#!/usr/bin/python # -*- coding=utf-8 -*- # ------------------------------------------------------------------------------- # Name: stem_noun_const # Purpose: Arabic lexical analyser constants, provides feature for stemming arabic word as noun # # Author: Taha Zerrouki (taha.zerrouki[at]gmail.com) # # Created: 31-10-2011 # Copyright: (c) Taha Zerrouki 2011 # Licence: GPL # ------------------------------------------------------------------------------- """Constants for stemming nouns""" import pyarabic.araby as ar COMP_PREFIX_LETTERS = "أابتفكلو" COMP_SUFFIX_LETTERS = "ينهكماو" COMP_INFIX_LETTERS = "" COMP_MAX_PREFIX = 5 COMP_MAX_SUFFIX = 6 COMP_MIN_STEM = 2 COMP_JOKER = "*" COMP_PREFIX_LIST_TAGS = { "": {"tags": ("",), "vocalized": ("",)}, "أ": {"tags": ("استفهام",), "vocalized": ("أَ",)}, "أَ": {"tags": ("استفهام",), "vocalized": ("أَ",)}, "و": { "tags": ( "عطف", "", ), "vocalized": ("وَ",), }, "وَ": { "tags": ( "عطف", "", ), "vocalized": ("وَ",), }, "أو": { "tags": ( "عطف", "استفهام", ), "vocalized": ("أَوََ",), }, "ف": {"tags": ("عطف",), "vocalized": ("فَ",)}, "أف": { "tags": ( "استفهام", "عطف", ), "vocalized": ("أَفَ",), }, "ب": {"tags": ("جر",), "vocalized": ("بِ",)}, "أب": { "tags": ( "استفهام", "جر", ), "vocalized": ("أَبِ",), }, "وب": { "tags": ( "جر", "عطف", ), "vocalized": ("وَبِ",), }, "أوب": { "tags": ( "استفهام", "جر", "عطف", ), "vocalized": ("أَوَبِ",), }, "فب": { "tags": ( "عطف", "جر", ), "vocalized": ("فَبِ",), }, "أفب": { "tags": ( "استفهام", "عطف", "جر", ), "vocalized": ("أَفَبِ",), }, "ك": {"tags": ("جر",), "vocalized": ("كَ",)}, "أك": { "tags": ( "استفهام", "جر", ), "vocalized": ("أكَ",), }, "وك": { "tags": ( "جر", "عطف", ), "vocalized": ("وَكَ",), }, "أوك": { "tags": ( "استفهام", "جر", "عطف", ), "vocalized": ("أَوَكَ",), }, "فك": { "tags": ( "عطف", "جر", ), "vocalized": ("فَكَ",), }, "أفك": { "tags": ( "استفهام", "عطف", "جر", ), "vocalized": ("أَفَكَ",), }, "ل": {"tags": ("جر",), "vocalized": ("لِ",)}, "أل": { "tags": ( "استفهام", "جر", ), "vocalized": ("أَلِ",), }, "ول": { "tags": ( "جر", "عطف", ), "vocalized": ("وَلِ",), }, "أول": { "tags": ( "استفهام", "جر", "عطف", ), "vocalized": ("أَوَلِ",), }, "فل": { "tags": ( "عطف", "جر", ), "vocalized": ("فَلِ",), }, "أفل": { "tags": ( "استفهام", "عطف", "جر", ), "vocalized": ("أَفَلِ",), }, "ال": {"tags": ("تعريف",), "vocalized": ("الْ",)}, "أال": { "tags": ( "استفهام", "تعريف", ), "vocalized": ("أَالْ",), }, "وال": { "tags": ( "تعريف", "عطف", ), "vocalized": ("وَالْ",), }, "أوال": { "tags": ( "استفهام", "تعريف", "عطف", ), "vocalized": ("أَوَالْ",), }, "فال": { "tags": ( "عطف", "تعريف", ), "vocalized": ("فَالْ",), }, "أفال": { "tags": ( "استفهام", "عطف", "تعريف", ), "vocalized": ("أَفَالْ",), }, "بال": { "tags": ( "جر", "تعريف", ), "vocalized": ("بِالْ",), }, "أبال": { "tags": ( "استفهام", "جر", "تعريف", ), "vocalized": ("أَبالْ",), }, "وبال": { "tags": ( "جر", "تعريف", "عطف", ), "vocalized": ("وَبِالْْ",), }, "أوبال": { "tags": ( "استفهام", "جر", "تعريف", "عطف", ), "vocalized": ("أَوَبالْْ",), }, "فبال": { "tags": ( "عطف", "جر", "تعريف", ), "vocalized": ("فَبِالْ",), }, "أفبال": { "tags": ( "استفهام", "عطف", "جر", "تعريف", ), "vocalized": ("أَفَبِالْ",), }, "كال": { "tags": ( "جر", "تعريف", ), "vocalized": ("كَالْْ",), }, "أكال": { "tags": ( "استفهام", "جر", "تعريف", ), "vocalized": ("أكَالْ",), }, "وكال": { "tags": ( "جر", "تعريف", "عطف", ), "vocalized": ("وَكَالْْ",), }, "أوكال": { "tags": ( "استفهام", "جر", "تعريف", "عطف", ), "vocalized": ("أَوَكَالْْ",), }, "فكال": { "tags": ( "عطف", "جر", "تعريف", ), "vocalized": ("فَكَالْ",), }, "أفكال": { "tags": ( "استفهام", "عطف", "جر", "تعريف", ), "vocalized": ("أَفَكَالْ",), }, "لل": { "tags": ( "جر", "تعريف", ), "vocalized": ("لِلْ",), }, "ألل": { "tags": ( "استفهام", "جر", "تعريف", ), "vocalized": ("أَلِلْ",), }, "ولل": { "tags": ( "جر", "تعريف", "عطف", ), "vocalized": ("وَلِلْ",), }, "أولل": { "tags": ( "استفهام", "جر", "تعريف", "عطف", ), "vocalized": ("أَوَلِلْ",), }, "فلل": { "tags": ( "عطف", "جر", "تعريف", ), "vocalized": ("فَلِلْ",), }, "أفلل": { "tags": ( "استفهام", "عطف", "جر", "تعريف", ), "vocalized": ("أَفَلِلْ",), }, } COMP_PREFIX_LIST = list(COMP_PREFIX_LIST_TAGS.keys()) COMP_SUFFIX_LIST_TAGS = { "": {"tags": ("",), "vocalized": ("",)}, "ي": { "tags": ("مضاف",), "vocalized": ("ي",), }, "ك": { "tags": ("مضاف",), "vocalized": ("كَ", "كِ"), }, "كَ": { "tags": ("مضاف",), "vocalized": ("كَ",), }, "كِ": { "tags": ("مضاف",), "vocalized": ("كِ",), }, "كم": { "tags": ("مضاف",), "vocalized": ("كُمْ",), }, "كُمْ": { "tags": ("مضاف",), "vocalized": ("كُمْ",), }, "كن": { "tags": ("مضاف",), "vocalized": ("كُنَّ",), }, "كُنَّ": { "tags": ("مضاف",), "vocalized": ("كُنَّ",), }, "ها": { "tags": ("مضاف",), "vocalized": ("هَا",), }, "هَا": { "tags": ("مضاف",), "vocalized": ("هَا",), }, "نا": { "tags": ("مضاف",), "vocalized": ("نَا",), }, "نَا": { "tags": ("مضاف",), "vocalized": ("نَا",), }, "كما": { "tags": ("مضاف",), "vocalized": ("كُمَا",), }, "كُمَا": { "tags": ("مضاف",), "vocalized": ("كُمَا",), }, "هما": { "tags": ("مضاف",), "vocalized": ("هُمَا",), }, # the second variant is ajusted in vocalized fucntion "هُمَا": { "tags": ("مضاف",), "vocalized": ("هُمَا",), }, # تستعمل في حالة كسر هاء الضمير في الجر "هِمَا": { "tags": ("مضاف",), "vocalized": ("هِمَا",), }, # u"هُمَا":{'tags':(u"مضاف", u'لايجر' ), "vocalized":(u"هُمَا", ), }, # u"هِمَا":{'tags':(u"مضاف", u"مجرور", ), "vocalized":(u"هِمَا", ), }, "هم": { "tags": ("مضاف",), "vocalized": ("هُمْ",), }, "هُمْ": { "tags": ("مضاف",), "vocalized": ("هُمْ",), }, # the second variant is ajusted in vocalized fucntion "هِمْ": { "tags": ("مضاف",), "vocalized": ("هِمْ",), }, # u"هُمْ":{'tags':(u"مضاف", u'لايجر'), "vocalized":(u"هُمْ", ), }, # u"هِمْ":{'tags':(u"مضاف", u"مجرور", ), "vocalized":(u"هِمْ", ), }, "هن": { "tags": ("مضاف",), "vocalized": ("هُنَّ",), }, "هُنَّ": { "tags": ("مضاف",), "vocalized": ("هُنَّ",), }, # the second variant is ajusted in vocalized fucntion "هِنَّ": { "tags": ("مضاف",), "vocalized": ("هِنَّ",), }, # u"هُنَّ":{'tags':(u"مضاف", u'لايجر' ), "vocalized":(u"هُنَّ", ), }, # u"هِنَّ":{'tags':(u"مضاف", u"مجرور", ), "vocalized":(u"هِنَّ", ), }, "ه": { "tags": ("مضاف",), "vocalized": ("هُ",), }, "هُ": { "tags": ("مضاف",), "vocalized": ("هُ",), }, # the second variant is ajusted in vocalized fucntion "هِ": { "tags": ("مضاف",), "vocalized": ("هِ",), }, # u"هُ":{'tags':(u"مضاف", u'لايجر'), "vocalized":(u"هُ", ), }, # u"هِ":{'tags':(u"مضاف", u"مجرور", ), "vocalized":(u"هِ", ), }, } COMP_SUFFIX_LIST = list(COMP_SUFFIX_LIST_TAGS.keys()) COMP_NOUN_AFFIXES = set( [ "-", # قصد "أ-", # أ-قصد "و-", # و-قصد "أو-", # أ-و-قصد "ف-", # ف-قصد "أف-", # أ-ف-قصد "ب-", # ب-قصد "أب-", # أ-ب-قصد "وب-", # و-ب-قصد "أوب-", # أ-و-ب-قصد "فب-", # ف-ب-قصد "أفب-", # أ-ف-ب-قصد "ك-", # ك-قصد "أك-", # أ-ك-قصد "وك-", # و-ك-قصد "أوك-", # أ-و-ك-قصد "فك-", # ف-ك-قصد "أفك-", # أ-ف-ك-قصد "ل-", # ل-قصد "أل-", # أ-ل-قصد "ول-", # و-ل-قصد "أول-", # أ-و-ل-قصد "فل-", # ف-ل-قصد "أفل-", # أ-ف-ل-قصد "-ي", # قصد-ي "أ-ي", # أ-قصد-ي "و-ي", # و-قصد-ي "أو-ي", # أ-و-قصد-ي "ف-ي", # ف-قصد-ي "أف-ي", # أ-ف-قصد-ي "ب-ي", # ب-قصد-ي "أب-ي", # أ-ب-قصد-ي "وب-ي", # و-ب-قصد-ي "أوب-ي", # أ-و-ب-قصد-ي "فب-ي", # ف-ب-قصد-ي "أفب-ي", # أ-ف-ب-قصد-ي "ك-ي", # ك-قصد-ي "أك-ي", # أ-ك-قصد-ي "وك-ي", # و-ك-قصد-ي "أوك-ي", # أ-و-ك-قصد-ي "فك-ي", # ف-ك-قصد-ي "أفك-ي", # أ-ف-ك-قصد-ي "ل-ي", # ل-قصد-ي "أل-ي", # أ-ل-قصد-ي "ول-ي", # و-ل-قصد-ي "أول-ي", # أ-و-ل-قصد-ي "فل-ي", # ف-ل-قصد-ي "أفل-ي", # أ-ف-ل-قصد-ي "-ك", # قصد-ك "أ-ك", # أ-قصد-ك "و-ك", # و-قصد-ك "أو-ك", # أ-و-قصد-ك "ف-ك", # ف-قصد-ك "أف-ك", # أ-ف-قصد-ك "ب-ك", # ب-قصد-ك "أب-ك", # أ-ب-قصد-ك "وب-ك", # و-ب-قصد-ك "أوب-ك", # أ-و-ب-قصد-ك "فب-ك", # ف-ب-قصد-ك "أفب-ك", # أ-ف-ب-قصد-ك "ك-ك", # ك-قصد-ك "أك-ك", # أ-ك-قصد-ك "وك-ك", # و-ك-قصد-ك "أوك-ك", # أ-و-ك-قصد-ك "فك-ك", # ف-ك-قصد-ك "أفك-ك", # أ-ف-ك-قصد-ك "ل-ك", # ل-قصد-ك "أل-ك", # أ-ل-قصد-ك "ول-ك", # و-ل-قصد-ك "أول-ك", # أ-و-ل-قصد-ك "فل-ك", # ف-ل-قصد-ك "أفل-ك", # أ-ف-ل-قصد-ك "-ه", # قصد-ه "أ-ه", # أ-قصد-ه "و-ه", # و-قصد-ه "أو-ه", # أ-و-قصد-ه "ف-ه", # ف-قصد-ه "أف-ه", # أ-ف-قصد-ه "ب-ه", # ب-قصد-ه "أب-ه", # أ-ب-قصد-ه "وب-ه", # و-ب-قصد-ه "أوب-ه", # أ-و-ب-قصد-ه "فب-ه", # ف-ب-قصد-ه "أفب-ه", # أ-ف-ب-قصد-ه "ك-ه", # ك-قصد-ه "أك-ه", # أ-ك-قصد-ه "وك-ه", # و-ك-قصد-ه "أوك-ه", # أ-و-ك-قصد-ه "فك-ه", # ف-ك-قصد-ه "أفك-ه", # أ-ف-ك-قصد-ه "ل-ه", # ل-قصد-ه "أل-ه", # أ-ل-قصد-ه "ول-ه", # و-ل-قصد-ه "أول-ه", # أ-و-ل-قصد-ه "فل-ه", # ف-ل-قصد-ه "أفل-ه", # أ-ف-ل-قصد-ه "-كم", # قصد-كم "أ-كم", # أ-قصد-كم "و-كم", # و-قصد-كم "أو-كم", # أ-و-قصد-كم "ف-كم", # ف-قصد-كم "أف-كم", # أ-ف-قصد-كم "ب-كم", # ب-قصد-كم "أب-كم", # أ-ب-قصد-كم "وب-كم", # و-ب-قصد-كم "أوب-كم", # أ-و-ب-قصد-كم "فب-كم", # ف-ب-قصد-كم "أفب-كم", # أ-ف-ب-قصد-كم "ك-كم", # ك-قصد-كم "أك-كم", # أ-ك-قصد-كم "وك-كم", # و-ك-قصد-كم "أوك-كم", # أ-و-ك-قصد-كم "فك-كم", # ف-ك-قصد-كم "أفك-كم", # أ-ف-ك-قصد-كم "ل-كم", # ل-قصد-كم "أل-كم", # أ-ل-قصد-كم "ول-كم", # و-ل-قصد-كم "أول-كم", # أ-و-ل-قصد-كم "فل-كم", # ف-ل-قصد-كم "أفل-كم", # أ-ف-ل-قصد-كم "-كن", # قصد-كن "أ-كن", # أ-قصد-كن "و-كن", # و-قصد-كن "أو-كن", # أ-و-قصد-كن "ف-كن", # ف-قصد-كن "أف-كن", # أ-ف-قصد-كن "ب-كن", # ب-قصد-كن "أب-كن", # أ-ب-قصد-كن "وب-كن", # و-ب-قصد-كن "أوب-كن", # أ-و-ب-قصد-كن "فب-كن", # ف-ب-قصد-كن "أفب-كن", # أ-ف-ب-قصد-كن "ك-كن", # ك-قصد-كن "أك-كن", # أ-ك-قصد-كن "وك-كن", # و-ك-قصد-كن "أوك-كن", # أ-و-ك-قصد-كن "فك-كن", # ف-ك-قصد-كن "أفك-كن", # أ-ف-ك-قصد-كن "ل-كن", # ل-قصد-كن "أل-كن", # أ-ل-قصد-كن "ول-كن", # و-ل-قصد-كن "أول-كن", # أ-و-ل-قصد-كن "فل-كن", # ف-ل-قصد-كن "أفل-كن", # أ-ف-ل-قصد-كن "-ها", # قصد-ها "أ-ها", # أ-قصد-ها "و-ها", # و-قصد-ها "أو-ها", # أ-و-قصد-ها "ف-ها", # ف-قصد-ها "أف-ها", # أ-ف-قصد-ها "ب-ها", # ب-قصد-ها "أب-ها", # أ-ب-قصد-ها "وب-ها", # و-ب-قصد-ها "أوب-ها", # أ-و-ب-قصد-ها "فب-ها", # ف-ب-قصد-ها "أفب-ها", # أ-ف-ب-قصد-ها "ك-ها", # ك-قصد-ها "أك-ها", # أ-ك-قصد-ها "وك-ها", # و-ك-قصد-ها "أوك-ها", # أ-و-ك-قصد-ها "فك-ها", # ف-ك-قصد-ها "أفك-ها", # أ-ف-ك-قصد-ها "ل-ها", # ل-قصد-ها "أل-ها", # أ-ل-قصد-ها "ول-ها", # و-ل-قصد-ها "أول-ها", # أ-و-ل-قصد-ها "فل-ها", # ف-ل-قصد-ها "أفل-ها", # أ-ف-ل-قصد-ها "-هم", # قصد-هم "أ-هم", # أ-قصد-هم "و-هم", # و-قصد-هم "أو-هم", # أ-و-قصد-هم "ف-هم", # ف-قصد-هم "أف-هم", # أ-ف-قصد-هم "ب-هم", # ب-قصد-هم "أب-هم", # أ-ب-قصد-هم "وب-هم", # و-ب-قصد-هم "أوب-هم", # أ-و-ب-قصد-هم "فب-هم", # ف-ب-قصد-هم "أفب-هم", # أ-ف-ب-قصد-هم "ك-هم", # ك-قصد-هم "أك-هم", # أ-ك-قصد-هم "وك-هم", # و-ك-قصد-هم "أوك-هم", # أ-و-ك-قصد-هم "فك-هم", # ف-ك-قصد-هم "أفك-هم", # أ-ف-ك-قصد-هم "ل-هم", # ل-قصد-هم "أل-هم", # أ-ل-قصد-هم "ول-هم", # و-ل-قصد-هم "أول-هم", # أ-و-ل-قصد-هم "فل-هم", # ف-ل-قصد-هم "أفل-هم", # أ-ف-ل-قصد-هم "-هن", # قصد-هن "أ-هن", # أ-قصد-هن "و-هن", # و-قصد-هن "أو-هن", # أ-و-قصد-هن "ف-هن", # ف-قصد-هن "أف-هن", # أ-ف-قصد-هن "ب-هن", # ب-قصد-هن "أب-هن", # أ-ب-قصد-هن "وب-هن", # و-ب-قصد-هن "أوب-هن", # أ-و-ب-قصد-هن "فب-هن", # ف-ب-قصد-هن "أفب-هن", # أ-ف-ب-قصد-هن "ك-هن", # ك-قصد-هن "أك-هن", # أ-ك-قصد-هن "وك-هن", # و-ك-قصد-هن "أوك-هن", # أ-و-ك-قصد-هن "فك-هن", # ف-ك-قصد-هن "أفك-هن", # أ-ف-ك-قصد-هن "ل-هن", # ل-قصد-هن "أل-هن", # أ-ل-قصد-هن "ول-هن", # و-ل-قصد-هن "أول-هن", # أ-و-ل-قصد-هن "فل-هن", # ف-ل-قصد-هن "أفل-هن", # أ-ف-ل-قصد-هن "-نا", # قصد-نا "أ-نا", # أ-قصد-نا "و-نا", # و-قصد-نا "أو-نا", # أ-و-قصد-نا "ف-نا", # ف-قصد-نا "أف-نا", # أ-ف-قصد-نا "ب-نا", # ب-قصد-نا "أب-نا", # أ-ب-قصد-نا "وب-نا", # و-ب-قصد-نا "أوب-نا", # أ-و-ب-قصد-نا "فب-نا", # ف-ب-قصد-نا "أفب-نا", # أ-ف-ب-قصد-نا "ك-نا", # ك-قصد-نا "أك-نا", # أ-ك-قصد-نا "وك-نا", # و-ك-قصد-نا "أوك-نا", # أ-و-ك-قصد-نا "فك-نا", # ف-ك-قصد-نا "أفك-نا", # أ-ف-ك-قصد-نا "ل-نا", # ل-قصد-نا "أل-نا", # أ-ل-قصد-نا "ول-نا", # و-ل-قصد-نا "أول-نا", # أ-و-ل-قصد-نا "فل-نا", # ف-ل-قصد-نا "أفل-نا", # أ-ف-ل-قصد-نا "-كما", # قصد-كما "أ-كما", # أ-قصد-كما "و-كما", # و-قصد-كما "أو-كما", # أ-و-قصد-كما "ف-كما", # ف-قصد-كما "أف-كما", # أ-ف-قصد-كما "ب-كما", # ب-قصد-كما "أب-كما", # أ-ب-قصد-كما "وب-كما", # و-ب-قصد-كما "أوب-كما", # أ-و-ب-قصد-كما "فب-كما", # ف-ب-قصد-كما "أفب-كما", # أ-ف-ب-قصد-كما "ك-كما", # ك-قصد-كما "أك-كما", # أ-ك-قصد-كما "وك-كما", # و-ك-قصد-كما "أوك-كما", # أ-و-ك-قصد-كما "فك-كما", # ف-ك-قصد-كما "أفك-كما", # أ-ف-ك-قصد-كما "ل-كما", # ل-قصد-كما "أل-كما", # أ-ل-قصد-كما "ول-كما", # و-ل-قصد-كما "أول-كما", # أ-و-ل-قصد-كما "فل-كما", # ف-ل-قصد-كما "أفل-كما", # أ-ف-ل-قصد-كما "-هما", # قصد-هما "أ-هما", # أ-قصد-هما "و-هما", # و-قصد-هما "أو-هما", # أ-و-قصد-هما "ف-هما", # ف-قصد-هما "أف-هما", # أ-ف-قصد-هما "ب-هما", # ب-قصد-هما "أب-هما", # أ-ب-قصد-هما "وب-هما", # و-ب-قصد-هما "أوب-هما", # أ-و-ب-قصد-هما "فب-هما", # ف-ب-قصد-هما "أفب-هما", # أ-ف-ب-قصد-هما "ك-هما", # ك-قصد-هما "أك-هما", # أ-ك-قصد-هما "وك-هما", # و-ك-قصد-هما "أوك-هما", # أ-و-ك-قصد-هما "فك-هما", # ف-ك-قصد-هما "أفك-هما", # أ-ف-ك-قصد-هما "ل-هما", # ل-قصد-هما "أل-هما", # أ-ل-قصد-هما "ول-هما", # و-ل-قصد-هما "أول-هما", # أ-و-ل-قصد-هما "فل-هما", # ف-ل-قصد-هما "أفل-هما", # أ-ف-ل-قصد-هما "ال-", # ال-قصد "أال-", # أ-ال-قصد "وال-", # و-ال-قصد "أوال-", # أ-و-ال-قصد "فال-", # ف-ال-قصد "أفال-", # أ-ف-ال-قصد "بال-", # ب-ال-قصد "أبال-", # أ-ب-ال-قصد "وبال-", # و-ب-ال-قصد "أوبال-", # أ-و-ب-ال-قصد "فبال-", # ف-ب-ال-قصد "أفبال-", # أ-ف-ب-ال-قصد "كال-", # ك-ال-قصد "أكال-", # أ-ك-ال-قصد "وكال-", # و-ك-ال-قصد "أوكال-", # أ-و-ك-ال-قصد "فكال-", # ف-ك-ال-قصد "أفكال-", # أ-ف-ك-ال-قصد "لل-", # ل-ال-قصد "ألل-", # أ-ل-ال-قصد "ولل-", # و-ل-ال-قصد "أولل-", # أ-و-ل-ال-قصد "فلل-", # ف-ل-ال-قصد "أفلل-", # أ-ف-ل-ال-قصد ] ) CONJ_PREFIX_LETTERS = "1" CONJ_SUFFIX_LETTERS = "اتةنوي" CONJ_INFIX_LETTERS = "" CONJ_MAX_PREFIX = 