forked from cadence/breezewiki
Compare commits
6 commits
6c5a4019cc
...
0e2b5ea452
Author | SHA1 | Date | |
---|---|---|---|
0e2b5ea452 | |||
2b3a8fe108 | |||
dcb8a8a590 | |||
f5399524b1 | |||
ead6896818 | |||
9773e62c46 |
57 changed files with 209 additions and 9553 deletions
|
@ -35,12 +35,9 @@
|
||||||
(output-lines? #t)]))
|
(output-lines? #t)]))
|
||||||
(define (update-width)
|
(define (update-width)
|
||||||
(when (output-progress?)
|
(when (output-progress?)
|
||||||
(case (system-type 'os)
|
(with-charterm
|
||||||
[(linux)
|
(call-with-values (λ () (charterm-screen-size))
|
||||||
(with-charterm
|
(λ (cols rows) (set! width cols))))))
|
||||||
(call-with-values (λ () (charterm-screen-size))
|
|
||||||
(λ (cols rows) (set! width cols))))]
|
|
||||||
[else 100])))
|
|
||||||
(update-width)
|
(update-width)
|
||||||
;; check
|
;; check
|
||||||
(when (or (not wikiname) (equal? wikiname ""))
|
(when (or (not wikiname) (equal? wikiname ""))
|
||||||
|
@ -59,8 +56,8 @@
|
||||||
(define real-width (min (string-length basename) rest))
|
(define real-width (min (string-length basename) rest))
|
||||||
(define spare-width (- rest real-width))
|
(define spare-width (- rest real-width))
|
||||||
(define name-display (substring basename 0 real-width))
|
(define name-display (substring basename 0 real-width))
|
||||||
(printf "\e[2K\r~a~a" prefix name-display)
|
(define whitespace (make-string spare-width #\ ))
|
||||||
(flush-output)]))
|
(printf "~a~a~a\r" prefix name-display whitespace)]))
|
||||||
;; download all stages
|
;; download all stages
|
||||||
(for ([stage all-stages]
|
(for ([stage all-stages]
|
||||||
[i (in-naturals 1)])
|
[i (in-naturals 1)])
|
||||||
|
|
|
@ -48,8 +48,7 @@
|
||||||
((query-exec slc* "alter table wiki add column sitename TEXT")
|
((query-exec slc* "alter table wiki add column sitename TEXT")
|
||||||
(query-exec slc* "alter table wiki add column basepage TEXT")
|
(query-exec slc* "alter table wiki add column basepage TEXT")
|
||||||
(query-exec slc* "alter table wiki add column license_text TEXT")
|
(query-exec slc* "alter table wiki add column license_text TEXT")
|
||||||
(query-exec slc* "alter table wiki add column license_url TEXT"))
|
(query-exec slc* "alter table wiki add column license_url TEXT"))))
|
||||||
((query-exec slc* "alter table page add column redirect"))))
|
|
||||||
|
|
||||||
(let do-migrate-step ()
|
(let do-migrate-step ()
|
||||||
(when (database-version . < . (length migrations))
|
(when (database-version . < . (length migrations))
|
||||||
|
|
|
@ -2,14 +2,11 @@
|
||||||
(require racket/class
|
(require racket/class
|
||||||
racket/draw
|
racket/draw
|
||||||
racket/format
|
racket/format
|
||||||
racket/function
|
|
||||||
racket/list
|
racket/list
|
||||||
racket/math
|
|
||||||
racket/port
|
racket/port
|
||||||
racket/set
|
racket/set
|
||||||
racket/splicing
|
racket/splicing
|
||||||
racket/string
|
racket/string
|
||||||
(except-in pict text table)
|
|
||||||
db
|
db
|
||||||
net/http-easy
|
net/http-easy
|
||||||
memo
|
memo
|
||||||
|
@ -68,7 +65,7 @@
|
||||||
|
|
||||||
(define/obs @auto-retry #f)
|
(define/obs @auto-retry #f)
|
||||||
|
|
||||||
(define-struct qi^ (wikiname st stage progress max-progress ticks eta th) #:transparent) ;; queue item
|
(define-struct qi^ (wikiname st stage progress max-progress eta th) #:transparent) ;; queue item
|
||||||
|
|
||||||
(define rows (query-rows* "select wikiname, progress from wiki where progress < 4"))
|
(define rows (query-rows* "select wikiname, progress from wiki where progress < 4"))
|
||||||
(define/obs @queue null)
|
(define/obs @queue null)
|
||||||
|
@ -77,7 +74,7 @@
|
||||||
(define already-exists? (findf (λ (qi) (equal? (qi^-wikiname qi) wikiname)) queue))
|
(define already-exists? (findf (λ (qi) (equal? (qi^-wikiname qi) wikiname)) queue))
|
||||||
(if already-exists?
|
(if already-exists?
