spaCy/spacy/lang/id/_tokenizer_exceptions_list.py

507 lines
6.0 KiB
Python

# coding: utf8
from __future__ import unicode_literals
ID_BASE_EXCEPTIONS = """
Oedipus-kompleks
Zend-Avesta
aba-aba
abah-abah
abong-abong
abrit-abrit
abu-abu
abuk-abuk
abun-abun
acang-acang
aci-aci
adang-adang
agak-agih
agar-agar
agut-agut
ajar-ajar
aji-aji
alai-belai
alan-alan
alang-alang
alap-alap
ali-ali
alih-alih
alu-alu
alu-aluan
alun-alun
alur-alur
ambah-ambah
ambai-ambai
ambreng-ambrengan
ambu-ambu
ambung-ambung
amin-amin
amit-amit
ampai-ampai
anai-anai
ancak-ancak
ancar-ancar
andang-andang
andeng-andeng
anggung-anggip
angkal-angkal
angkul-angkul
angkut-angkut
ani-ani
aning-aning
anjang-anjang
anjing-anjing
antah-berantah
antar-antar
anter-anter
antung-antung
anyang-anyang
api-api
apit-apit
apu-apu
arem-arem
ari-ari
asuh-asuh
awar-awar
awat-awat
awik-awik
ayak-ayak
ayang-ayang
ba-bi-bu
bajang-bajang
baji-baji
balai-balai
bangun-bangun
barat-barat
barau-barau
bare-bare
bari-bari
barung-barung
basa-basi
bata-bata
batir-batir
bayan-bayan
begana-begini
belat-belit
belu-belai
bengang-bengut
benggal-benggil
bengkal-bengkil
bengkang-bengkok
bengkang-bengkong
bengkang-bengkung
berang-berang
beras-beras
berek-berek
bereng-bereng
beri-beri
bering-bering
berkali-kali
bermacam-macam
bersama-sama
bersiap-siap
bertanya-tanya
berturut-turut
betak-betak
beti-beti
biar-biar
bilang-bilang
bincang-bincut
biri-biri
bolak-balik
bolang-baling
bongkar-bangkir
boro-boro
boyo-boyo
buaya-buaya
bugi-bugi
bulang-baling
buli-buli
bulu-bulu
bulus-bulus
caci-maki
cawe-cawe
celam-celum
celangak-celinguk
celas-celus
celedang-celedok
celengkak-celengkok
cenal-cenil
cengar-cengir
cengir-cengir
cengis-cengis
ceplas-ceplos
cerai-berai
cobak-cabik
cobar-cabir
cola-cala
colang-caling
comat-comot
compang-camping
conggah-canggih
congkah-cangkih
congkah-mangkih
copak-capik
crat-crit
cumi-cumi
dag-dag
dag-dig-dug
dali-dali
dapur-dapur
dari-dari
daru-daru
dawai-dawai
dekak-dekak
desas-desus
dewi-dewi
dinul-Islam
dog-dog
dokok-dokok
dolak-dalik
dulang-dulang
engap-engap
engket-engket
erek-erek
flip-plop
gaba-gaba
gada-gada
gading-gading
gado-gado
gala-gala
galing-galing
galu-galu
gana-gini
gapah-gopoh
gara-gara
gayang-gayang
gebyah-uyah
gedana-gedini
gedebak-gedebuk
gedebar-gedebur
geli-geli
gembar-gembor
gembrang-gembreng
gempul-gempul
genjang-genjot
gerbas-gerbus
gereng-gereng
gerot-gerot
getak-getuk
getem-getem
geti-geti
gili-gili
girap-girap
giring-giring
golak-galik
gondas-gandes
gonta-ganti
gorong-gorong
gresek-gresek
gudu-gudu
gulang-gulang
halai-balai
hasta-wara
hila-hila
hiru-biru
hiru-hara
hubar-habir
hubaya-hubaya
hula-hula
hura-hura
huru-hara
ibar-ibar
icak-icak
ikan-ikan
ilam-ilam
ilat-ilatan
iming-iming
imut-imut
incang-incut
ingat-ingat
inggang-inggung
ira-ira
irah-irahan
isak-isak
jali-jali
jarum-jarum
jegal-jegalan
jelur-jelir
jentik-jentik
jongkar-jangkir
jongkat-jangkit
kabang-kabang
kabu-kabu
kacang-kacang
kacang-kacangan
kala-kala
kalau-kalau
kalut-malut
kanak-kanak
kareseh-peseh
kasak-kusuk
katang-katang
kawa-kawa
kecuh-kecah
kelak-kelik
kelak-keluk
kelang-kelok
kelap-kelip
kelemak-kelemek
kelik-kelik
kelontang-kelantung
