mirror of https://github.com/explosion/spaCy.git
46 lines
1.5 KiB
Python
46 lines
1.5 KiB
Python
# coding: utf8
|
|
from __future__ import unicode_literals
|
|
|
|
from ...attrs import LIKE_NUM
|
|
|
|
|
|
_num_words = set("""
|
|
zero un deux trois quatre cinq six sept huit neuf dix
|
|
onze douze treize quatorze quinze seize dix-sept dix-huit dix-neuf
|
|
vingt trente quanrante cinquante soixante septante quatre-vingt huitante nonante
|
|
cent mille mil million milliard billion quadrillion quintillion
|
|
sextillion septillion octillion nonillion decillion
|
|
""".split())
|
|
|
|
_ordinal_words = set("""
|
|
premier deuxième second troisième quatrième cinquième sixième septième huitième neuvième dixième
|
|
onzième douzième treizième quatorzième quinzième seizième dix-septième dix-huitième dix-neufième
|
|
vingtième trentième quanrantième cinquantième soixantième septantième quatre-vingtième huitantième nonantième
|
|
centième millième millionnième milliardième billionnième quadrillionnième quintillionnième
|
|
sextillionnième septillionnième octillionnième nonillionnième decillionnième
|
|
""".split())
|
|
|
|
|
|
def like_num(text):
|
|
# Might require more work?
|
|
# See this discussion: https://github.com/explosion/spaCy/pull/1161
|
|
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
|
|
if text.lower() in _ordinal_words:
|
|
return True
|
|
return False
|
|
|
|
|
|
LEX_ATTRS = {
|
|
LIKE_NUM: like_num
|
|
}
|