|
||||||
queue
|
queue
|
||||||
(append queue (list (qi^ wikiname st stage 0 1 0 "..." #f)))))))
|
(append queue (list (qi^ wikiname st stage 0 1 "..." #f)))))))
|
||||||
(for ([row rows])
|
(for ([row rows])
|
||||||
(add-wikiname-to-queue (vector-ref row 0)
|
(add-wikiname-to-queue (vector-ref row 0)
|
||||||
(if (= (vector-ref row 1) 4)
|
(if (= (vector-ref row 1) 4)
|
||||||
|
@ -91,67 +88,36 @@
|
||||||
|
|
||||||
(define color-green (make-color 90 212 68))
|
(define color-green (make-color 90 212 68))
|
||||||
|
|
||||||
(define (resize coords fraction)
|
(define/obs @input "")
|
||||||
(for/list ([coord (in-list coords)])
|
|
||||||
(cons (* fraction (car coord))
|
|
||||||
(* fraction (cdr coord)))))
|
|
||||||
|
|
||||||
(define (flat-right-arrow #:height [height 32] #:color [color #f])
|
(splicing-let ([frame-count 30])
|
||||||
((if color
|
|
||||||
(curryr colorize color)
|
|
||||||
values)
|
|
||||||
(dc (λ (dc dx dy)
|
|
||||||
(send dc draw-polygon (resize
|
|
||||||
(list '(0 . 9) '(15 . 9) '(14 . 0)
|
|
||||||
'(31 . 15.5)
|
|
||||||
'(14 . 31) '(15 . 22) '(0 . 22))
|
|
||||||
(/ height 32))))
|
|
||||||
height height)))
|
|
||||||
|
|
||||||
(define (double-left-arrow-icon #:height [height 32])
|
|
||||||
(define shift (/ height 48))
|
|
||||||
(pict->bitmap
|
|
||||||
(scale-to-fit
|
|
||||||
(panorama
|
|
||||||
(pin-under
|
|
||||||
(bitmap
|
|
||||||
(left-over-arrow-icon #:color halt-icon-color #:height height
|
|
||||||
#:material rubber-icon-material))
|
|
||||||
(- (* -20 shift) 2) (+ (* 6 shift) 1)
|
|
||||||
(bitmap
|
|
||||||
(bitmap-render-icon
|
|
||||||
(pict->bitmap
|
|
||||||
(rotate
|
|
||||||
(flat-right-arrow #:color (make-object color% 255 64 64) #:height (/ height 1.26))
|
|
||||||
(* pi 1.23)))))
|
|
||||||
#;(rotate
|
|
||||||
(flat-right-arrow #:color (make-object color% 255 64 64) #:height (/ height 1.26))
|
|
||||||
(* pi 1.23))))
|
|
||||||
height height #:mode 'preserve/max)))
|
|
||||||
|
|
||||||
(splicing-let ([frame-count 20])
|
|
||||||
(define stickman-frames
|
(define stickman-frames
|
||||||
(for/vector ([s (in-range 0 1 (/ 1 frame-count))])
|
(for/vector ([s (in-range 0 1 (/ 1 frame-count))])
|
||||||
(running-stickman-icon
|
(running-stickman-icon
|
||||||
s
|
s
|
||||||
#:height status-icon-size
|
#:height status-icon-size
|
||||||
#:material (default-icon-material)))))
|
#:material (default-icon-material))))
|
||||||
|
|
||||||
(define (stick n)
|
(define/obs @stick-frame-no 0)
|
||||||
(vector-ref stickman-frames (modulo n (vector-length stickman-frames))))
|
(define stick-timer
|
||||||
|
(new timer%
|
||||||
|
[notify-callback (λ () (@stick-frame-no . <~ . add1))]
|
||||||
|
[interval (truncate (/ 1000 frame-count))]))
|
||||||
|
(define/obs @stick
|
||||||
|
(@stick-frame-no . ~> . (λ (n) (vector-ref stickman-frames
|
||||||
|
(modulo n (vector-length stickman-frames)))))))
|
||||||
|
|
||||||
(define status-icons
|
(define status-icons
|
||||||
(hasheq 'queued (stop-icon #:color syntax-icon-color #:height status-icon-size)
|
(hasheq 'queued (stop-icon #:color syntax-icon-color #:height status-icon-size)
|
||||||
'paused (continue-forward-icon #:color syntax-icon-color #:height status-icon-size)
|
'paused (continue-forward-icon #:color syntax-icon-color #:height status-icon-size)
|
||||||
'running (stick 0)
|
'running @stick
|
||||||
'error (x-icon #:height status-icon-size)
|
'error (x-icon #:height status-icon-size)
|
||||||
'complete (check-icon #:color color-green #:height status-icon-size)))
|
'complete (check-icon #:color color-green #:height status-icon-size)))
|
||||||
|
|
||||||
(define action-icons
|
(define action-icons
|
||||||
(hasheq 'pause (pause-icon #:color syntax-icon-color #:height button-icon-size)
|
(hasheq 'pause (pause-icon #:color syntax-icon-color #:height button-icon-size)
|
||||||
'resume (play-icon #:color color-green #:height button-icon-size)
|
'resume (play-icon #:color color-green #:height button-icon-size)
|
||||||
'reset (left-over-arrow-icon #:color halt-icon-color #:height button-icon-size)
|
'reset (left-over-arrow-icon #:color halt-icon-color #:height button-icon-size)))
|
||||||
'reseter (double-left-arrow-icon #:height button-icon-size)))
|
|
||||||
|
|
||||||
(define (bitmap-view @the-bitmap [min-width 1])
|
(define (bitmap-view @the-bitmap [min-width 1])
|
||||||
(pict-canvas #:min-size (@> (list (max min-width (send @the-bitmap get-width)) (send @the-bitmap get-height))) #;(if min-size (list min-size min-size) #f)
|
(pict-canvas #:min-size (@> (list (max min-width (send @the-bitmap get-width)) (send @the-bitmap get-height))) #;(if min-size (list min-size min-size) #f)
|
||||||
|
@ -189,7 +155,7 @@
|
||||||
#:mixin (λ (%) (class % (super-new)
|
#:mixin (λ (%) (class % (super-new)
|
||||||
(obs-observe! @visible? (λ (visible?) (send this show visible?)))))
