RubyGems - kreuzberg - Versions diffs - 4.0.0.rc2 → 4.0.1 - Mend

kreuzberg 4.0.0.rc2 → 4.0.1

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.

Files changed (446) hide show

checksums.yaml +4 -4
data/.gitignore +14 -14
data/.rspec +3 -3
data/.rubocop.yaml +1 -1
data/.rubocop.yml +543 -538
data/Gemfile +8 -8
data/Gemfile.lock +194 -6
data/README.md +391 -426
data/Rakefile +34 -25
data/Steepfile +51 -47
data/examples/async_patterns.rb +283 -341
data/ext/kreuzberg_rb/extconf.rb +65 -45
data/ext/kreuzberg_rb/native/.cargo/config.toml +23 -0
data/ext/kreuzberg_rb/native/Cargo.lock +7619 -6535
data/ext/kreuzberg_rb/native/Cargo.toml +75 -44
data/ext/kreuzberg_rb/native/README.md +425 -425
data/ext/kreuzberg_rb/native/build.rs +15 -15
data/ext/kreuzberg_rb/native/include/ieeefp.h +11 -11
data/ext/kreuzberg_rb/native/include/msvc_compat/strings.h +14 -14
data/ext/kreuzberg_rb/native/include/strings.h +20 -20
data/ext/kreuzberg_rb/native/include/unistd.h +47 -47
data/ext/kreuzberg_rb/native/src/lib.rs +3802 -2998
data/extconf.rb +60 -28
data/kreuzberg.gemspec +199 -148
data/lib/kreuzberg/api_proxy.rb +126 -142
data/lib/kreuzberg/cache_api.rb +67 -46
data/lib/kreuzberg/cli.rb +47 -55
data/lib/kreuzberg/cli_proxy.rb +117 -127
data/lib/kreuzberg/config.rb +936 -691
data/lib/kreuzberg/error_context.rb +136 -32
data/lib/kreuzberg/errors.rb +116 -118
data/lib/kreuzberg/extraction_api.rb +313 -85
data/lib/kreuzberg/mcp_proxy.rb +177 -186
data/lib/kreuzberg/ocr_backend_protocol.rb +40 -113
data/lib/kreuzberg/post_processor_protocol.rb +15 -86
data/lib/kreuzberg/result.rb +334 -216
data/lib/kreuzberg/setup_lib_path.rb +99 -80
data/lib/kreuzberg/types.rb +170 -0
data/lib/kreuzberg/validator_protocol.rb +16 -89
data/lib/kreuzberg/version.rb +5 -5
data/lib/kreuzberg.rb +96 -103
data/lib/libpdfium.so +0 -0
data/sig/kreuzberg/internal.rbs +184 -184
data/sig/kreuzberg.rbs +561 -520
data/spec/binding/async_operations_spec.rb +473 -0
data/spec/binding/batch_operations_spec.rb +595 -0
data/spec/binding/batch_spec.rb +359 -0
data/spec/binding/cache_spec.rb +227 -227
data/spec/binding/cli_proxy_spec.rb +85 -85
data/spec/binding/cli_spec.rb +55 -55
data/spec/binding/config_result_spec.rb +377 -0
data/spec/binding/config_spec.rb +419 -345
data/spec/binding/config_validation_spec.rb +377 -283
data/spec/binding/embeddings_spec.rb +816 -0
data/spec/binding/error_handling_spec.rb +399 -213
data/spec/binding/error_recovery_spec.rb +488 -0
data/spec/binding/errors_spec.rb +66 -66
data/spec/binding/font_config_spec.rb +220 -0
data/spec/binding/images_spec.rb +738 -0
data/spec/binding/keywords_extraction_spec.rb +600 -0
data/spec/binding/metadata_types_spec.rb +1228 -0
data/spec/binding/pages_extraction_spec.rb +471 -0
data/spec/binding/plugins/ocr_backend_spec.rb +307 -307
data/spec/binding/plugins/postprocessor_spec.rb +269 -269
data/spec/binding/plugins/validator_spec.rb +273 -274
data/spec/binding/tables_spec.rb +641 -0
data/spec/fixtures/config.toml +38 -39
data/spec/fixtures/config.yaml +41 -41
data/spec/fixtures/invalid_config.toml +3 -4
data/spec/smoke/package_spec.rb +177 -178
data/spec/spec_helper.rb +40 -42
data/spec/unit/config/chunking_config_spec.rb +213 -0
data/spec/unit/config/embedding_config_spec.rb +343 -0
data/spec/unit/config/extraction_config_spec.rb +438 -0
data/spec/unit/config/font_config_spec.rb +285 -0
data/spec/unit/config/hierarchy_config_spec.rb +314 -0
data/spec/unit/config/image_extraction_config_spec.rb +209 -0
data/spec/unit/config/image_preprocessing_config_spec.rb +249 -0
data/spec/unit/config/keyword_config_spec.rb +229 -0
data/spec/unit/config/language_detection_config_spec.rb +258 -0
data/spec/unit/config/ocr_config_spec.rb +171 -0
data/spec/unit/config/page_config_spec.rb +221 -0
data/spec/unit/config/pdf_config_spec.rb +267 -0
data/spec/unit/config/postprocessor_config_spec.rb +290 -0
data/spec/unit/config/tesseract_config_spec.rb +181 -0
data/spec/unit/config/token_reduction_config_spec.rb +251 -0
data/test/metadata_types_test.rb +959 -0
data/vendor/Cargo.toml +61 -0
data/vendor/kreuzberg/Cargo.toml +259 -204
data/vendor/kreuzberg/README.md +263 -175
data/vendor/kreuzberg/build.rs +782 -474
data/vendor/kreuzberg/examples/bench_fixes.rs +71 -0
data/vendor/kreuzberg/examples/test_pdfium_fork.rs +62 -0
data/vendor/kreuzberg/src/api/error.rs +81 -81
data/vendor/kreuzberg/src/api/handlers.rs +320 -199
data/vendor/kreuzberg/src/api/mod.rs +94 -79
data/vendor/kreuzberg/src/api/server.rs +518 -353
data/vendor/kreuzberg/src/api/types.rs +206 -170
data/vendor/kreuzberg/src/cache/mod.rs +1167 -1167
data/vendor/kreuzberg/src/chunking/mod.rs +2303 -677
data/vendor/kreuzberg/src/chunking/processor.rs +219 -0
data/vendor/kreuzberg/src/core/batch_mode.rs +95 -95
data/vendor/kreuzberg/src/core/batch_optimizations.rs +385 -0
data/vendor/kreuzberg/src/core/config.rs +1914 -1032
data/vendor/kreuzberg/src/core/config_validation.rs +949 -0