3 CONJ_MAX_SUFFIX = 3 CONJ_MIN_STEM = 2 CONJ_JOKER = "*" CONJ_PREFIX_LIST = "" CONJ_SUFFIX_LIST_TAGS = { "": { "tags": ("",), "vocalized": ( ar.FATHA, ar.DAMMA, ar.KASRA, ar.DAMMATAN, ar.KASRATAN, ar.FATHATAN, ), }, "ُ": { "tags": ( "مرفوع", "متحرك", "ينون", ), "vocalized": ("ُ",), }, # DAMMA, "ٌ": {"tags": ("مرفوع", "متحرك", "تنوين"), "vocalized": ("ٌ",)}, # DAMMATAN, "ٍ": {"tags": ("مجرور", "متحرك", "تنوين"), "vocalized": ("ٍ",)}, # KASRA, "ِ": { "tags": ( "مجرور", "متحرك", "ينون", ), "vocalized": ("ِ",), }, # KAsratan, "َ": { "tags": ( "منصوب", "متحرك", "ينون", ), "vocalized": ("َ",), }, # FATHA, "ً": {"tags": ("منصوب", "تنوين"), "vocalized": ("ً",)}, # FATHATAN, "ة": { "tags": ("مؤنث", "يعرب"), "vocalized": ("َةُ", "َةٌ", "َةٍ", "َةِ", "َةَ", "َةً"), }, # TEH_MARBUTA, "َةُ": { "tags": ( "مؤنث", "مرفوع", "متحرك", "ينون", ), "vocalized": ("َةُ",), }, # TEH_MARBUTA, "َةٌ": { "tags": ("مؤنث", "مرفوع", "متحرك", "تنوين"), "vocalized": ("َةٌ",), }, # TEH_MARBUTA, "َةٍ": { "tags": ("مؤنث", "مجرور", "متحرك", "تنوين"), "vocalized": ("َةٍ",), }, # TEH_MARBUTA, "َةِ": { "tags": ( "مؤنث", "مجرور", "متحرك", "ينون", ), "vocalized": ("َةِ",), }, # TEH_MARBUTA, "َةَ": { "tags": ( "مؤنث", "منصوب", "متحرك", "ينون", ), "vocalized": ("َةَ",), }, # TEH_MARBUTA, "َةً": { "tags": ("مؤنث", "منصوب", "متحرك", "تنوين"), "vocalized": ("َةً",), }, # TEH_MARBUTA, "ية": { "tags": ("مؤنث", "مجرور", "منسوب", "يعرب"), "vocalized": ("ِيَّةُ", "ِيَّةٌ", "ِيَّةٍ", "ِيَّةِ", "ِيَّةَ", "ِيَّةً"), }, # TEH_MARBUTA, "ِيَّةُ": { "tags": ( "مؤنث", "مرفوع", "متحرك", "منسوب", "ينون", ), "vocalized": ("ِيَّةُ",), }, # TEH_MARBUTA, "ِيَّةٌ": { "tags": ("مؤنث", "مرفوع", "متحرك", "تنوين", "منسوب"), "vocalized": ("ِيَّةٌ",), }, # TEH_MARBUTA, "ِيَّةٍ": { "tags": ("مؤنث", "مجرور", "متحرك", "تنوين", "منسوب"), "vocalized": ("ِيَّةٍ",), }, # TEH_MARBUTA, "ِيَّةِ": { "tags": ( "مؤنث", "مجرور", "متحرك", "منسوب", "ينون", ), "vocalized": ("ِيَّةِ",), }, # TEH_MARBUTA, "ِيَّةَ": { "tags": ( "مؤنث", "منصوب", "متحرك", "منسوب", "ينون", ), "vocalized": ("ِيَّةَ",), }, # TEH_MARBUTA, "ِيَّةً": { "tags": ("مؤنث", "منصوب", "متحرك", "تنوين", "منسوب"), "vocalized": ("ِيَّةً",), }, # TEH_MARBUTA, "ا": { "tags": ( "مثنى", "مرفوع", ), "vocalized": ("َا", "ًا"), }, # ALEF, "َا": { "tags": ( "مثنى", "إضافة", "مرفوع", "متحرك", ), "vocalized": ("َا",), }, # ALEF, # ~ u"ًا":{'tags':(u'تنوين', u'منصوب', u'متحرك', ), 'vocalized':(u'ًا', )}, #ALEF, "ًا": { "tags": ( "تنوين", "منصوب", "متحرك", ), "vocalized": ("ًا",), }, # ALEF, # u"ت":{'tags':(u'مؤنث', u'مضاف', u'مجرور'), 'vocalized':(u'َت', )}, #TEH_MARBUTA, # u"يت":{'tags':(u'مضاف', u'مجرور'), 