|
(obs-observe! @visible? (λ (visible?) (send this show visible?)))))
|
||||||
(vpanel #:margin '(15 15)
|
(vpanel #:margin '(15 15)
|
||||||
(text (format "Encountered this error while downloading ~a:" (qi^-wikiname (obs-peek @qi))))
|
(text "Encountered this error while downloading:")
|
||||||
(input #:style '(multiple hscroll)
|
(input #:style '(multiple hscroll)
|
||||||
#:min-size '(#f 200)
|
#:min-size '(#f 200)
|
||||||
(exn->string e))
|
(exn->string e))
|
||||||
|
@ -257,9 +223,7 @@
|
||||||
|
|
||||||
(define ((make-progress-updater @qi) a b c)
|
(define ((make-progress-updater @qi) a b c)
|
||||||
;; (printf "~a: ~a/~a ~a~n" (qi^-wikiname (obs-peek @qi)) a b c)
|
;; (printf "~a: ~a/~a ~a~n" (qi^-wikiname (obs-peek @qi)) a b c)
|
||||||
(update-qi @qi [progress a] [max-progress b] [ticks (add1 (qi^-ticks (obs-peek @qi)))]))
|
(update-qi @qi [progress a] [max-progress b]))
|
||||||
|
|
||||||
(define/obs @input "")
|
|
||||||
|
|
||||||
(define (do-add-to-queue)
|
(define (do-add-to-queue)
|
||||||
(define wikiname (string-trim (obs-peek @input)))
|
(define wikiname (string-trim (obs-peek @input)))
|
||||||
|
@ -295,20 +259,15 @@
|
||||||
(update-qi @qi [th #f] [st 'paused]))
|
(update-qi @qi [th #f] [st 'paused]))
|
||||||
|
|
||||||
(define (do-reset-qi @qi)
|
(define (do-reset-qi @qi)
|
||||||
(define reset-progress-to 0)
|
|
||||||
(define th (qi^-th (obs-peek @qi)))
|
(define th (qi^-th (obs-peek @qi)))
|
||||||
(when th (kill-thread th))
|
(when th (kill-thread th))
|
||||||
(update-qi @qi [th #f] [st 'queued] [stage reset-progress-to] [progress 0] [max-progress 0])
|
(update-qi @qi [th #f] [st 'queued] [stage 0] [progress 0] [max-progress 0])
|
||||||
(query-exec* "update wiki set progress = ? where wikiname = ?" reset-progress-to (qi^-wikiname (obs-peek @qi))))
|
(query-exec* "update wiki set progress = 0 where wikiname = ?" (qi^-wikiname (obs-peek @qi))))
|
||||||
|
|
||||||
(define (do-reseter-qi @qi)
|
|
||||||
(do-reset-qi @qi)
|
|
||||||
(query-exec* "delete from page where wikiname = ?" (qi^-wikiname (obs-peek @qi))))
|
|
||||||
|
|
||||||
(define (do-try-unpause-next-entry)
|
(define (do-try-unpause-next-entry)
|
||||||
(define queue (obs-peek @queue))
|
(define queue (obs-peek @queue))
|
||||||
(define next-qi (for/last ([qi queue]
|
(define next-qi (for/first ([qi queue]
|
||||||
#:when (memq (qi^-st qi) '(paused queued)))
|
#:when (memq (qi^-st qi) '(paused queued error)))
|
||||||
qi))
|
qi))
|
||||||
(when next-qi
|
(when next-qi
|
||||||
(define @qi (@queue . ~> . (λ (queue) (findf (λ (qi) (equal? (qi^-wikiname qi) (qi^-wikiname next-qi))) queue))))
|
(define @qi (@queue . ~> . (λ (queue) (findf (λ (qi) (equal? (qi^-wikiname qi) (qi^-wikiname next-qi))) queue))))
|
||||||
|
@ -322,6 +281,7 @@
|
||||||
#:mixin (λ (%) (class %
|
#:mixin (λ (%) (class %
|
||||||
(super-new)
|
(super-new)
|
||||||
(define/augment (on-close)
|
(define/augment (on-close)
|
||||||
|
(send stick-timer stop)
|
||||||
(for ([qi (obs-peek @queue)])
|
(for ([qi (obs-peek @queue)])
|
||||||
(when (qi^-th qi)
|
(when (qi^-th qi)
|
||||||
(kill-thread (qi^-th qi))))
|
(kill-thread (qi^-th qi))))
|
||||||
|
@ -347,7 +307,7 @@
|
||||||
(λ (k @qi)
|
(λ (k @qi)
|
||||||
(define @status-icons
|
(define @status-icons
|
||||||
(@> (case (qi^-st @qi)
|
(@> (case (qi^-st @qi)
|
||||||
[(running) (stick (qi^-ticks @qi))]
|
[(running) @stick]
|
||||||
[else (hash-ref status-icons (qi^-st @qi))])))
|
[else (hash-ref status-icons (qi^-st @qi))])))
|
||||||
(define @is-running?
