opener-tokenizer-base 1.0.0

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 (44) hide show
  1. checksums.yaml +7 -0
  2. data/README.md +148 -0
  3. data/bin/tokenizer-base +5 -0
  4. data/bin/tokenizer-de +5 -0
  5. data/bin/tokenizer-en +5 -0
  6. data/bin/tokenizer-es +5 -0
  7. data/bin/tokenizer-fr +5 -0
  8. data/bin/tokenizer-it +5 -0
  9. data/bin/tokenizer-nl +5 -0
  10. data/core/lib/Data/OptList.pm +256 -0
  11. data/core/lib/Params/Util.pm +866 -0
  12. data/core/lib/Sub/Exporter.pm +1101 -0
  13. data/core/lib/Sub/Exporter/Cookbook.pod +309 -0
  14. data/core/lib/Sub/Exporter/Tutorial.pod +280 -0
  15. data/core/lib/Sub/Exporter/Util.pm +354 -0
  16. data/core/lib/Sub/Install.pm +329 -0
  17. data/core/lib/Time/Stamp.pm +808 -0
  18. data/core/load-prefixes.pl +43 -0
  19. data/core/nonbreaking_prefixes/abbreviation_list.kaf +0 -0
  20. data/core/nonbreaking_prefixes/abbreviation_list.txt +444 -0
  21. data/core/nonbreaking_prefixes/nonbreaking_prefix.ca +533 -0
  22. data/core/nonbreaking_prefixes/nonbreaking_prefix.de +781 -0
  23. data/core/nonbreaking_prefixes/nonbreaking_prefix.el +448 -0
  24. data/core/nonbreaking_prefixes/nonbreaking_prefix.en +564 -0
  25. data/core/nonbreaking_prefixes/nonbreaking_prefix.es +758 -0
  26. data/core/nonbreaking_prefixes/nonbreaking_prefix.fr +1027 -0
  27. data/core/nonbreaking_prefixes/nonbreaking_prefix.is +697 -0
  28. data/core/nonbreaking_prefixes/nonbreaking_prefix.it +641 -0
  29. data/core/nonbreaking_prefixes/nonbreaking_prefix.nl +739 -0
  30. data/core/nonbreaking_prefixes/nonbreaking_prefix.pl +729 -0
  31. data/core/nonbreaking_prefixes/nonbreaking_prefix.pt +656 -0
  32. data/core/nonbreaking_prefixes/nonbreaking_prefix.ro +484 -0
  33. data/core/nonbreaking_prefixes/nonbreaking_prefix.ru +705 -0
  34. data/core/nonbreaking_prefixes/nonbreaking_prefix.sk +920 -0
  35. data/core/nonbreaking_prefixes/nonbreaking_prefix.sl +524 -0
  36. data/core/nonbreaking_prefixes/nonbreaking_prefix.sv +492 -0
  37. data/core/split-sentences.pl +114 -0
  38. data/core/text-fixer.pl +169 -0
  39. data/core/tokenizer-cli.pl +363 -0
  40. data/core/tokenizer.pl +145 -0
  41. data/lib/opener/tokenizers/base.rb +84 -0
  42. data/lib/opener/tokenizers/base/version.rb +8 -0
  43. data/opener-tokenizer-base.gemspec +25 -0
  44. metadata +134 -0
@@ -0,0 +1,729 @@
1
+ adw
2
+ afr
3
+ akad
4
+ al
5
+ Al
6
+ am
7
+ amer
8
+ arch
9
+ art
10
+ Art
11
+ artyst