data/vendor/kreuzberg/src/core/extractor.rs +1200 -1024
data/vendor/kreuzberg/src/core/formats.rs +235 -0
data/vendor/kreuzberg/src/core/io.rs +329 -329
data/vendor/kreuzberg/src/core/mime.rs +605 -605
data/vendor/kreuzberg/src/core/mod.rs +61 -45
data/vendor/kreuzberg/src/core/pipeline.rs +1223 -984
data/vendor/kreuzberg/src/core/server_config.rs +1220 -0
data/vendor/kreuzberg/src/embeddings.rs +471 -432
data/vendor/kreuzberg/src/error.rs +431 -431
data/vendor/kreuzberg/src/extraction/archive.rs +959 -954
data/vendor/kreuzberg/src/extraction/capacity.rs +263 -0
data/vendor/kreuzberg/src/extraction/docx.rs +404 -40
data/vendor/kreuzberg/src/extraction/email.rs +855 -854
data/vendor/kreuzberg/src/extraction/excel.rs +697 -688
data/vendor/kreuzberg/src/extraction/html.rs +1830 -553
data/vendor/kreuzberg/src/extraction/image.rs +492 -368
data/vendor/kreuzberg/src/extraction/libreoffice.rs +574 -563
data/vendor/kreuzberg/src/extraction/markdown.rs +216 -213
data/vendor/kreuzberg/src/extraction/mod.rs +93 -81
data/vendor/kreuzberg/src/extraction/office_metadata/app_properties.rs +398 -398
data/vendor/kreuzberg/src/extraction/office_metadata/core_properties.rs +247 -247
data/vendor/kreuzberg/src/extraction/office_metadata/custom_properties.rs +240 -240
data/vendor/kreuzberg/src/extraction/office_metadata/mod.rs +130 -130
data/vendor/kreuzberg/src/extraction/office_metadata/odt_properties.rs +284 -287
data/vendor/kreuzberg/src/extraction/pptx.rs +3102 -3000
data/vendor/kreuzberg/src/extraction/structured.rs +491 -490
data/vendor/kreuzberg/src/extraction/table.rs +329 -328
data/vendor/kreuzberg/src/extraction/text.rs +277 -269
data/vendor/kreuzberg/src/extraction/xml.rs +333 -333
data/vendor/kreuzberg/src/extractors/archive.rs +447 -446
data/vendor/kreuzberg/src/extractors/bibtex.rs +470 -469
data/vendor/kreuzberg/src/extractors/docbook.rs +504 -502
data/vendor/kreuzberg/src/extractors/docx.rs +400 -367
data/vendor/kreuzberg/src/extractors/email.rs +157 -143
data/vendor/kreuzberg/src/extractors/epub.rs +696 -707
data/vendor/kreuzberg/src/extractors/excel.rs +385 -343
data/vendor/kreuzberg/src/extractors/fictionbook.rs +492 -491
data/vendor/kreuzberg/src/extractors/html.rs +419 -393
data/vendor/kreuzberg/src/extractors/image.rs +219 -198
data/vendor/kreuzberg/src/extractors/jats.rs +1054 -1051
data/vendor/kreuzberg/src/extractors/jupyter.rs +368 -367
data/vendor/kreuzberg/src/extractors/latex.rs +653 -652
data/vendor/kreuzberg/src/extractors/markdown.rs +701 -700
data/vendor/kreuzberg/src/extractors/mod.rs +429 -365
data/vendor/kreuzberg/src/extractors/odt.rs +628 -628
data/vendor/kreuzberg/src/extractors/opml.rs +635 -634
data/vendor/kreuzberg/src/extractors/orgmode.rs +529 -528
data/vendor/kreuzberg/src/extractors/pdf.rs +761 -493
data/vendor/kreuzberg/src/extractors/pptx.rs +279 -248
data/vendor/kreuzberg/src/extractors/rst.rs +577 -576
data/vendor/kreuzberg/src/extractors/rtf.rs +809 -810
data/vendor/kreuzberg/src/extractors/security.rs +484 -484
data/vendor/kreuzberg/src/extractors/security_tests.rs +367 -367
data/vendor/kreuzberg/src/extractors/structured.rs +142 -140
data/vendor/kreuzberg/src/extractors/text.rs +265 -260
data/vendor/kreuzberg/src/extractors/typst.rs +651 -650
data/vendor/kreuzberg/src/extractors/xml.rs +147 -135
data/vendor/kreuzberg/src/image/dpi.rs +164 -164
data/vendor/kreuzberg/src/image/mod.rs +6 -6
data/vendor/kreuzberg/src/image/preprocessing.rs +417 -417
data/vendor/kreuzberg/src/image/resize.rs +89 -89
data/vendor/kreuzberg/src/keywords/config.rs +154 -154
data/vendor/kreuzberg/src/keywords/mod.rs +237 -237
data/vendor/kreuzberg/src/keywords/processor.rs +275 -267
data/vendor/kreuzberg/src/keywords/rake.rs +293 -293
data/vendor/kreuzberg/src/keywords/types.rs +68 -68
data/vendor/kreuzberg/src/keywords/yake.rs +163 -163
data/vendor/kreuzberg/src/language_detection/mod.rs +985 -942
data/vendor/kreuzberg/src/language_detection/processor.rs +218 -0
data/vendor/kreuzberg/src/lib.rs +114 -105
data/vendor/kreuzberg/src/mcp/mod.rs +35 -32
data/vendor/kreuzberg/src/mcp/server.rs +2090 -1968
data/vendor/kreuzberg/src/ocr/cache.rs +469 -469
data/vendor/kreuzberg/src/ocr/error.rs +37 -37
data/vendor/kreuzberg/src/ocr/hocr.rs +216 -216
data/vendor/kreuzberg/src/ocr/language_registry.rs +520 -0
data/vendor/kreuzberg/src/ocr/mod.rs +60 -58
data/vendor/kreuzberg/src/ocr/processor.rs +858 -863
data/vendor/kreuzberg/src/ocr/table/mod.rs +4 -4
data/vendor/kreuzberg/src/ocr/table/tsv_parser.rs +144 -144
data/vendor/kreuzberg/src/ocr/tesseract_backend.rs +456 -450
data/vendor/kreuzberg/src/ocr/types.rs +393 -393
data/vendor/kreuzberg/src/ocr/utils.rs +47 -47
data/vendor/kreuzberg/src/ocr/validation.rs +206 -206
data/vendor/kreuzberg/src/panic_context.rs +154 -154
data/vendor/kreuzberg/src/pdf/bindings.rs +306 -0
data/vendor/kreuzberg/src/pdf/bundled.rs +408 -0
data/vendor/kreuzberg/src/pdf/error.rs +214 -122
data/vendor/kreuzberg/src/pdf/fonts.rs +358 -0