|
(define @is-running?
|
||||||
(@> (memq (qi^-st @qi) '(running))))
|
(@> (memq (qi^-st @qi) '(running))))
|
||||||
|
@ -365,18 +325,15 @@
|
||||||
(spacer)
|
(spacer)
|
||||||
(hpanel
|
(hpanel
|
||||||
#:stretch '(#f #f)
|
#:stretch '(#f #f)
|
||||||
|
(if-view @is-complete?
|
||||||
|
(button (hash-ref action-icons 'reset)
|
||||||
|
(λ () (do-reset-qi @qi)))
|
||||||
|
(spacer))
|
||||||
(if-view @is-running?
|
(if-view @is-running?
|
||||||
(button (hash-ref action-icons 'pause)
|
(button (hash-ref action-icons 'pause)
|
||||||
(λ () (do-stop-qi @qi)))
|
(λ () (do-stop-qi @qi)))
|
||||||
(hpanel
|
(button (hash-ref action-icons 'resume)
|
||||||
#:stretch '(#f #f)
|
(λ () (do-start-qi @qi))))))
|
||||||
(button (hash-ref action-icons 'reseter)
|
|
||||||
(λ () (do-reseter-qi @qi)))
|
|
||||||
(button (hash-ref action-icons 'reset)
|
|
||||||
(λ () (do-reset-qi @qi)))
|
|
||||||
(button (hash-ref action-icons 'resume)
|
|
||||||
(λ () (do-start-qi @qi)))))))
|
|
||||||
;; progress bar (bottom half)
|
;; progress bar (bottom half)
|
||||||
(hpanel
|
(hpanel
|
||||||
(canvas
|
(canvas
|
||||||
|
|
|
@ -1,6 +1,5 @@
|
||||||
#lang racket/base
|
#lang racket/base
|
||||||
(require racket/file
|
(require racket/file
|
||||||
racket/format
|
|
||||||
racket/function
|
racket/function
|
||||||
racket/list
|
racket/list
|
||||||
racket/path
|
racket/path
|
||||||
|
@ -44,18 +43,10 @@
|
||||||
wikiname
|
wikiname
|
||||||
(params->query '(("action" . "query")
|
(params->query '(("action" . "query")
|
||||||
("meta" . "siteinfo")
|
("meta" . "siteinfo")
|
||||||
("siprop" . "general|rightsinfo|statistics|namespaces")
|
("siprop" . "general|rightsinfo|statistics")
|
||||||
("format" . "json")
|
("format" . "json")
|
||||||
("formatversion" . "2")))))
|
("formatversion" . "2")))))
|
||||||
(define data (response-json (get dest-url)))
|
(define data (response-json (get dest-url)))
|
||||||
(define content-nss
|
|
||||||
(sort
|
|
||||||
(for/list ([(k v) (in-hash (jp "/query/namespaces" data))]
|
|
||||||
#:do [(define id (hash-ref v 'id))]
|
|
||||||
#:when (and (id . < . 2900) ; exclude maps namespace
|
|
||||||
(hash-ref v 'content))) ; exclude non-content and talk namespaces
|
|
||||||
id)
|
|
||||||
<))
|
|
||||||
(define exists? (query-maybe-value* "select progress from wiki where wikiname = ?" wikiname))
|
(define exists? (query-maybe-value* "select progress from wiki where wikiname = ?" wikiname))
|
||||||
(if (and exists? (not (sql-null? exists?)))
|
(if (and exists? (not (sql-null? exists?)))
|
||||||
(query-exec* "update wiki set sitename = ?, basepage = ?, license_text = ?, license_url = ? where wikiname = ?"
|
(query-exec* "update wiki set sitename = ?, basepage = ?, license_text = ?, license_url = ? where wikiname = ?"