12
+ astr
13
+ austr
14
+ bałt
15
+ bdb
16
+
17
+ bm
18
+ br
19
+ bryg
20
+ bryt
21
+ centr
22
+ ces
23
+ chem
24
+ chiń
25
+ chir
26
+ c.k
27
+ c.o
28
+ cyg
29
+ cyw
30
+ cyt
31
+ czes
32
+ czw
33
+ cd
34
+ Cd
35
+ czyt
36
+ ćw
37
+ ćwicz
38
+ daw
39
+ dcn
40
+ dekl
41
+ demokr
42
+ det
43
+ diec
44
+
45
+ dn
46
+ dot
47
+ dol
48
+ dop
49
+ dost
50
+ dosł
51
+ h.c
52
+ ds
53
+ dst
54
+ duszp
55
+ dypl
56
+ egz
57
+ ekol
58
+ ekon
59
+ elektr
60
+ em
61
+ ew
62
+ fab
63
+ farm
64
+ fot
65
+ fr
66
+ gat
67
+ gastr
68
+ geogr
69
+ geol
70
+ gimn
71
+ głęb
72
+ gm
73
+ godz
74
+ górn
75
+ gosp
76
+ gr
77
+ gram
78
+ hist
79
+ hiszp
80
+ hr
81
+ Hr
82
+ hot
83
+ id
84
+ in
85
+ im
86
+ iron
87
+ jn
88
+ kard
89
+ kat
90
+ katol
91
+ k.k
92
+ kk
93
+ kol
94
+ kl
95
+ k.p.a
96
+ kpc
97
+ k.p.c
98
+ kpt
99
+ kr
100
+ k.r
101
+ krak
102
+ k.r.o
103
+ kryt
104
+ kult
105
+ laic
106
+ łac
107
+ niem
108
+ woj
109
+ nb
110
+ np
111
+ Nb
112
+ Np
113
+ pol
114
+ pow
115
+ m.in
116
+ pt
117
+ ps
118
+ Pt
119
+ Ps
120
+ cdn
121
+ jw
122
+ ryc
123
+ rys
124
+ Ryc
125
+ Rys
126
+ tj
127
+ tzw
128
+ Tzw
129
+ tzn
130
+ zob
131
+ ang
132
+ ub
133
+ ul
134
+ pw
135
+ pn
136
+ pl
137
+ al
138
+ k
139
+ n
140
+ nr #NUMERIC_ONLY#
141
+ Nr #NUMERIC_ONLY#
142
+ ww
143
+
144
+ ur
145
+ zm
146
+ żyd
147
+ żarg
148
+ żyw
149
+ wył
150
+ bp
151
+ bp
152
+ wyst
153
+ tow
154
+ Tow
155
+ o
156
+ sp
157
+ Sp
158
+ st
159
+ spółdz
160
+ Spółdz
161
+ społ
162
+ spółgł
163
+ stoł
164
+ stow
165
+ Stoł
166
+ Stow
167
+ zn
168
+ zew
169
+ zewn
170
+ zdr
171
+ zazw
172
+ zast
173
+ zaw
174
+ zał
175
+ zal
176
+ zam
177
+ zak
178
+ zakł
179
+ zagr
180
+ zach
181
+ adw
182
+ Adw
183
+ lek
184
+ Lek
185
+ med
186
+ mec
187
+ Mec
188
+ doc
189
+ Doc
190
+ dyw
191
+ dyr
192
+ Dyw
193
+ Dyr
194
+ inż
195
+ Inż
196
+ mgr
197
+ Mgr
198
+ dh
199
+ dr
200
+ Dh
201
+ Dr
202
+ p
203
+ P
204
+ red
205
+ Red
206
+ prof
207
+ prok
208
+ Prof
209
+ Prok
210
+ hab
211
+ płk
212
+ Płk
213
+ nadkom
214
+ Nadkom
215
+ podkom
216
+ Podkom
217
+ ks
218
+ Ks
219
+ gen
220
+ Gen
221
+ por
222
+ Por
223
+ reż
224
+ Reż
225
+ przyp
226
+ Przyp
227
+ śp
228
+ św
229
+ śW
230
+ Śp
231
+ Św
232
+ ŚW
233
+ szer
234
+ Szer
235
+ pkt #NUMERIC_ONLY#
236
+ str #NUMERIC_ONLY#
237
+ tab #NUMERIC_ONLY#
238
+ Tab #NUMERIC_ONLY#
239
+ tel
240
+ ust #NUMERIC_ONLY#
241
+ par #NUMERIC_ONLY#
242
+ poz
243
+ pok
244
+ oo
245
+ oO
246
+ Oo
247
+ OO
248
+ r #NUMERIC_ONLY#
249
+ l #NUMERIC_ONLY#