data/vendor/kreuzberg/src/pdf/hierarchy.rs +903 -0
data/vendor/kreuzberg/src/pdf/images.rs +139 -139
data/vendor/kreuzberg/src/pdf/metadata.rs +509 -346
data/vendor/kreuzberg/src/pdf/mod.rs +81 -50
data/vendor/kreuzberg/src/pdf/rendering.rs +369 -369
data/vendor/kreuzberg/src/pdf/table.rs +417 -393
data/vendor/kreuzberg/src/pdf/text.rs +553 -158
data/vendor/kreuzberg/src/plugins/extractor.rs +1042 -1013
data/vendor/kreuzberg/src/plugins/mod.rs +212 -209
data/vendor/kreuzberg/src/plugins/ocr.rs +637 -620
data/vendor/kreuzberg/src/plugins/processor.rs +650 -642
data/vendor/kreuzberg/src/plugins/registry.rs +1339 -1337
data/vendor/kreuzberg/src/plugins/traits.rs +258 -258
data/vendor/kreuzberg/src/plugins/validator.rs +967 -956
data/vendor/kreuzberg/src/stopwords/mod.rs +1470 -1470
data/vendor/kreuzberg/src/text/mod.rs +27 -19
data/vendor/kreuzberg/src/text/quality.rs +710 -697
data/vendor/kreuzberg/src/text/quality_processor.rs +231 -0
data/vendor/kreuzberg/src/text/string_utils.rs +229 -217
data/vendor/kreuzberg/src/text/token_reduction/cjk_utils.rs +164 -164
data/vendor/kreuzberg/src/text/token_reduction/config.rs +100 -100
data/vendor/kreuzberg/src/text/token_reduction/core.rs +832 -796
data/vendor/kreuzberg/src/text/token_reduction/filters.rs +923 -902
data/vendor/kreuzberg/src/text/token_reduction/mod.rs +160 -160
data/vendor/kreuzberg/src/text/token_reduction/semantic.rs +619 -619
data/vendor/kreuzberg/src/text/token_reduction/simd_text.rs +148 -147
data/vendor/kreuzberg/src/text/utf8_validation.rs +193 -0
data/vendor/kreuzberg/src/types.rs +1713 -903
data/vendor/kreuzberg/src/utils/mod.rs +31 -17
data/vendor/kreuzberg/src/utils/pool.rs +503 -0
data/vendor/kreuzberg/src/utils/pool_sizing.rs +364 -0
data/vendor/kreuzberg/src/utils/quality.rs +968 -959
data/vendor/kreuzberg/src/utils/string_pool.rs +761 -0
data/vendor/kreuzberg/src/utils/string_utils.rs +381 -381
data/vendor/kreuzberg/stopwords/af_stopwords.json +53 -53
data/vendor/kreuzberg/stopwords/ar_stopwords.json +482 -482
data/vendor/kreuzberg/stopwords/bg_stopwords.json +261 -261
data/vendor/kreuzberg/stopwords/bn_stopwords.json +400 -400
data/vendor/kreuzberg/stopwords/br_stopwords.json +1205 -1205
data/vendor/kreuzberg/stopwords/ca_stopwords.json +280 -280
data/vendor/kreuzberg/stopwords/cs_stopwords.json +425 -425
data/vendor/kreuzberg/stopwords/da_stopwords.json +172 -172
data/vendor/kreuzberg/stopwords/de_stopwords.json +622 -622
data/vendor/kreuzberg/stopwords/el_stopwords.json +849 -849
data/vendor/kreuzberg/stopwords/en_stopwords.json +1300 -1300
data/vendor/kreuzberg/stopwords/eo_stopwords.json +175 -175
data/vendor/kreuzberg/stopwords/es_stopwords.json +734 -734
data/vendor/kreuzberg/stopwords/et_stopwords.json +37 -37
data/vendor/kreuzberg/stopwords/eu_stopwords.json +100 -100
data/vendor/kreuzberg/stopwords/fa_stopwords.json +801 -801
data/vendor/kreuzberg/stopwords/fi_stopwords.json +849 -849
data/vendor/kreuzberg/stopwords/fr_stopwords.json +693 -693
data/vendor/kreuzberg/stopwords/ga_stopwords.json +111 -111
data/vendor/kreuzberg/stopwords/gl_stopwords.json +162 -162
data/vendor/kreuzberg/stopwords/gu_stopwords.json +226 -226
data/vendor/kreuzberg/stopwords/ha_stopwords.json +41 -41
data/vendor/kreuzberg/stopwords/he_stopwords.json +196 -196
data/vendor/kreuzberg/stopwords/hi_stopwords.json +227 -227
data/vendor/kreuzberg/stopwords/hr_stopwords.json +181 -181
data/vendor/kreuzberg/stopwords/hu_stopwords.json +791 -791
data/vendor/kreuzberg/stopwords/hy_stopwords.json +47 -47
data/vendor/kreuzberg/stopwords/id_stopwords.json +760 -760
data/vendor/kreuzberg/stopwords/it_stopwords.json +634 -634
data/vendor/kreuzberg/stopwords/ja_stopwords.json +136 -136
data/vendor/kreuzberg/stopwords/kn_stopwords.json +84 -84
data/vendor/kreuzberg/stopwords/ko_stopwords.json +681 -681
data/vendor/kreuzberg/stopwords/ku_stopwords.json +64 -64
data/vendor/kreuzberg/stopwords/la_stopwords.json +51 -51
data/vendor/kreuzberg/stopwords/lt_stopwords.json +476 -476
data/vendor/kreuzberg/stopwords/lv_stopwords.json +163 -163
data/vendor/kreuzberg/stopwords/ml_stopwords.json +1 -1
data/vendor/kreuzberg/stopwords/mr_stopwords.json +101 -101
data/vendor/kreuzberg/stopwords/ms_stopwords.json +477 -477
data/vendor/kreuzberg/stopwords/ne_stopwords.json +490 -490
data/vendor/kreuzberg/stopwords/nl_stopwords.json +415 -415
data/vendor/kreuzberg/stopwords/no_stopwords.json +223 -223
data/vendor/kreuzberg/stopwords/pl_stopwords.json +331 -331
data/vendor/kreuzberg/stopwords/pt_stopwords.json +562 -562
data/vendor/kreuzberg/stopwords/ro_stopwords.json +436 -436
data/vendor/kreuzberg/stopwords/ru_stopwords.json +561 -561
data/vendor/kreuzberg/stopwords/si_stopwords.json +193 -193
data/vendor/kreuzberg/stopwords/sk_stopwords.json +420 -420
data/vendor/kreuzberg/stopwords/sl_stopwords.json +448 -448
data/vendor/kreuzberg/stopwords/so_stopwords.json +32 -32
data/vendor/kreuzberg/stopwords/st_stopwords.json +33 -33