|
||||||
|
@ -70,8 +61,7 @@
|
||||||
(second (regexp-match #rx"/wiki/(.*)" (jp "/query/general/base" data)))
|
(second (regexp-match #rx"/wiki/(.*)" (jp "/query/general/base" data)))
|
||||||
(jp "/query/rightsinfo/text" data)
|
(jp "/query/rightsinfo/text" data)
|
||||||
(jp "/query/rightsinfo/url" data)))
|
(jp "/query/rightsinfo/url" data)))
|
||||||
(values (jp "/query/statistics/articles" data)
|
(jp "/query/statistics/articles" data))
|
||||||
content-nss))
|
|
||||||
|
|
||||||
|
|
||||||
(define (check-style-for-images wikiname path)
|
(define (check-style-for-images wikiname path)
|
||||||
|
@ -86,17 +76,14 @@
|
||||||
(string-contains? url "/drm_fonts/")
|
(string-contains? url "/drm_fonts/")
|
||||||
(string-contains? url "//db.onlinewebfonts.com/")
|
(string-contains? url "//db.onlinewebfonts.com/")
|
||||||
(string-contains? url "//bits.wikimedia.org/")
|
(string-contains? url "//bits.wikimedia.org/")
|
||||||
(string-contains? url "mygamercard.net/")
|
|
||||||
(string-contains? url "dropbox")
|
(string-contains? url "dropbox")
|
||||||
(string-contains? url "only=styles")
|
(string-contains? url "only=styles")
|
||||||
(string-contains? url "https://https://")
|
(string-contains? url "https://https://")
|
||||||
(regexp-match? #rx"^%20" url)
|
(regexp-match? #rx"^%20" url)
|
||||||
(regexp-match? #rx"^data:" url)
|
(regexp-match? #rx"^data:" url))))
|
||||||
(regexp-match? #rx"^file:" url))))
|
|
||||||
(cond
|
(cond
|
||||||
[(string-prefix? url "https://") url]
|
[(string-prefix? url "https://") url]
|
||||||
[(string-prefix? url "http://") (regexp-replace #rx"http:" url "https:")]
|
[(string-prefix? url "http://") (regexp-replace #rx"http:" url "https:")]
|
||||||
[(string-prefix? url "httpshttps://") (regexp-replace #rx"httpshttps://" url "https://")]
|
|
||||||
[(string-prefix? url "//") (string-append "https:" url)]
|
[(string-prefix? url "//") (string-append "https:" url)]
|
||||||
[(string-prefix? url "/") (format "https://~a.fandom.com~a" wikiname url)]
|
[(string-prefix? url "/") (format "https://~a.fandom.com~a" wikiname url)]
|
||||||
[else (raise-user-error "While calling check-style-for-images, this URL had an unknown format and couldn't be saved:" url path)])))
|
[else (raise-user-error "While calling check-style-for-images, this URL had an unknown format and couldn't be saved:" url path)])))
|
||||||
|
@ -144,57 +131,48 @@
|
||||||
;; done yet?
|
;; done yet?
|
||||||
(unless (and (real? wiki-progress) (wiki-progress . >= . 1))
|
(unless (and (real? wiki-progress) (wiki-progress . >= . 1))
|
||||||
;; Count total pages
|
;; Count total pages
|
||||||
(define-values (num-pages namespaces) (insert-wiki-entry wikiname))
|
(define num-pages (insert-wiki-entry wikiname))
|
||||||
;; Download the entire index of pages
|
;; Download the entire index of pages
|
||||||
(for*/fold ([total 0])
|
(define basenames
|
||||||
([namespace namespaces]
|
(let loop ([path-with-namefrom "/wiki/Local_Sitemap"]
|
||||||
[redir-filter '("nonredirects" "redirects")])
|
[basenames-previous-pages null])
|
||||||
(let loop ([apcontinue ""]
|
;; Download the current index page
|
||||||
[basenames null])
|
(define url (format "https://~a.fandom.com~a" wikiname path-with-namefrom))
|
||||||
(cond
|
(define r (get url))
|
||||||
[apcontinue
|
;; Metadata from this page (the link to the next page)
|
||||||
(define url (format "https://~a.fandom.com/api.php?~a"
|
(define page (html->xexp (bytes->string/utf-8 (response-body r))))
|
||||||
wikiname
|
(define link-namefrom
|
||||||
(params->query `(("action" . "query")
|
((query-selector (λ (t a c x) (and (eq? t 'a)
|
||||||
("list" . "allpages")
|
(pair? x)
|
||||||
("apnamespace" . ,(~a namespace))
|
(string-contains? (car x) "Next page")
|
||||||
("apfilterredir" . ,redir-filter)
|
(let ([href (get-attribute 'href a)] )
|
||||||
("aplimit" . "500")
|
(and href (string-contains? href "/wiki/Local_Sitemap")))))
|
||||||
("apcontinue" . ,apcontinue)
|
page #:include-text? #t)))
|
||||||
("format" . "json")