'vocalized':(u'َيَّتَ', )}, #YEH+TEH_MARBUTA, "ات": { "tags": ("جمع مؤنث سالم", "مجرور", "متحرك", "جمع", "يعرب"), "vocalized": ("َاتُ", "َاتٌ", "َاتٍ", "َاتِ"), }, # ALEF+TEH, "َاتُ": { "tags": ("جمع مؤنث سالم", "مرفوع", "متحرك", "ينون", "جمع"), "vocalized": ("َاتُ",), }, # ALEF+TEH, "َاتٌ": { "tags": ("جمع مؤنث سالم", "مرفوع", "متحرك", "تنوين", "جمع"), "vocalized": ("َاتٌ",), }, # ALEF+TEH, "َاتٍ": { "tags": ("جمع مؤنث سالم", "متحرك", "تنوين", "جمع"), "cases": ("مجرور", "منصوب"), "vocalized": ("َاتٍ",), }, # ALEF+TEH, "َاتِ": { "tags": ("جمع مؤنث سالم", "متحرك", "ينون", "جمع"), "cases": ("مجرور", "منصوب"), "vocalized": ("َاتِ",), }, # ALEF+TEH, "ون": { "tags": ("جمع مذكر سالم", "لايضاف", "جمع"), "vocalized": ("ُونَ",), }, # WAW+NOON, "ُونَ": { "tags": ("جمع مذكر سالم", "لايضاف", "جمع"), "vocalized": ("ُونَ",), }, # WAW+NOON, "ين": {"tags": ("مجرور", "لايضاف", "جمع"), "vocalized": ("ِينَ", "َيْنِ")}, # YEH+NOON, "ِينَ": { "tags": ("جمع مذكر سالم", "لايضاف", "جمع"), "cases": ("مجرور", "منصوب"), "vocalized": ("ِينَ",), }, # YEH+NOON, "َيْنِ": { "tags": ("مجرور", "منصوب", "لايضاف", "مثنى"), "vocalized": ("َيْنِ",), }, # YEH+NOON, "و": {"tags": ("جمع مذكر سالم", "إضافة", "جمع"), "vocalized": ("ُو",)}, # WAW, "ُو": {"tags": ("جمع مذكر سالم", "إضافة", "جمع"), "vocalized": ("ُو",)}, # WAW, # YEH "ي": {"tags": (), "vocalized": ("ِي", "َيْ", "ِيُّ", "ِيٌّ", "ِيَّ", "ِيِّ", "ِيٍّ")}, # YEH, "يا": {"tags": ("منسوب", "منصوب", "تنوين"), "vocalized": ("يا", "ِيًّا")}, # YEH, "ِيًّا": {"tags": ("منسوب", "منصوب", "تنوين"), "vocalized": ("يا",)}, # YEH, # المثنى "َيْ": { "tags": ( "مثنى", "مضاف", ), "cases": ("مجرور", "منصوب"), "vocalized": ("ي",), }, # YEH, # الجمع "ِي": { "tags": ( "جمع مذكر سالم", "مضاف", ), "cases": ("مجرور", "منصوب"), "vocalized": ("ي",), }, # YEH, # منسوب بالياء "ِيُّ": { "tags": ( "منسوب", "مرفوع", ), "vocalized": ("ي",), }, # YEH, "ِيٌّ": {"tags": ("منسوب", "مرفوع", "تنوين"), "vocalized": ("ي",)}, # YEH, "ِيَّ": { "tags": ( "منسوب", "منصوب", ), "vocalized": ("ي",), }, # YEH, "ِيِّ": { "tags": ( "منسوب", "مجرور", ), "vocalized": ("ي",), }, # YEH, "ِيٍّ": {"tags": ("منسوب", "مجرور", "تنوين"), "vocalized": ("ي",)}, # YEH, "ان": {"tags": ("مثنى", "لايضاف", "مرفوع"), "vocalized": ("َانِ",)}, # ALEF+NOON, "َانِ": {"tags": ("مثنى", "لايضاف", "مرفوع"), "vocalized": ("َانِ",)}, # ALEF+NOON, "تين": { "tags": ("مثنى", "مجرور", "لايضاف"), "vocalized": ("َتَيْنِ",), }, # TEH+YEH+NOON, "َتَيْنِ": { "tags": ("مثنى", "مجرور", "لايضاف"), "vocalized": ("َتَيْنِ",), }, # TEH+YEH+NOON, "تان": {"tags": ("مثنى", "لايضاف"), "vocalized": ("َتَانِِ",)}, # TEH+ALEF+NOON, "َتَانِِ": {"tags": ("مثنى", "لايضاف"), "vocalized": ("َتَانِِ",)}, # TEH+ALEF+NOON, "يتين": { "tags": ("مثنى", "مجرور", "لايضاف"), "vocalized": ("ِيَّتَيْنِ",), }, # TEH+YEH+NOON, "ِيَّتَيْنِ": { "tags": ("مثنى", "مجرور", "لايضاف"), "vocalized": ("ِيَّتَيْنِ",), }, # TEH+YEH+NOON, "يتان": {"tags": ("مثنى", "لايضاف"), "vocalized": ("ِيَّتَانِِ",)}, # TEH+ALEF+NOON, "ِيَّتَانِِ": {"tags": ("مثنى", "لايضاف"), "vocalized": ("ِيَّتَانِِ",)}, # TEH+ALEF+NOON, "يات": { "tags": ("جمع