data/vendor/kreuzberg/stopwords/sv_stopwords.json +420 -420
data/vendor/kreuzberg/stopwords/sw_stopwords.json +76 -76
data/vendor/kreuzberg/stopwords/ta_stopwords.json +129 -129
data/vendor/kreuzberg/stopwords/te_stopwords.json +54 -54
data/vendor/kreuzberg/stopwords/th_stopwords.json +118 -118
data/vendor/kreuzberg/stopwords/tl_stopwords.json +149 -149
data/vendor/kreuzberg/stopwords/tr_stopwords.json +506 -506
data/vendor/kreuzberg/stopwords/uk_stopwords.json +75 -75
data/vendor/kreuzberg/stopwords/ur_stopwords.json +519 -519
data/vendor/kreuzberg/stopwords/vi_stopwords.json +647 -647
data/vendor/kreuzberg/stopwords/yo_stopwords.json +62 -62
data/vendor/kreuzberg/stopwords/zh_stopwords.json +796 -796
data/vendor/kreuzberg/stopwords/zu_stopwords.json +31 -31
data/vendor/kreuzberg/tests/api_embed.rs +360 -0
data/vendor/kreuzberg/tests/api_extract_multipart.rs +52 -52
data/vendor/kreuzberg/tests/api_large_pdf_extraction.rs +471 -0
data/vendor/kreuzberg/tests/api_large_pdf_extraction_diagnostics.rs +289 -0
data/vendor/kreuzberg/tests/api_tests.rs +1472 -966
data/vendor/kreuzberg/tests/archive_integration.rs +545 -543
data/vendor/kreuzberg/tests/batch_orchestration.rs +587 -556
data/vendor/kreuzberg/tests/batch_pooling_benchmark.rs +154 -0
data/vendor/kreuzberg/tests/batch_processing.rs +328 -316
data/vendor/kreuzberg/tests/bibtex_parity_test.rs +421 -421
data/vendor/kreuzberg/tests/concurrency_stress.rs +541 -525
data/vendor/kreuzberg/tests/config_features.rs +612 -598
data/vendor/kreuzberg/tests/config_integration_test.rs +753 -0
data/vendor/kreuzberg/tests/config_loading_tests.rs +416 -415
data/vendor/kreuzberg/tests/core_integration.rs +519 -510
data/vendor/kreuzberg/tests/csv_integration.rs +414 -414
data/vendor/kreuzberg/tests/data/hierarchy_ground_truth.json +294 -0
data/vendor/kreuzberg/tests/docbook_extractor_tests.rs +500 -498
data/vendor/kreuzberg/tests/docx_metadata_extraction_test.rs +122 -122
data/vendor/kreuzberg/tests/docx_vs_pandoc_comparison.rs +370 -370
data/vendor/kreuzberg/tests/email_integration.rs +327 -325
data/vendor/kreuzberg/tests/epub_native_extractor_tests.rs +275 -275
data/vendor/kreuzberg/tests/error_handling.rs +402 -393
data/vendor/kreuzberg/tests/fictionbook_extractor_tests.rs +228 -228
data/vendor/kreuzberg/tests/format_integration.rs +165 -159
data/vendor/kreuzberg/tests/helpers/mod.rs +202 -142
data/vendor/kreuzberg/tests/html_table_test.rs +551 -551
data/vendor/kreuzberg/tests/image_integration.rs +255 -253
data/vendor/kreuzberg/tests/instrumentation_test.rs +139 -139
data/vendor/kreuzberg/tests/jats_extractor_tests.rs +639 -639
data/vendor/kreuzberg/tests/jupyter_extractor_tests.rs +704 -704
data/vendor/kreuzberg/tests/keywords_integration.rs +479 -479
data/vendor/kreuzberg/tests/keywords_quality.rs +509 -509
data/vendor/kreuzberg/tests/latex_extractor_tests.rs +496 -496
data/vendor/kreuzberg/tests/markdown_extractor_tests.rs +490 -490
data/vendor/kreuzberg/tests/mime_detection.rs +429 -428
data/vendor/kreuzberg/tests/ocr_configuration.rs +514 -510
data/vendor/kreuzberg/tests/ocr_errors.rs +698 -676
data/vendor/kreuzberg/tests/ocr_language_registry.rs +191 -0
data/vendor/kreuzberg/tests/ocr_quality.rs +629 -627
data/vendor/kreuzberg/tests/ocr_stress.rs +469 -469
data/vendor/kreuzberg/tests/odt_extractor_tests.rs +674 -695
data/vendor/kreuzberg/tests/opml_extractor_tests.rs +616 -616
data/vendor/kreuzberg/tests/orgmode_extractor_tests.rs +822 -822
data/vendor/kreuzberg/tests/page_markers.rs +297 -0
data/vendor/kreuzberg/tests/pdf_hierarchy_detection.rs +301 -0
data/vendor/kreuzberg/tests/pdf_hierarchy_quality.rs +589 -0
data/vendor/kreuzberg/tests/pdf_integration.rs +45 -43
data/vendor/kreuzberg/tests/pdf_ocr_triggering.rs +301 -0
data/vendor/kreuzberg/tests/pdf_text_merging.rs +475 -0
data/vendor/kreuzberg/tests/pdfium_linking.rs +340 -0
data/vendor/kreuzberg/tests/pipeline_integration.rs +1446 -1411
data/vendor/kreuzberg/tests/plugin_ocr_backend_test.rs +776 -771
data/vendor/kreuzberg/tests/plugin_postprocessor_test.rs +577 -560
data/vendor/kreuzberg/tests/plugin_system.rs +927 -921
data/vendor/kreuzberg/tests/plugin_validator_test.rs +783 -783
data/vendor/kreuzberg/tests/registry_integration_tests.rs +587 -586
data/vendor/kreuzberg/tests/rst_extractor_tests.rs +694 -692
data/vendor/kreuzberg/tests/rtf_extractor_tests.rs +775 -776
data/vendor/kreuzberg/tests/security_validation.rs +416 -415
data/vendor/kreuzberg/tests/stopwords_integration_test.rs +888 -888
data/vendor/kreuzberg/tests/test_fastembed.rs +631 -609
data/vendor/kreuzberg/tests/typst_behavioral_tests.rs +1260 -1259
data/vendor/kreuzberg/tests/typst_extractor_tests.rs +648 -647
data/vendor/kreuzberg/tests/xlsx_metadata_extraction_test.rs +87 -87
data/vendor/kreuzberg-ffi/Cargo.toml +67 -0
data/vendor/kreuzberg-ffi/README.md +851 -0
data/vendor/kreuzberg-ffi/benches/result_view_benchmark.rs +227 -0
data/vendor/kreuzberg-ffi/build.rs +168 -0
data/vendor/kreuzberg-ffi/cbindgen.toml +37 -0