|
;; Content from this page
|
||||||
("formatversion" . "2")))))
|
(define basenames-this-page
|
||||||
;; Download the current listing page
|
(for/list ([link (in-producer
|
||||||
(define res (get url))
|
(query-selector
|
||||||
(define json (response-json res))
|
(λ (t a c) (eq? t 'a))
|
||||||
;; Content from this page
|
((query-selector (λ (t a c) (has-class? "mw-allpages-chunk" a)) page)))
|
||||||
(define current-basenames
|
#f)])
|
||||||
(for/list ([page (jp "/query/allpages" json)])
|
(local-encoded-url->basename (get-attribute 'href (bits->attributes link)))))
|
||||||
(title->basename (jp "/title" page))))
|
;; Call the progress callback
|
||||||
(when ((length current-basenames) . > . 0)
|
(define all-basenames (append basenames-previous-pages basenames-this-page))
|
||||||
;; Report
|
(callback (length all-basenames) num-pages (last all-basenames))
|
||||||
(if (equal? redir-filter "nonredirects")
|
;; Recurse to download from the next page
|
||||||
(callback (+ (length basenames) (length current-basenames) total) num-pages (last current-basenames))
|
(if link-namefrom
|
||||||
(callback total num-pages (last current-basenames))))
|
(loop (get-attribute 'href (bits->attributes link-namefrom)) all-basenames)
|
||||||
;; Loop
|
all-basenames)))
|
||||||
(loop (jp "/continue/apcontinue" json #f) (append basenames current-basenames))]
|
;; Save those pages into the database
|
||||||
[else
|
;; SQLite can have a maximum of 32766 parameters in a single query
|
||||||
;; All done with this (loop)! Save those pages into the database
|
(for ([slice (in-slice 32760 basenames)])
|
||||||
;; SQLite can have a maximum of 32766 parameters in a single query
|
(define query-template (string-join (make-list (length slice) "(?1, ?, 0)") ", " #:before-first "insert or ignore into page (wikiname, basename, progress) values "))
|
||||||
(begin0
|
(call-with-transaction
|
||||||
;; next for*/fold
|
(get-slc)
|
||||||
(if (equal? redir-filter "nonredirects")
|
(λ ()
|
||||||
(+ (length basenames) total)
|
(apply query-exec* query-template wikiname slice)
|
||||||
total) ; redirects don't count for the site statistics total
|
;; Record that we have the complete list of pages
|
||||||
(call-with-transaction
|
(query-exec* "update wiki set progress = 1 where wikiname = ?" wikiname))))))
|
||||||
(get-slc)
|
|
||||||
(λ ()
|
|
||||||
(for ([slice (in-slice 32760 basenames)])
|
|
||||||
(define query-template
|
|
||||||
(string-join #:before-first "insert or ignore into page (wikiname, redirect, basename, progress) values "
|
|
||||||
(make-list (length slice) "(?1, ?2, ?, 0)") ", "))
|
|
||||||
(apply query-exec* query-template wikiname (if (equal? redir-filter "redirects") 1 sql-null) slice)))))])))
|
|
||||||
;; Record that we have the complete list of pages
|
|
||||||
(query-exec* "update wiki set progress = 1 where wikiname = ?" wikiname)))
|
|
||||||
|
|
||||||
|
|
||||||
;; 2. Download each page via API and:
|
;; 2. Download each page via API and:
|
||||||
|
@ -205,7 +183,7 @@
|
||||||
(define save-dir (build-path archive-root wikiname))
|
(define save-dir (build-path archive-root wikiname))
|
||||||
(make-directory* save-dir)
|
(make-directory* save-dir)
|
||||||
;; gather list of basenames to download (that aren't yet complete)
|
;; gather list of basenames to download (that aren't yet complete)
|
||||||
(define basenames (query-list* "select basename from page where wikiname = ? and progress < ? and redirect is null"
|
(define basenames (query-list* "select basename from page where wikiname = ? and progress < ?"
|
||||||
wikiname max-page-progress))
|
wikiname max-page-progress))
|
||||||
;; counter of complete/incomplete basenames
|
;; counter of complete/incomplete basenames
|
||||||
(define already-done-count
|
(define already-done-count
|
||||||
|
@ -244,39 +222,8 @@
|
||||||
(query-exec* "update page set progress = 1 where wikiname = ? and basename = ?"
|
(query-exec* "update page set progress = 1 where wikiname = ? and basename = ?"