kelusuh-kelasah
kencrang-kencring
kerang-keroh
kercap-kercip
kercap-kercup
keriang-keriut
kernyat-kernyut
keropas-kerapis
keruntang-pungkang
kesap-kesip
kesu-kesi
kesuh-kesih
kesuk-kesik
ketakar-keteker
ketap-ketap
ketir-ketir
kiang-kiut
kibang-kibut
kicang-kecoh
kicang-kicu
kida-kida
kijang-kijang
kira-kira
kiu-kiu
kluntang-klantung
kocah-kacih
kocar-kacir
kodok-kodok
kolang-kaling
kole-kole
koleh-koleh
komat-kamit
kontal-kantil
kontang-kanting
kopat-kapit
kosak-kasik
kotak-katik
kucar-kacir
kuda-kuda
kulik-kulik
kunang-kunang
kunar-kunar
kupat-kapit
kupu-kupu
kura-kura
kusat-mesat
kutat-kutet
kuwung-kuwung
laba-laba
labi-labi
laguh-lagah
lalu-lalang
lamat-lamat
lancar-lancar
langak-longok
langit-langit
lapat-lapat
legak-legok
legup-legup
leha-leha
lekak-lekuk
lekap-lekup
lekuh-lekih
lekum-lekum
lekup-lekap
lenggak-lenggok
lentam-lentum
lentang-lentok
lete-lete
lidah-lidah
liuk-liuk
liung-liung
lobi-lobi
longak-longok
lontang-lanting
lontang-lantung
lumba-lumba
lumi-lumi
luntang-lantung
lupa-lupa
mahi-mahi
mali-mali
masing-masing
mata-mata
megal-megol
megap-megap
megrek-megrek
melak-melak
menanti-nanti
mencla-mencle
mentul-mentul
mercak-mercik
mondar-mandir
morat-marit
nasi-nasi
neka-neka
nong-nong
ogah-agih
ogah-ogah
ogak-agik
ogak-ogak
olak-alik
olak-olak
olang-aling
oleh-oleh
olong-olong
ombang-ambing
onde-onde
ondel-ondel
oneng-oneng
ongol-ongol
ontran-ontran
onyah-anyih
onyak-anyik
opak-apik
orak-arik
orang-aring
orat-oret
orok-orok
orong-orong
otak-atik
otak-otak
palas-palas
palato-alveolar
pao-pao
parang-parang
pasu-pasu
paya-paya
perak-perak
peras-perus
pertama-tama
petantang-petenteng
petatang-peteteng
pete-pete
pina-pina
plintat-plintut
plonga-plongo
pontang-panting
porak-parik
porak-peranda
porak-poranda
pukang-pukang
pungak-pinguk
pura-pura
puruk-parak
puvi-puvi
raba-rubu
rama-rama
randa-rondo
rango-rango
rep-repan
riang-riang
ribu-ribu
rigi-rigi
rintik-rintik
robak-rabik
robat-rabit
rombang-rambing
romol-romol
rondah-rondih
ropak-rapik
ruba-ruba
rumbai-rumbai
rundu-rundu
runggu-rangga
runtang-runtung
sabu-sabu
sama-sama
samo-samo
sampai-sampai
sarit-sarit
sebaik-baiknya
segan-segan
sekali-kali
sekonyong-konyong
sekurang-kurangnya
selak-seluk
selama-lamanya
selang-seli
selang-seling
selentang-selenting
seluk-beluk
sema-sema
semang-semang
semata-mata
sengar-sengir
seolah-olah
sepala-pala
serbah-serbih
serembah-serembih
serta-merta
setidak-tidaknya
sia-sia
slintat-slintut
sorak-sorai
sudu-sudu
sulat-sulit
sumpah-sumpah
tabar-tabar
takang-takik
tawa-tawa
tawak-tawak
tawang-tawang
tawar-tawar
teka-teki
temut-temut
teringat-ingat
tiba-tiba
timah-timah
timu-timu
tuang-tuang
tuli-tuli
tumpang-tindih
tupai-tupai
ubrak-abrik
ubun-ubun
ubur-ubur
uci-uci
ugal-ugalan
uget-uget
uir-uir
ula-ula
ulang-alik
ulang-aling
ulap-ulap
ular-ular
ular-ularan
ulu-ulu
ulung-ulung
umang-umang
umbang-ambing
umbul-umbul
umbut-umbut
uncang-uncit
unduk-unduk
undung-undung
undur-undur
unek-unek
ungah-angih
unggang-anggit
unggat-unggit
untang-anting
ura-ura
uran-uran
user-user
utak-atik
utar-utar
uter-uter
wanti-wanti
wara-wiri
warna-warni
wira-wiri
wora-wari
yang-yang
zig-zag
""".split()