data/vendor/kreuzberg-ffi/kreuzberg-ffi.pc.in +12 -0
data/vendor/kreuzberg-ffi/kreuzberg.h +3012 -0
data/vendor/kreuzberg-ffi/src/batch_streaming.rs +588 -0
data/vendor/kreuzberg-ffi/src/config.rs +1341 -0
data/vendor/kreuzberg-ffi/src/error.rs +901 -0
data/vendor/kreuzberg-ffi/src/extraction.rs +555 -0
data/vendor/kreuzberg-ffi/src/helpers.rs +879 -0
data/vendor/kreuzberg-ffi/src/lib.rs +977 -0
data/vendor/kreuzberg-ffi/src/memory.rs +493 -0
data/vendor/kreuzberg-ffi/src/mime.rs +329 -0
data/vendor/kreuzberg-ffi/src/panic_shield.rs +265 -0
data/vendor/kreuzberg-ffi/src/plugins/document_extractor.rs +442 -0
data/vendor/kreuzberg-ffi/src/plugins/mod.rs +14 -0
data/vendor/kreuzberg-ffi/src/plugins/ocr_backend.rs +628 -0
data/vendor/kreuzberg-ffi/src/plugins/post_processor.rs +438 -0
data/vendor/kreuzberg-ffi/src/plugins/validator.rs +329 -0
data/vendor/kreuzberg-ffi/src/result.rs +510 -0
data/vendor/kreuzberg-ffi/src/result_pool.rs +639 -0
data/vendor/kreuzberg-ffi/src/result_view.rs +773 -0
data/vendor/kreuzberg-ffi/src/string_intern.rs +568 -0
data/vendor/kreuzberg-ffi/src/types.rs +363 -0
data/vendor/kreuzberg-ffi/src/util.rs +210 -0
data/vendor/kreuzberg-ffi/src/validation.rs +848 -0
data/vendor/kreuzberg-ffi/tests.disabled/README.md +48 -0
data/vendor/kreuzberg-ffi/tests.disabled/config_loading_tests.rs +299 -0
data/vendor/kreuzberg-ffi/tests.disabled/config_tests.rs +346 -0
data/vendor/kreuzberg-ffi/tests.disabled/extractor_tests.rs +232 -0
data/vendor/kreuzberg-ffi/tests.disabled/plugin_registration_tests.rs +470 -0
data/vendor/kreuzberg-tesseract/.commitlintrc.json +13 -0
data/vendor/kreuzberg-tesseract/.crate-ignore +2 -0
data/vendor/kreuzberg-tesseract/Cargo.lock +2933 -0
data/vendor/kreuzberg-tesseract/Cargo.toml +57 -0
data/vendor/{rb-sys/LICENSE-MIT → kreuzberg-tesseract/LICENSE} +22 -21
data/vendor/kreuzberg-tesseract/README.md +399 -0
data/vendor/kreuzberg-tesseract/build.rs +1127 -0
data/vendor/kreuzberg-tesseract/patches/README.md +71 -0
data/vendor/kreuzberg-tesseract/patches/tesseract.diff +199 -0
data/vendor/kreuzberg-tesseract/src/api.rs +1371 -0
data/vendor/kreuzberg-tesseract/src/choice_iterator.rs +77 -0
data/vendor/kreuzberg-tesseract/src/enums.rs +297 -0
data/vendor/kreuzberg-tesseract/src/error.rs +81 -0
data/vendor/kreuzberg-tesseract/src/lib.rs +145 -0
data/vendor/kreuzberg-tesseract/src/monitor.rs +57 -0
data/vendor/kreuzberg-tesseract/src/mutable_iterator.rs +197 -0
data/vendor/kreuzberg-tesseract/src/page_iterator.rs +253 -0
data/vendor/kreuzberg-tesseract/src/result_iterator.rs +286 -0
data/vendor/kreuzberg-tesseract/src/result_renderer.rs +183 -0
data/vendor/kreuzberg-tesseract/tests/integration_test.rs +211 -0
metadata +196 -45
data/vendor/kreuzberg/benches/otel_overhead.rs +0 -48
data/vendor/kreuzberg/src/extractors/fictionbook.rs.backup2 +0 -738
data/vendor/rb-sys/.cargo-ok +0 -1
data/vendor/rb-sys/.cargo_vcs_info.json +0 -6
data/vendor/rb-sys/Cargo.lock +0 -393
data/vendor/rb-sys/Cargo.toml +0 -70
data/vendor/rb-sys/Cargo.toml.orig +0 -57
data/vendor/rb-sys/LICENSE-APACHE +0 -190
data/vendor/rb-sys/bin/release.sh +0 -21
data/vendor/rb-sys/build/features.rs +0 -108
data/vendor/rb-sys/build/main.rs +0 -246
data/vendor/rb-sys/build/stable_api_config.rs +0 -153
data/vendor/rb-sys/build/version.rs +0 -48
data/vendor/rb-sys/readme.md +0 -36
data/vendor/rb-sys/src/bindings.rs +0 -21
data/vendor/rb-sys/src/hidden.rs +0 -11
data/vendor/rb-sys/src/lib.rs +0 -34
data/vendor/rb-sys/src/macros.rs +0 -371
data/vendor/rb-sys/src/memory.rs +0 -53
data/vendor/rb-sys/src/ruby_abi_version.rs +0 -38
data/vendor/rb-sys/src/special_consts.rs +0 -31
data/vendor/rb-sys/src/stable_api/compiled.c +0 -179
data/vendor/rb-sys/src/stable_api/compiled.rs +0 -257
data/vendor/rb-sys/src/stable_api/ruby_2_6.rs +0 -316
data/vendor/rb-sys/src/stable_api/ruby_2_7.rs +0 -316
data/vendor/rb-sys/src/stable_api/ruby_3_0.rs +0 -324
data/vendor/rb-sys/src/stable_api/ruby_3_1.rs +0 -317
data/vendor/rb-sys/src/stable_api/ruby_3_2.rs +0 -315
data/vendor/rb-sys/src/stable_api/ruby_3_3.rs +0 -326
data/vendor/rb-sys/src/stable_api/ruby_3_4.rs +0 -327
data/vendor/rb-sys/src/stable_api.rs +0 -261
data/vendor/rb-sys/src/symbol.rs +0 -31
data/vendor/rb-sys/src/tracking_allocator.rs +0 -332
data/vendor/rb-sys/src/utils.rs +0 -89
data/vendor/rb-sys/src/value_type.rs +0 -7

data/vendor/kreuzberg/stopwords/vi_stopwords.json CHANGED Viewed

@@ -1,647 +1,647 @@
-[
-	"a ha",
-	"a-lô",
-	"ai",
-	"ai ai",
-	"ai nấy",
-	"alô",
-	"amen",
-	"anh",
-	"bao giờ",
-	"bao lâu",
-	"bao nhiêu",
-	"bao nả",
-	"bay biến",
-	"biết",
-	"biết bao",
-	"biết bao nhiêu",
-	"biết chừng nào",
-	"biết mấy",
-	"biết đâu",
-	"biết đâu chừng",
-	"biết đâu đấy",
-	"bà",
-	"bài",
-	"bác",
-	"bây bẩy",
-	"bây chừ",
-	"bây giờ",
-	"bây nhiêu",
-	"bèn",
-	"béng",
-	"bông",
-	"bạn",
-	"bản",
-	"bất chợt",
-	"bất cứ",
-	"bất giác",
-	"bất kì",
-	"bất kể",
-	"bất kỳ",
-	"bất luận",