|
||||||
wikiname basename)
|
wikiname basename)
|
||||||
(callback i total-count basename))
|
(callback i total-count basename))
|
||||||
;; save redirects as well
|
|
||||||
(save-redirects wikiname callback (+ already-done-count (length basenames)) total-count)
|
|
||||||
;; saved all pages, register that fact in the database
|
;; saved all pages, register that fact in the database
|
||||||
(query-exec* "update wiki set progress = 2 where wikiname = ? and progress <= 2" wikiname))
|
(query-exec* "update wiki set progress = 2 where wikiname = ?" wikiname))
|
||||||
|
|
||||||
|
|
||||||
;; 2.5. Download each redirect-target via API and save mapping in database
|
|
||||||
(define (save-redirects wikiname callback already-done-count total-count)
|
|
||||||
(define basenames (query-list* "select basename from page where wikiname = ? and progress < ? and redirect = 1"
|
|
||||||
wikiname max-page-progress))
|
|
||||||
;; loop through basenames, in slices of 50 (MediaWiki API max per request), and download
|
|
||||||
(for ([basename basenames]
|
|
||||||
[i (in-naturals (add1 already-done-count))])
|
|
||||||
(define dest-url
|
|
||||||
(format "https://~a.fandom.com/api.php?~a"
|
|
||||||
wikiname
|
|
||||||
(params->query `(("action" . "query")
|
|
||||||
("prop" . "links")
|
|
||||||
("titles" . ,(basename->name-for-query basename))
|
|
||||||
("format" . "json")
|
|
||||||
("formatversion" . "2")))))
|
|
||||||
(define res (get dest-url))
|
|
||||||
(define json (response-json res))
|
|
||||||
(define dest-title (jp "/query/pages/0/links/0/title" json #f))
|
|
||||||
(callback i total-count basename)
|
|
||||||
(cond
|
|
||||||
[dest-title
|
|
||||||
;; store it
|
|
||||||
(define dest-basename (title->basename dest-title))
|
|
||||||
(query-exec* "update page set progress = 1, redirect = ? where wikiname = ? and basename = ?" dest-basename wikiname basename)]
|
|
||||||
[else
|
|
||||||
;; the page just doesn't exist
|
|
||||||
(query-exec* "delete from page where wikiname = ? and basename = ?" wikiname basename)])))
|
|
||||||
|
|
||||||
|
|
||||||
;; 3. Download CSS and:
|
;; 3. Download CSS and:
|
||||||
|
@ -337,8 +284,8 @@
|
||||||
(define url (vector-ref row 0))
|
(define url (vector-ref row 0))
|
||||||
(define hash (vector-ref row 1))
|
(define hash (vector-ref row 1))
|
||||||
;; check
|
;; check
|
||||||
#;(printf "~a -> ~a~n" url hash)
|
#; (printf "~a -> ~a~n" url hash)
|
||||||
(define r (get url #:timeouts (make-timeout-config #:connect 15)))
|
(define r (get url))
|
||||||
(define declared-type (response-headers-ref r 'content-type))
|
(define declared-type (response-headers-ref r 'content-type))
|
||||||
(define final-type (if (equal? declared-type #"application/octet-stream")
|
(define final-type (if (equal? declared-type #"application/octet-stream")
|
||||||
(let ([sniff-entity (message-entity (mime-analyze (response-body r)))])
|
(let ([sniff-entity (message-entity (mime-analyze (response-body r)))])
|
||||||
|
|
200
archiver/fts.rkt
200
archiver/fts.rkt
|
@ -1,200 +0,0 @@
|
||||||
#lang cli
|
|
||||||
(require (for-syntax racket/base))
|
|
||||||
(require racket/format
|
|
||||||
racket/function
|
|
||||||
racket/future
|
|
||||||
racket/match
|
|
||||||
racket/path
|
|
||||||
racket/promise
|
|
||||||
racket/port
|
|
||||||
racket/runtime-path
|
|
||||||
racket/string
|
|
||||||
file/gunzip
|
|
||||||
db
|
|
||||||
db/unsafe/sqlite3
|
|
||||||
net/http-easy
|
|
||||||
json
|
|
||||||
json-pointer
|
|
||||||
"../lib/html-parsing/main.rkt"
|
|
||||||
"../lib/xexpr-utils.rkt"
|
|
||||||
"../lib/tree-updater.rkt")
|
|
||||||
|
|
||||||
(flag (read-from-cache?)
