mirror of https://github.com/explosion/spaCy.git
33 lines
1.5 KiB
Python
33 lines
1.5 KiB
Python
# coding: utf8
|
|
from __future__ import unicode_literals
|
|
|
|
import pytest
|
|
from spacy.lang.yo.lex_attrs import like_num
|
|
|
|
|
|
def test_yo_tokenizer_handles_long_text(yo_tokenizer):
|
|
text = """Àwọn ọmọ ìlú tí wọ́n ń ṣàmúlò ayélujára ti bẹ̀rẹ̀ ìkọkúkọ sórí àwòrán ààrẹ Nkurunziza nínú ìfẹ̀hónúhàn pẹ̀lú àmì ìdámọ̀: Nkurunziza àti Burundi:
|
|
Ọmọ ilé ẹ̀kọ́ gíga ní ẹ̀wọ̀n fún kíkọ ìkọkúkọ sí orí àwòrán Ààrẹ .
|
|
Bí mo bá ṣe èyí ní Burundi , ó ṣe é ṣe kí a fi mí sí àtìmọ́lé
|
|
Ìjọba Burundi fi akẹ́kọ̀ọ́bìnrin sí àtìmọ́lé látàrí ẹ̀sùn ìkọkúkọ sí orí àwòrán ààrẹ. A túwíìtì àwòrán ìkọkúkọ wa ní ìbánikẹ́dùn ìṣẹ̀lẹ̀ náà.
|
|
Wọ́n ní kí a dán an wò, kí a kọ nǹkan sí orí àwòrán ààrẹ mo sì ṣe bẹ́ẹ̀. Mo ní ìgbóyà wípé ẹnikẹ́ni kò ní mú mi níbí.
|
|
Ìfòfinlíle mú àtakò"""
|
|
tokens = yo_tokenizer(text)
|
|
assert len(tokens) == 121
|
|
|
|
|
|
@pytest.mark.parametrize(
|
|
"text,match",
|
|
[("ení", True), ("ogun", True), ("mewadinlogun", True), ("ten", False)],
|
|
)
|
|
def test_lex_attrs_like_number(yo_tokenizer, text, match):
|
|
tokens = yo_tokenizer(text)
|
|
assert len(tokens) == 1
|
|
assert tokens[0].like_num == match
|
|
|
|
|
|
@pytest.mark.parametrize("word", ["eji", "ejila", "ogun", "aárùn"])
|
|
def test_yo_lex_attrs_capitals(word):
|
|
assert like_num(word)
|
|
assert like_num(word.upper())
|