-	"bất nhược",
-	"bất quá",
-	"bất thình lình",
-	"bất tử",
-	"bất đồ",
-	"bấy",
-	"bấy chầy",
-	"bấy chừ",
-	"bấy giờ",
-	"bấy lâu",
-	"bấy lâu nay",
-	"bấy nay",
-	"bấy nhiêu",
-	"bập bà bập bõm",
-	"bập bõm",
-	"bắt đầu từ",
-	"bằng",
-	"bằng không",
-	"bằng nấy",
-	"bằng ấy",
-	"bển",
-	"bệt",
-	"bị",
-	"bỏ mẹ",
-	"bỗng",
-	"bỗng chốc",
-	"bỗng dưng",
-	"bỗng không",
-	"bỗng nhiên",
-	"bỗng đâu",
-	"bộ",
-	"bội phần",
-	"bớ",
-	"bởi",
-	"bởi chưng",
-	"bởi nhưng",
-	"bởi thế",
-	"bởi vì",
-	"bởi vậy",
-	"bức",
-	"cao",
-	"cha",
-	"cha chả",
-	"chao ôi",
-	"chiếc",
-	"cho",
-	"cho nên",
-	"cho tới",
-	"cho tới khi",
-	"cho đến",
-	"cho đến khi",
-	"choa",
-	"chu cha",
-	"chui cha",
-	"chung cục",
-	"chung qui",
-	"chung quy",
-	"chung quy lại",
-	"chuyện",
-	"chành chạnh",
-	"chí chết",
-	"chính",
-	"chính là",
-	"chính thị",
-	"chùn chùn",
-	"chùn chũn",
-	"chú",
-	"chú mày",
-	"chú mình",
-	"chúng mình",
-	"chúng ta",
-	"chúng tôi",
-	"chăn chắn",
-	"chăng",
-	"chưa",
-	"chầm chập",
-	"chậc",
-	"chắc",
-	"chắc hẳn",
-	"chẳng lẽ",
-	"chẳng những",
-	"chẳng nữa",
-	"chẳng phải",
-	"chết nỗi",
-	"chết thật",
-	"chết tiệt",
-	"chỉ",
-	"chỉn",
-	"chốc chốc",
-	"chớ",
-	"chớ chi",
-	"chợt",
-	"chủn",
-	"chứ",
-	"chứ lị",
-	"coi bộ",
-	"coi mòi",
-	"con",
-	"cu cậu",
-	"cuốn",
-	"cuộc",
-	"càng",
-	"các",
-	"cái",
-	"cây",
-	"còn",
-	"có",
-	"có chăng là",
-	"có dễ",
-	"có thể",
-	"có vẻ",
-	"cóc khô",
-	"cô",
-	"cô mình",
-	"công nhiên",
-	"cùng",
-	"cùng cực",
-	"cùng nhau",
-	"cùng với",
-	"căn",
-	"căn cắt",
-	"cũng",
-	"cũng như",
-	"cũng vậy",
-	"cũng vậy thôi",
-	"cơ",
-	"cơ chừng",
-	"cơ hồ",
-	"cơ mà",
-	"cơn",
-	"cả",
-	"cả thảy",
-	"cả thể",
-	"cảm ơn",
-	"cần",
-	"cật lực",
-	"cật sức",
-	"cậu",
-	"cổ lai",
-	"của",
-	"cứ",
-	"cứ việc",
-	"cực lực",
-	"do",
-	"do vì",
-	"do vậy",
-	"do đó",
-	"duy",
-	"dào",
-	"dì",
-	"dù cho",
-	"dù rằng",
-	"dưới",
-	"dạ",
-	"dần dà",
-	"dần dần",
-	"dầu sao",
-	"dẫu",
-	"dẫu sao",
-	"dễ sợ",
-	"dễ thường",
-	"dở chừng",
-	"dữ",
-	"em",
-	"giữa",
-	"gì",
-	"hay",
-	"hoàn toàn",
-	"hoặc",
-	"hơn",
-	"hầu hết",
-	"họ",
-	"hỏi",
-	"khi",
-	"khác",
-	"không",
-	"luôn",
-	"là",
-	"làm",
-	"lên",
-	"lúc",
-	"lại",
-	"lần",
-	"lớn",
-	"muốn",
-	"mà",
-	"mình",
-	"mỗi",
-	"một",
-	"một cách",
-	"mới",
-	"mợ",
-	"ngay",
-	"ngay cả",
-	"ngay khi",
-	"ngay lúc",
-	"ngay lập tức",
-	"ngay tức khắc",
-	"ngay từ",
-	"nghe chừng",
-	"nghe đâu",
-	"nghen",
-	"nghiễm nhiên",
-	"nghỉm",
-	"ngoài",
-	"ngoài ra",
-	"ngoải",
-	"ngày",
-	"ngày càng",
-	"ngày ngày",
-	"ngày xưa",
-	"ngày xửa",
-	"ngôi",
-	"ngõ hầu",
-	"ngăn ngắt",
-	"ngươi",
-	"người",
-	"ngọn",
-	"ngọt",
-	"ngộ nhỡ",
-	"nh",
-	"nhau",
-	"nhiên hậu",
-	"nhiều",
-	"nhiệt liệt",
-	"nhung nhăng",
-	"nhà",
-	"nhân dịp",
-	"nhân tiện",
-	"nhé",
-	"nhón nhén",
-	"như",
-	"như chơi",
-	"như không",
-	"như quả",
-	"như thể",
-	"như tuồng",
-	"như vậy",
-	"nhưng",
-	"nhưng mà",
-	"nhược bằng",
-	"nhất",
-	"nhất loạt",
-	"nhất luật",
-	"nhất mực",
-	"nhất nhất",
-	"nhất quyết",
-	"nhất sinh",
-	"nhất thiết",
-	"nhất tâm",
-	"nhất tề",
-	"nhất đán",
-	"nhất định",
-	"nhận",
-	"nhỉ",
-	"nhỡ ra",
-	"những",
-	"những ai",
-	"những như",
-	"nào",
-	"này",
-	"nên",
-	"nên chi",
-	"nó",
-	"nóc",
-	"nói",
-	"năm",
-	"nơi",
-	"nấy",
-	"nếu",
-	"nếu như",
-	"nền",
-	"nọ",
-	"nớ",
-	"nức nở",
-	"nữa",
-	"oai oái",
-	"oái",
-	"pho",
-	"phè",
-	"phóc",
-	"phót",
-	"phăn phắt",
-	"phương chi",
-	"phải",
-	"phải chi",
-	"phải chăng",
-	"phắt",
-	"phỉ phui",
-	"phỏng",
-	"phỏng như",
-	"phốc",
-	"phụt",
-	"phứt",
-	"qua",
-	"qua quít",
-	"qua quýt",
-	"quyết",
-	"quyết nhiên",
-	"quyển",
-	"quá",
-	"quá chừng",
-	"quá lắm",
-	"quá sá",
-	"quá thể",
-	"quá trời",
-	"quá xá",
-	"quá đỗi",
-	"quá độ",
-	"quá ư",
-	"quý hồ",
-	"quả",
-	"quả là",
-	"quả tang",
-	"quả thật",
-	"quả tình",
-	"quả vậy",
-	"quả đúng",
-	"ra",
-	"ra phết",
-	"ra sao",
-	"ra trò",
-	"ren rén",
-	"riu ríu",
-	"riêng",
-	"riệt",
-	"rày",
-	"ráo",
-	"ráo trọi",
-	"rén",
-	"rích",
-	"rón rén",
-	"rút cục",
-	"răng",
-	"rất",
-	"rằng",
-	"rằng là",
-	"rốt cuộc",
-	"rốt cục",
-	"rồi",
-	"rứa",
-	"sa sả",
-	"sao",
-	"sau",
-	"sau chót",
-	"sau cuối",
-	"sau cùng",
-	"sau đó",
-	"so",
-	"song le",
-	"suýt",
-	"sì",
-	"sạch",
-	"sất",
-	"sắp",
-	"sẽ",
-	"số",
-	"số là",
-	"sốt sột",
-	"sở dĩ",
-	"sự",
-	"tanh",
-	"tha hồ",
-	"than ôi",
-	"thanh",
-	"theo",
-	"thi thoảng",
-	"thoạt",
-	"thoạt nhiên",
-	"thoắt",
-	"thuần",
-	"thà",
-	"thà là",
-	"thà rằng",
-	"thành ra",
-	"thành thử",
-	"thái quá",
-	"tháng",
-	"thì",
-	"thì thôi",
-	"thình lình",
-	"thím",
-	"thôi",
-	"thúng thắng",
-	"thương ôi",
-	"thường",
-	"thảo hèn",
-	"thảo nào",
-	"thấy",
-	"thẩy",
-	"thậm",
-	"thậm chí",
-	"thật lực",
-	"thật ra",
-	"thật vậy",
-	"thế",
-	"thế là",
-	"thế mà",
-	"thế nào",
-	"thế nên",
-	"thế ra",
-	"thế thì",
-	"thế à",
-	"thếch",
-	"thỉnh thoảng",
-	"thỏm",
-	"thốc",
-	"thốc tháo",
-	"thốt",
-	"thốt nhiên",
-	"thộc",
-	"thời gian",
