'நடமாட்டம்',
+    'எழுவான் கரை': 'எழுவான்கரை',
+    'ஓய்யாரம்': 'எழில் ',
+    'ஒளும்பு': 'எழும்பு',
+    'ஓர்மை': 'துணிவு',
+    'கச்சை': 'கோவணம்',
+    'கடப்பு': 'தெருவாசல்',
+    'சுள்ளி': 'காய்ந்த குச்சி',
+    'திறாவுதல்': 'தடவுதல்',
+    'நாசமறுப்பு': 'தொல்லை',
+    'பரிசாரி': 'வைத்தியன்',
+    'பறவாதி': 'பேராசைக்காரன்',
+    'பிசினி': 'உலோபி ',
+    'விசர்': 'பைத்தியம்',
+    'ஏனம்': 'பாத்திரம்',
+    'ஏலா': 'இயலாது',
+    'ஒசில்': 'அழகு',
+    'ஒள்ளுப்பம்': 'கொஞ்சம்',
+
+    # Srilankan and indian
+    'குத்துமதிப்பு': '',
+    'நூனாயம்': 'நூல்நயம்',
+    'பைய': 'மெதுவாக',
+    'மண்டை': 'தலை',
+    'வெள்ளனே': 'சீக்கிரம்',
+    'உசுப்பு': 'எழுப்பு',
+    'ஆணம்': 'குழம்பு',
+    'உறக்கம்': 'தூக்கம்',
+    'பஸ்': 'பேருந்து',
+    'களவு': 'திருட்டு ',
+
+    #relationship
+    'புருசன்': 'கணவன்',
+    'பொஞ்சாதி': 'மனைவி',
+    'புள்ள': 'பிள்ளை',
+    'பிள்ள': 'பிள்ளை',
+    'ஆம்பிளப்புள்ள': 'ஆண் பிள்ளை',
+    'பொம்பிளப்புள்ள': 'பெண் பிள்ளை',
+    'அண்ணாச்சி': 'அண்ணா',
+    'அக்காச்சி': 'அக்கா',
+    'தங்கச்சி': 'தங்கை',
+
+    #difference words
+    'பொடியன்': 'சிறுவன்',
+    'பொட்டை': 'சிறுமி',
+    'பிறகு': 'பின்பு',
+    'டக்கென்டு': 'விரைவாக',
+    'கெதியா': 'விரைவாக',
+    'கிறுகி': 'திரும்பி',
+    'போயித்து வாறன்': 'போய் வருகிறேன்',
+    'வருவாங்களா': 'வருவார்களா',
+
+    # regular spokens
+    'சொல்லு': 'சொல்',
+    'கேளு': 'கேள்',
+    'சொல்லுங்க': 'சொல்லுங்கள்',
+    'கேளுங்க': 'கேளுங்கள்',
+    'நீங்கள்': 'நீ',
+    'உன்': 'உன்னுடைய',
+
+    # Portugeese formal words
+    'அலவாங்கு': 'கடப்பாரை',
+    'ஆசுப்பத்திரி': 'மருத்துவமனை',
+    'உரோதை': 'சில்லு',
+    'கடுதாசி': 'கடிதம்',
+    'கதிரை': 'நாற்காலி',
+    'குசினி': 'அடுக்களை',
+    'கோப்பை': 'கிண்ணம்',
+    'சப்பாத்து': 'காலணி',
+    'தாச்சி': 'இரும்புச் சட்டி',
+    'துவாய்': 'துவாலை',
+    'தவறணை': 'மதுக்கடை',
+    'பீப்பா': 'மரத்தாழி',
+    'யன்னல்': 'சாளரம்',
+    'வாங்கு': 'மரஇருக்கை',
+
+    # Dutch formal words
+    'இறாக்கை': 'பற்சட்டம்',
+    'இலாட்சி': 'இழுப்பறை',
+    'கந்தோர்': 'பணிமனை',
+    'நொத்தாரிசு': 'ஆவண எழுத்துபதிவாளர்',
+
+    # English formal words
+    'இஞ்சினியர்': 'பொறியியலாளர்',
+    'சூப்பு': 'ரசம்',
+    'செக்': 'காசோலை',
+    'சேட்டு': 'மேற்ச்சட்டை',
+    'மார்க்கட்டு': 'சந்தை',
+    'விண்ணன்': 'கெட்டிக்காரன்',
+
+    # Arabic formal words
+    'ஈமான்': 'நம்பிக்கை',
+    'சுன்னத்து': 'விருத்தசேதனம்',
+    'செய்த்தான்': 'பிசாசு',
+    'மவுத்து': 'இறப்பு',
+    'ஹலால்': 'அங்கீகரிக்கப்பட்டது',
+    'கறாம்': 'நிராகரிக்கப்பட்டது',
+    # Persian, Hindustanian and hindi formal words
+    'சுமார்': 'கிட்டத்தட்ட',
+    'சிப்பாய்': 'போர்வீரன்',
+    'சிபார்சு': 'சிபாரிசு',
+    'ஜமீன்': 'பணக்காரா்',
+    'அசல்': 'மெய்யான',
+    'அந்தஸ்து': 'கௌரவம்',
+    'ஆஜர்': 'சமா்ப்பித்தல்',
+    'உசார்': 'எச்சரிக்கை',
+    'அச்சா':'நல்ல',
+    # English words used in text conversations
+    "bcoz": "ஏனெனில்",
+    "bcuz": "ஏனெனில்",
+    "fav": "விருப்பமான",
+    "morning": "காலை வணக்கம்",
+    "gdeveng": "மாலை வணக்கம்",
+    "gdnyt": "இரவு வணக்கம்",
+    "gdnit": "இரவு வணக்கம்",
+    "plz": "தயவு செய்து",
+    "pls": "தயவு செய்து",
+    "thx": "நன்றி",
+    "thanx": "நன்றி",
+}
+
+NORM_EXCEPTIONS = {}
+
+for string, norm in _exc.items():
+    NORM_EXCEPTIONS[string] = norm