250
+ s #NUMERIC_ONLY#
251
+ najśw
252
+ Najśw
253
+ A
254
+ B
255
+ C
256
+ D
257
+ E
258
+ F
259
+ G
260
+ H
261
+ I
262
+ J
263
+ K
264
+ L
265
+ M
266
+ N
267
+ O
268
+ P
269
+ Q
270
+ R
271
+ S
272
+ T
273
+ U
274
+ V
275
+ W
276
+ X
277
+ Y
278
+ Z
279
+ Ś
280
+ Ć
281
+ Ż
282
+ Ź
283
+ Dz
284
+
285
+ #unified abbreviation list
286
+ Acad
287
+ Adj
288
+ Adm
289
+ Adv
290
+ Affl
291
+ Apr
292
+ Art
293
+ Asst
294
+ Av
295
+ Avg
296
+ B.ches-du-Rh
297
+ Bart
298
+ Bco
299
+ Bldg
300
+ Brig
301
+ Bros
302
+ C.a
303
+ C.p.c.n
304
+ Ca
305
+ Capt
306
+ Cdt
307
+ Cf
308
+ Ch.-Mme
309
+ Chap
310
+ Cie
311
+ Cmdr
312
+ Col
313
+ Comdr
314
+ Con
315
+ Corp
316
+ Cpl
317
+ DR
318
+ DRA
319
+ Da
320
+ Dec
321
+ Dep
322
+ Dn
323
+ Dr
324
+ Dra
325
+ Dras
326
+ Drs
327
+ Eng
328
+ Enga
329
+ Engas
330
+ Engos
331
+ Ens
332
+ Ets
333
+ Euro
334
+ Ev
335
+ Ex
336
+ Excmo
337
+ Exmo
338
+ Exo
339
+ Fa
340
+ Fco
341
+ Feb
342
+ Fig
343
+ Fr
344
+ Gar
345
+ Gen
346
+ Gir
347
+ Gl
348
+ Gov
349
+ Hno
350
+ Hon
351
+ Hosp
352
+ Hr
353
+ Ilmo
354
+ Insp
355
+ J.-C
356
+ Jan
357
+ Jeu
358
+ Jr
359
+ Jul
360
+ Jun
361
+ Lda
362
+ Lieut
363
+ Lt
364
+ Lun
365
+ MM
366
+ MR
367
+ MRS
368
+ MS
369
+ MSc
370
+ Maj
371
+ Mar
372
+ Me
373
+ Mej
374
+ Mer
375
+ Mes
376
+ Messrs
377
+ Mgr
378
+ Mgrs
379
+ Mll
380
+ Mlle
381
+ Mlle(s)
382
+ Mme
383
+ Mme(s)
384
+ Mr
385
+ Mrs
386
+ Ms
387
+ Msgr
388
+ Mw
389
+ Nov
390
+ Npr
391
+ Nr
392
+ O.d.J
393
+ Okt
394
+ Op
395
+ Ord
396
+ Oz
397
+ P
398
+ P.D
399
+ P.ej
400
+ P.p.c
401
+ Pas
402
+ Pfc
403
+ Ph
404
+ Prim
405
+ Prof
406
+ Pte
407
+ Pts
408
+ Pvt
409
+ Rep
410
+ Reps
411
+ Res
412
+ Rev
413
+ Revd
414
+ Rh
415
+ Riv
416
+ Rt
417
+ S.Em
418
+ S.Exc
419
+ S.a.r.l
420
+ Sen
421
+ Sens
422
+ Sep
423
+ Sept
424
+ Sfc
425
+ Sgt
426
+ SGT
427
+ Sl
428
+ Sr
429
+ Sra
430
+ Sras
431
+ Srs
432
+ Srta
433
+ St
434
+ ST
435
+ Sta
436
+ Ste
437
+ Sto
438
+ Supt
439
+ Surg
440
+ Tj
441
+ Tr
442
+ Ud
443
+ Uds
444
+ V.Exc
445
+ Vd
446
+ Vda
447
+ Vds
448
+ Vz
449
+ Z.D
450
+ Z.D.H
451
+ Z.E
452
+ Z.Em
453
+ Z.H
454
+ Z.K.H
455
+ Z.K.M
456
+ Z.M
457
+ a
458
+ a./s
459
+ a.C
460
+ a.g.v
461
+ a.l
462
+ abrev
463
+ abs
464
+ ac
465
+ acc
466
+ acron
467
+ adj
468
+ adm
469
+ adr
470
+ adv
471
+ alt
472
+ anal
473
+ anat
474
+ angl
475
+ appos
476
+ apr
477
+ apr
478
+ asc
479
+ atm
480
+ auj
481
+ aux
482
+ av
483
+ avg
484
+ avr
485
+ b
486
+ b.a.o
487
+ b.a.p
488
+ b.a.r
489
+ bacc
490
+ bat
491
+ bc
492
+ bd
493
+ bde
494
+ bgen
495
+ bijv
496
+ bijz
497
+ br
498
+ bv
499
+ c
500
+ c.-a-d
501
+ c.a.f
502
+ c.i
503
+ cc
504
+ cf
505
+ cft
506
+ ch
507
+ ch.-l
508
+ chbre
509
+ chbs
510
+ chf
511
+ col
512
+ coll
513
+ cpl
514
+ cpt
515
+ cpte
516
+ cta
517
+ d
518
+ d.c
519
+ d.w.z
520
+ dcha
521
+ dec
522
+ def
523
+ dem
524
+ dep
525
+ dept
526
+ dhr
527
+ dipl
528
+ dispo
529
+ div
530
+ dpto
531
+ dr
532
+ dr.h.c
533
+ dra
534
+ dras
535
+ drs
536
+ ds
537
+ dz
538
+ e.c
539
+ e.g
540
+ e.g
541
+ e.k
542
+ eccles
543
+ ecol
544
+ econ
545
+ ed
546
+ ej
547
+ env
548
+ ep
549
+ eq
550
+ et
551
+ etc
552
+ ev
553
+ ex
554
+ exmo
555
+ exo
556
+ exp
557
+ expo
558
+ f.a.c
559
+ fa
560
+ fam
561
+ fasc
562
+ fbg
563
+ feb
564
+ fem
565
+ fevr
566
+ ff
567
+ fl
568
+ fol
569
+ fr
570
+ fs
571
+ fut
572
+ gd
573
+ gde
574
+ gdes
575
+ gds
576
+ gen
577
+ gl
578
+ grd
579
+ h.-t
580
+ hab
581
+ i.e
582
+ i.p.v
583
+ i.s.m
584
+ i.t.t
585
+ i.v.m
586
+ ibid
587
+ id
588
+ imp
589
+ ing
590
+ ir
591
+ iron
592
+ itd
593
+ itn
594
+ itp
595
+ izq
596
+ j
597
+ janv
598
+ jhr
599
+ jkvr
600
+ jr
601
+ l
602
+ lat
603
+ lex
604
+ lgen
605
+ lib
606
+ lieut
607
+ liv
608
+ lkol
609
+ loc
610
+ lof
611
+ m
612
+ m.a.w
613
+ m.b.t
614
+ m.b.v
615
+ m.h.o
616
+ m.i
617
+ m.i.v
618
+ maj
619
+ mar
620
+ mas
621
+ max
622
+ med
623
+ mevr
624
+ min
625
+ mll
626
+ mr
627
+ ms
628
+ mtr
629
+ mtrs
630
+ n
631
+ n
632
+ n.f
633
+ n.f.pl
634
+ n.m
635
+ n.m.pl
636
+ npr
637
+ o
638
+ o.b.s
639
+ obs
640
+ oct
641
+ okt
642
+ ord
643
+ oz
644
+ p
645
+ p
646
+ p.a
647
+ p.ej
648
+ p.ex
649
+ p.g.c.d
650
+ p.i
651
+ p.j
652
+ p.m
653
+ p.o
654
+ p.p
655
+ p.p.c.d
656
+ p.p.c.m
657
+ p.pa
658
+ p.pr
659
+ pl
660
+ plv
661
+ poe
662
+ pp
663
+ pp
664
+ pr
665
+ pr
666
+ pres
667
+ prev
668
+ prof
669
+ px
670
+ q.s
671
+ qqch
672
+ qqf
673
+ qqn
674
+ qqns
675
+ r.-de-ch
676
+ r.p.m
677
+ rc
678
+ rd
679
+ ref
680
+ refl
681
+ reg
682
+ rev
683
+ ro
684
+ rte
685
+ s
686
+ s
687
+ s.a
688
+ s.b.f
689
+ s.d
690
+ s.e
691
+ s.l
692
+ s.l.n.d
693
+ s.l.p
694
+ s.t.p
695
+ s.v.p
696
+ s/c
697
+ sc
698
+ sf
699
+ sgt
700
+ sl
701
+ sr
702
+ sra
703
+ sras
704
+ srs
705
+ ss
706
+ sto
707
+ t
708
+ t.s.v.p
709
+ tec
710
+ tel
711
+ terr
712
+ tg
713
+ tint
714
+ tit
715
+ tj
716
+ tr
717
+ travx
718
+ v
719
+ v.intr
720
+ v.tr
721
+ v.w.t
722
+ var
723
+ vs
724
+ vta
725
+ vx
726
+ z.v
727
+ zool
728
+ Št
729
+ št