-	"thục mạng",
-	"thửa",
-	"thực ra",
-	"thực sự",
-	"thực vậy",
-	"tiếp theo",
-	"tiếp đó",
-	"tiện thể",
-	"toà",
-	"toé khói",
-	"toẹt",
-	"trong",
-	"trên",
-	"trước",
-	"trước kia",
-	"trước nay",
-	"trước tiên",
-	"trước đây",
-	"trước đó",
-	"trếu tráo",
-	"trển",
-	"trệt",
-	"trệu trạo",
-	"trỏng",
-	"trời đất ơi",
-	"trừ phi",
-	"tuy",
-	"tuy nhiên",
-	"tuy rằng",
-	"tuy thế",
-	"tuy vậy",
-	"tuyệt nhiên",
-	"tuần tự",
-	"tuốt luốt",
-	"tuốt tuồn tuột",
-	"tuốt tuột",
-	"tà tà",
-	"tênh",
-	"tít mù",
-	"tò te",
-	"tôi",
-	"tông tốc",
-	"tù tì",
-	"tăm tắp",
-	"tại",
-	"tại vì",
-	"tấm",
-	"tấn",
-	"tất cả",
-	"tất thảy",
-	"tất tần tật",
-	"tất tật",
-	"tắp",
-	"tắp lự",
-	"tọt",
-	"tỏ ra",
-	"tỏ vẻ",
-	"tốc tả",
-	"tối ư",
-	"tột",
-	"tớ",
-	"tới",
-	"tức thì",
-	"tức tốc",
-	"từ",
-	"từng",
-	"tự vì",
-	"tựu trung",
-	"veo",
-	"veo veo",
-	"việc",
-	"vung thiên địa",
-	"vung tàn tán",
-	"vung tán tàn",
-	"và",
-	"vào",
-	"vâng",
-	"vèo",
-	"vì",
-	"vì chưng",
-	"vì thế",
-	"vì vậy",
-	"ví bằng",
-	"ví dù",
-	"ví phỏng",
-	"ví thử",
-	"vô hình trung",
-	"vô kể",
-	"vô luận",
-	"vô vàn",
-	"văng tê",
-	"vạn nhất",
-	"vả chăng",
-	"vả lại",
-	"vẫn",
-	"vậy",
-	"vậy là",
-	"vậy thì",
-	"về",
-	"vị tất",
-	"vốn dĩ",
-	"với",
-	"với lại",
-	"vở",
-	"vụt",
-	"vừa",
-	"vừa mới",
-	"xa xả",
-	"xiết bao",
-	"xon xón",
-	"xoành xoạch",
-	"xoét",
-	"xoẳn",
-	"xoẹt",
-	"xuất kì bất ý",
-	"xuất kỳ bất ý",
-	"xuể",
-	"xuống",
-	"xăm xúi",
-	"xăm xăm",
-	"xăm xắm",
-	"xềnh xệch",
-	"xệp",
-	"à",
-	"à ơi",
-	"ào",
-	"á",
-	"á à",
-	"ái",
-	"ái chà",
-	"ái dà",
-	"áng",
-	"âu là",
-	"ô hay",
-	"ô hô",
-	"ô kê",
-	"ô kìa",
-	"ôi chao",
-	"ôi thôi",
-	"ông",
-	"úi",
-	"úi chà",
-	"úi dào",
-	"ý",
-	"ý chừng",
-	"ý da",
-	"đang",
-	"đi",
-	"điều",
-	"đành đạch",
-	"đáng lí",
-	"đáng lý",
-	"đáng lẽ",
-	"đánh đùng",
-	"đáo để",
-	"đây",
-	"đã",
-	"đó",
-	"được",
-	"đại loại",
-	"đại nhân",
-	"đại phàm",
-	"đại để",
-	"đến",
-	"đến nỗi",
-	"đều",
-	"để",
-	"ơ",
-	"ơ hay",
-	"ơ kìa",
-	"ơi",
-	"ư",
-	"ạ",
-	"ạ ơi",
-	"ấy",
-	"ầu ơ",
-	"ắt",
-	"ắt hẳn",
-	"ắt là",
-	"ối dào",
-	"ối giời",
-	"ối giời ơi",
-	"ồ",
-	"ổng",
-	"ớ",
-	"ờ",
-	"ở",
-	"ở trên",
-	"ủa",
-	"ứ hự",
-	"ứ ừ",
-	"ừ",
-	"ử"
-]
+[
+	"a ha",
+	"a-lô",
+	"ai",
+	"ai ai",
+	"ai nấy",
+	"alô",
+	"amen",
+	"anh",
+	"bao giờ",
+	"bao lâu",
+	"bao nhiêu",
+	"bao nả",
+	"bay biến",
+	"biết",
+	"biết bao",
+	"biết bao nhiêu",
+	"biết chừng nào",
+	"biết mấy",
+	"biết đâu",
+	"biết đâu chừng",
+	"biết đâu đấy",
+	"bà",
+	"bài",
+	"bác",
+	"bây bẩy",
+	"bây chừ",
+	"bây giờ",
+	"bây nhiêu",
+	"bèn",
+	"béng",
+	"bông",
+	"bạn",
+	"bản",
+	"bất chợt",
+	"bất cứ",
+	"bất giác",
+	"bất kì",
+	"bất kể",
+	"bất kỳ",
+	"bất luận",
+	"bất nhược",
+	"bất quá",
+	"bất thình lình",
+	"bất tử",
+	"bất đồ",
+	"bấy",
+	"bấy chầy",
+	"bấy chừ",
+	"bấy giờ",
+	"bấy lâu",
+	"bấy lâu nay",
+	"bấy nay",
+	"bấy nhiêu",
+	"bập bà bập bõm",
+	"bập bõm",
+	"bắt đầu từ",
+	"bằng",
+	"bằng không",
+	"bằng nấy",
+	"bằng ấy",
+	"bển",
+	"bệt",
+	"bị",
+	"bỏ mẹ",
+	"bỗng",
+	"bỗng chốc",
+	"bỗng dưng",
+	"bỗng không",
+	"bỗng nhiên",
+	"bỗng đâu",
+	"bộ",
+	"bội phần",
+	"bớ",
+	"bởi",
+	"bởi chưng",
+	"bởi nhưng",
+	"bởi thế",
+	"bởi vì",
+	"bởi vậy",
+	"bức",
+	"cao",
+	"cha",
+	"cha chả",
+	"chao ôi",
+	"chiếc",
+	"cho",
+	"cho nên",
+	"cho tới",
+	"cho tới khi",
+	"cho đến",
+	"cho đến khi",
+	"choa",
+	"chu cha",
+	"chui cha",
+	"chung cục",
+	"chung qui",
+	"chung quy",
+	"chung quy lại",
+	"chuyện",
+	"chành chạnh",
+	"chí chết",
+	"chính",
+	"chính là",
+	"chính thị",
+	"chùn chùn",
+	"chùn chũn",
+	"chú",
+	"chú mày",
+	"chú mình",
+	"chúng mình",
+	"chúng ta",
+	"chúng tôi",
+	"chăn chắn",
+	"chăng",
+	"chưa",
+	"chầm chập",
+	"chậc",
+	"chắc",
+	"chắc hẳn",
+	"chẳng lẽ",
+	"chẳng những",
+	"chẳng nữa",
+	"chẳng phải",
+	"chết nỗi",
+	"chết thật",
+	"chết tiệt",
+	"chỉ",
+	"chỉn",
+	"chốc chốc",
+	"chớ",
+	"chớ chi",
+	"chợt",
+	"chủn",
+	"chứ",
+	"chứ lị",
+	"coi bộ",
+	"coi mòi",
+	"con",
+	"cu cậu",
+	"cuốn",
+	"cuộc",
+	"càng",
+	"các",
+	"cái",
+	"cây",
+	"còn",
+	"có",
+	"có chăng là",
+	"có dễ",
+	"có thể",
+	"có vẻ",
+	"cóc khô",
+	"cô",
+	"cô mình",
+	"công nhiên",
+	"cùng",
+	"cùng cực",
+	"cùng nhau",
+	"cùng với",
+	"căn",
+	"căn cắt",
+	"cũng",
+	"cũng như",
+	"cũng vậy",
+	"cũng vậy thôi",
+	"cơ",
+	"cơ chừng",
+	"cơ hồ",
+	"cơ mà",
+	"cơn",
+	"cả",
+	"cả thảy",
+	"cả thể",
+	"cảm ơn",
+	"cần",
+	"cật lực",
+	"cật sức",
+	"cậu",
+	"cổ lai",
+	"của",
+	"cứ",
+	"cứ việc",
+	"cực lực",
+	"do",
+	"do vì",
+	"do vậy",
+	"do đó",
+	"duy",
+	"dào",
+	"dì",
+	"dù cho",
+	"dù rằng",
+	"dưới",
+	"dạ",
+	"dần dà",
+	"dần dần",
+	"dầu sao",
+	"dẫu",
+	"dẫu sao",
+	"dễ sợ",
+	"dễ thường",
+	"dở chừng",
+	"dữ",
+	"em",
+	"giữa",
+	"gì",
+	"hay",
+	"hoàn toàn",
+	"hoặc",
+	"hơn",
+	"hầu hết",
+	"họ",
+	"hỏi",
+	"khi",
+	"khác",
+	"không",
+	"luôn",
+	"là",
+	"làm",
+	"lên",
+	"lúc",
+	"lại",
+	"lần",
+	"lớn",
+	"muốn",