مؤنث سالم", "مجرور", "متحرك", "جمع", "يعرب"), "vocalized": ( "ِيَاتِ", "ِيَاتُ", "ِيَاتٌ", "ِيَاتٍ", ), }, # YEH+ALEF+TEH, "ِيَاتُ": { "tags": ("جمع مؤنث سالم", "مرفوع", "متحرك", "ينون", "جمع"), "vocalized": ("ِيَاتُ",), }, # YEH+ALEF+TEH, "ِيَاتٌ": { "tags": ("جمع مؤنث سالم", "مرفوع", "متحرك", "تنوين", "جمع"), "vocalized": ("ِيَاتٌ",), }, # YEH+ALEF+TEH, "ِيَاتِ": { "tags": ("جمع مؤنث سالم", "متحرك", "ينون", "جمع"), "cases": ("منصوب", "مجرور"), "vocalized": ("ِيَاتِ",), }, # YEH+ALEF+TEH, "ِيَاتٍ": { "tags": ("جمع مؤنث سالم", "متحرك", "تنوين", "جمع"), "cases": ("منصوب", "مجرور"), "vocalized": ("ِيَاتٍ",), }, # YEH+ALEF+TEH, } CONJ_SUFFIX_LIST = list(CONJ_SUFFIX_LIST_TAGS.keys()) NOMINAL_CONJUGATION_AFFIX = set( [ "-", "-ة", # TEH_MARBUTA, "-ية", # YEH+TEH_MARBUTA, "-يتين", # TEH_MARBUTA, "-يتان", # YEH+TEH_MARBUTA, "-ا", # ALEF, "-ات", # ALEF+TEH, "-ون", # WAW+NOON, "-ين", # YEH+NOON, "-و", # WAW, "-ي", # YEH, "-يا", # YEH, "-ان", # ALEF+NOON, "-تين", # TEH+YEH+NOON, "-تان", # TEH+ALEF+NOON, "-يات", # YEH+ALEF+TEH, ] ) AJUST_VOCAL_PATTERNS = [ (ar.FATHA + ar.ALEF_MAKSURA + ar.FATHATAN, ar.FATHATAN + ar.ALEF_MAKSURA), (ar.FATHA + ar.ALEF_MAKSURA + ar.KASRATAN, ar.FATHATAN + ar.ALEF_MAKSURA), (ar.FATHA + ar.ALEF_MAKSURA + ar.DAMMATAN, ar.FATHATAN + ar.ALEF_MAKSURA), (ar.ALEF_MAKSURA + ar.FATHA, ar.ALEF_MAKSURA), (ar.ALEF_MAKSURA + ar.KASRA, ar.ALEF_MAKSURA), (ar.ALEF_MAKSURA + ar.DAMMA, ar.ALEF_MAKSURA), # Alef MAdda (ar.ALEF_HAMZA_ABOVE + ar.FATHA + ar.ALEF, ar.ALEF_MADDA), ] # ~ word_vocalized = re.sub(ur"(%s)+" % ar.FATHA, ar.FATHA, word_vocalized) # ~ word_vocalized = re.sub(ur"%s%s%s" % (ar.FATHA, ar.ALEF_MAKSURA, # ~ ar.KASRATAN), # ~ ar.FATHATAN + ar.ALEF_MAKSURA, word_vocalized) # ~ word_vocalized = re.sub(ur"%s%s%s" % (ar.FATHA, ar.ALEF_MAKSURA, # ~ ar.DAMMATAN), # ~ ar.FATHATAN + ar.ALEF_MAKSURA, word_vocalized) # ~ word_vocalized = re.sub(ur"%s%s%s" % (ar.FATHA, ar.ALEF_MAKSURA, # ~ ar.FATHATAN), # ~ ar.FATHATAN + ar.ALEF_MAKSURA, word_vocalized) # ~ word_vocalized = re.sub(ur"%s%s%s" % (ar.FATHA, ar.ALEF_MAKSURA, ar.KASRA), # ~ ar.FATHA + ar.ALEF_MAKSURA, word_vocalized) # ~ word_vocalized = re.sub(ur"%s[%s|%s|%s]" % (ar.ALEF_MAKSURA, ar.DAMMA, # ~ ar.FATHA, ar.KASRA), # ~ ar.ALEF_MAKSURA, word_vocalized)