+	"mà",
+	"mình",
+	"mỗi",
+	"một",
+	"một cách",
+	"mới",
+	"mợ",
+	"ngay",
+	"ngay cả",
+	"ngay khi",
+	"ngay lúc",
+	"ngay lập tức",
+	"ngay tức khắc",
+	"ngay từ",
+	"nghe chừng",
+	"nghe đâu",
+	"nghen",
+	"nghiễm nhiên",
+	"nghỉm",
+	"ngoài",
+	"ngoài ra",
+	"ngoải",
+	"ngày",
+	"ngày càng",
+	"ngày ngày",
+	"ngày xưa",
+	"ngày xửa",
+	"ngôi",
+	"ngõ hầu",
+	"ngăn ngắt",
+	"ngươi",
+	"người",
+	"ngọn",
+	"ngọt",
+	"ngộ nhỡ",
+	"nh",
+	"nhau",
+	"nhiên hậu",
+	"nhiều",
+	"nhiệt liệt",
+	"nhung nhăng",
+	"nhà",
+	"nhân dịp",
+	"nhân tiện",
+	"nhé",
+	"nhón nhén",
+	"như",
+	"như chơi",
+	"như không",
+	"như quả",
+	"như thể",
+	"như tuồng",
+	"như vậy",
+	"nhưng",
+	"nhưng mà",
+	"nhược bằng",
+	"nhất",
+	"nhất loạt",
+	"nhất luật",
+	"nhất mực",
+	"nhất nhất",
+	"nhất quyết",
+	"nhất sinh",
+	"nhất thiết",
+	"nhất tâm",
+	"nhất tề",
+	"nhất đán",
+	"nhất định",
+	"nhận",
+	"nhỉ",
+	"nhỡ ra",
+	"những",
+	"những ai",
+	"những như",
+	"nào",
+	"này",
+	"nên",
+	"nên chi",
+	"nó",
+	"nóc",
+	"nói",
+	"năm",
+	"nơi",
+	"nấy",
+	"nếu",
+	"nếu như",
+	"nền",
+	"nọ",
+	"nớ",
+	"nức nở",
+	"nữa",
+	"oai oái",
+	"oái",
+	"pho",
+	"phè",
+	"phóc",
+	"phót",
+	"phăn phắt",
+	"phương chi",
+	"phải",
+	"phải chi",
+	"phải chăng",
+	"phắt",
+	"phỉ phui",
+	"phỏng",
+	"phỏng như",
+	"phốc",
+	"phụt",
+	"phứt",
+	"qua",
+	"qua quít",
+	"qua quýt",
+	"quyết",
+	"quyết nhiên",
+	"quyển",
+	"quá",
+	"quá chừng",
+	"quá lắm",
+	"quá sá",
+	"quá thể",
+	"quá trời",
+	"quá xá",
+	"quá đỗi",
+	"quá độ",
+	"quá ư",
+	"quý hồ",
+	"quả",
+	"quả là",
+	"quả tang",
+	"quả thật",
+	"quả tình",
+	"quả vậy",
+	"quả đúng",
+	"ra",
+	"ra phết",
+	"ra sao",
+	"ra trò",
+	"ren rén",
+	"riu ríu",
+	"riêng",
+	"riệt",
+	"rày",
+	"ráo",
+	"ráo trọi",
+	"rén",
+	"rích",
+	"rón rén",
+	"rút cục",
+	"răng",
+	"rất",
+	"rằng",
+	"rằng là",
+	"rốt cuộc",
+	"rốt cục",
+	"rồi",
+	"rứa",
+	"sa sả",
+	"sao",
+	"sau",
+	"sau chót",
+	"sau cuối",
+	"sau cùng",
+	"sau đó",
+	"so",
+	"song le",
+	"suýt",
+	"sì",
+	"sạch",
+	"sất",
+	"sắp",
+	"sẽ",
+	"số",
+	"số là",
+	"sốt sột",
+	"sở dĩ",
+	"sự",
+	"tanh",
+	"tha hồ",
+	"than ôi",
+	"thanh",
+	"theo",
+	"thi thoảng",
+	"thoạt",
+	"thoạt nhiên",
+	"thoắt",
+	"thuần",
+	"thà",
+	"thà là",
+	"thà rằng",
+	"thành ra",
+	"thành thử",
+	"thái quá",
+	"tháng",
+	"thì",
+	"thì thôi",
+	"thình lình",
+	"thím",
+	"thôi",
+	"thúng thắng",
+	"thương ôi",
+	"thường",
+	"thảo hèn",
+	"thảo nào",
+	"thấy",
+	"thẩy",
+	"thậm",
+	"thậm chí",
+	"thật lực",
+	"thật ra",
+	"thật vậy",
+	"thế",
+	"thế là",
+	"thế mà",
+	"thế nào",
+	"thế nên",
+	"thế ra",
+	"thế thì",
+	"thế à",
+	"thếch",
+	"thỉnh thoảng",
+	"thỏm",
+	"thốc",
+	"thốc tháo",
+	"thốt",
+	"thốt nhiên",
+	"thộc",
+	"thời gian",
+	"thục mạng",
+	"thửa",
+	"thực ra",
+	"thực sự",
+	"thực vậy",
+	"tiếp theo",
+	"tiếp đó",
+	"tiện thể",
+	"toà",
+	"toé khói",
+	"toẹt",
+	"trong",
+	"trên",
+	"trước",
+	"trước kia",
+	"trước nay",
+	"trước tiên",
+	"trước đây",
+	"trước đó",
+	"trếu tráo",
+	"trển",
+	"trệt",
+	"trệu trạo",
+	"trỏng",
+	"trời đất ơi",
+	"trừ phi",
+	"tuy",
+	"tuy nhiên",
+	"tuy rằng",
+	"tuy thế",
+	"tuy vậy",
+	"tuyệt nhiên",
+	"tuần tự",
+	"tuốt luốt",
+	"tuốt tuồn tuột",
+	"tuốt tuột",
+	"tà tà",
+	"tênh",
+	"tít mù",
+	"tò te",
+	"tôi",
+	"tông tốc",
+	"tù tì",
+	"tăm tắp",
+	"tại",
+	"tại vì",
+	"tấm",
+	"tấn",
+	"tất cả",
+	"tất thảy",
+	"tất tần tật",
+	"tất tật",
+	"tắp",
+	"tắp lự",
+	"tọt",
+	"tỏ ra",
+	"tỏ vẻ",
+	"tốc tả",
+	"tối ư",
+	"tột",
+	"tớ",
+	"tới",
+	"tức thì",
+	"tức tốc",
+	"từ",
+	"từng",
+	"tự vì",
+	"tựu trung",
+	"veo",
+	"veo veo",
+	"việc",
+	"vung thiên địa",
+	"vung tàn tán",
+	"vung tán tàn",
+	"và",
+	"vào",
+	"vâng",
+	"vèo",
+	"vì",
+	"vì chưng",
+	"vì thế",
+	"vì vậy",
+	"ví bằng",
+	"ví dù",
+	"ví phỏng",
+	"ví thử",
+	"vô hình trung",
+	"vô kể",
+	"vô luận",
+	"vô vàn",
+	"văng tê",
+	"vạn nhất",
+	"vả chăng",
+	"vả lại",
+	"vẫn",
+	"vậy",
+	"vậy là",
+	"vậy thì",
+	"về",
+	"vị tất",
+	"vốn dĩ",
+	"với",
+	"với lại",
+	"vở",
+	"vụt",
+	"vừa",
+	"vừa mới",
+	"xa xả",
+	"xiết bao",
+	"xon xón",
+	"xoành xoạch",
+	"xoét",
+	"xoẳn",
+	"xoẹt",
+	"xuất kì bất ý",
+	"xuất kỳ bất ý",
+	"xuể",
+	"xuống",
+	"xăm xúi",
+	"xăm xăm",
+	"xăm xắm",
+	"xềnh xệch",
+	"xệp",
+	"à",
+	"à ơi",
+	"ào",
+	"á",
+	"á à",
+	"ái",
+	"ái chà",
+	"ái dà",
+	"áng",
+	"âu là",
+	"ô hay",
+	"ô hô",
+	"ô kê",
+	"ô kìa",
+	"ôi chao",
+	"ôi thôi",
+	"ông",
+	"úi",
+	"úi chà",
+	"úi dào",
+	"ý",
+	"ý chừng",
+	"ý da",
+	"đang",
+	"đi",
+	"điều",
+	"đành đạch",
+	"đáng lí",
+	"đáng lý",
+	"đáng lẽ",
+	"đánh đùng",
+	"đáo để",
+	"đây",
+	"đã",
+	"đó",
+	"được",
+	"đại loại",
+	"đại nhân",
+	"đại phàm",
+	"đại để",
+	"đến",
+	"đến nỗi",
+	"đều",
+	"để",
+	"ơ",
+	"ơ hay",
+	"ơ kìa",
+	"ơi",
+	"ư",
+	"ạ",
+	"ạ ơi",
+	"ấy",
+	"ầu ơ",
+	"ắt",
+	"ắt hẳn",
+	"ắt là",
+	"ối dào",
+	"ối giời",
+	"ối giời ơi",
+	"ồ",
+	"ổng",
+	"ớ",
+	"ờ",
+	"ở",
+	"ở trên",
+	"ủa",
+	"ứ hự",
+	"ứ ừ",
+	"ừ",
+	"ử"
+]