|
|
||||||
("-c" "--read-from-cache" "read from last run cache instead of rebuilding documents")
|
|
||||||
(read-from-cache? #t))
|
|
||||||
|
|
||||||
(define-runtime-path storage-path "../storage/archive")
|
|
||||||
|
|
||||||
;; ***************************************************************************************************
|
|
||||||
;; Progress bar display
|
|
||||||
;; ***************************************************************************************************
|
|
||||||
|
|
||||||
(struct progress^ (n max title) #:transparent)
|
|
||||||
|
|
||||||
(define (make-m-s seconds)
|
|
||||||
(define-values (eta-m eta-s) (quotient/remainder seconds 60))
|
|
||||||
(format "~a:~a" eta-m (~a eta-s #:width 2 #:align 'right #:pad-string "0")))
|
|
||||||
|
|
||||||
(define (make-progress get-p [history-size 20])
|
|
||||||
(define update-sleep 1)
|
|
||||||
(define name-width 30)
|
|
||||||
(define max-width 105)
|
|
||||||
(define history (make-vector history-size 0))
|
|
||||||
(define history-pointer 0)
|
|
||||||
(define elapsed 0)
|
|
||||||
(define (report-progress)
|
|
||||||
(define p (get-p))
|
|
||||||
(define history-cycle (vector-ref history history-pointer))
|
|
||||||
(vector-set! history history-pointer (progress^-n p))
|
|
||||||
(set! history-pointer (modulo (add1 history-pointer) history-size))
|
|
||||||
(set! elapsed (add1 elapsed))
|
|
||||||
(define-values (eta-display diff-per-second)
|
|
||||||
(cond
|
|
||||||
[((progress^-n p) . >= . (progress^-max p)) (values (format "~a **" (make-m-s elapsed)) (format "** ~a" (quotient (progress^-max p) (max elapsed 1))))]
|
|
||||||
[(= history-cycle 0) (values "-:--" "--")]
|
|
||||||
[else (define diff-per-second (/ (- (progress^-n p) history-cycle) (* history-size update-sleep)))
|
|
||||||
(define eta-total
|
|
||||||
(if (diff-per-second . > . 0)
|
|
||||||
(floor (round (/ (- (progress^-max p) (progress^-n p)) diff-per-second)))
|
|
||||||
0))
|
|
||||||
(values (make-m-s eta-total)
|
|
||||||
(round diff-per-second))]))
|
|
||||||
(define left (format "~a/~a ~a/s ~a ~a%"
|
|
||||||
(~a (progress^-n p) #:width (string-length (~a (progress^-max p))) #:align 'right #:pad-string " ")
|
|
||||||
(progress^-max p)
|
|
||||||
diff-per-second
|
|
||||||
eta-display
|
|
||||||
(floor (* 100 (/ (progress^-n p) (progress^-max p))))))
|
|
||||||
(define name-display (~a (progress^-title p) #:max-width name-width #:limit-marker "..."))
|
|
||||||
(define remaining-space (- max-width name-width (string-length left) 2))
|
|
||||||
(define bar-width
|
|
||||||
(floor (* (sub1 remaining-space)
|
|
||||||
(/ (progress^-n p) (progress^-max p)))))
|
|
||||||
(define bar (string-append (make-string bar-width #\=)
|
|
||||||
">"
|
|
||||||
(make-string (- remaining-space bar-width) #\ )))
|
|
||||||
(printf "\e[2K\r~a~a~a" left bar name-display)
|
|
||||||
(flush-output))
|
|
||||||
(define (report-progress-loop)
|
|
||||||
(sleep update-sleep)
|
|
||||||
(report-progress)
|
|
||||||
(report-progress-loop))
|
|
||||||
(define t (thread report-progress-loop))
|
|
||||||
(define (quit)
|
|
||||||
(kill-thread t)
|
|
||||||
(report-progress)
|
|
||||||
(displayln ""))
|
|
||||||
quit)
|
|
||||||
|
|
||||||
;; ***************************************************************************************************
|
|
||||||
;; Page text extractor
|
|
||||||
;; ***************************************************************************************************
|
|
||||||
|
|
||||||
(define (class-has? attributes substrs)
|
|
||||||
(define cl (or (get-attribute 'class attributes) ""))
|
|
||||||
(ormap (λ (substr) (string-contains? cl substr)) substrs))
|
|
||||||
|
|
||||||
(define (updater element element-type attributes children)
|
|
||||||
(cond
|
|
||||||
[(class-has? attributes '("collapsed" "selflink" "label" "toc" "editsection" "reviews"))
|
|
||||||
(list 'div '() '())]
|
|
||||||
[#t
|
|
||||||
(list element-type attributes children)]))
|
|
||||||
|
|
||||||
(define (writer tables-mode? page)
|
|
||||||
(define (writer-inner page)
|
|
||||||
(for ([bit page])
|
|
||||||
(cond
|
|
||||||
[(and tables-mode? (pair? bit) (memq (car bit) '(h1 h2 h3 p blockquote q))) (void)]
|
|
||||||
[(and (not tables-mode?) (pair? bit) (memq (car bit) '(ul ol dl table))) (void)]
|
|
||||||
[(memq bit '(div p li td dd dt br)) (displayln "")]
|
|
||||||
[(symbol? bit) (void)]
|
|
||||||
[(and (pair? bit) (eq? (car bit) '*COMMENT*)) (void)]
|
|
||||||
[(and (pair? bit) (eq? (car bit) '@)) (void)]
|
|
||||||
[(pair? bit) (writer-inner bit)]
|
|
||||||
[(string? bit) (display bit)])))
|
|
||||||
(writer-inner page))
|
|
||||||
|
|
||||||
(define (write-and-post-process tables-mode? page)
|
|
||||||
(define text (with-output-to-string (λ () (writer tables-mode? page))))
|
|
||||||
;; (define text-no-numbers (regexp-replace* #px"(?:-|[+$£€¥] *)?[0-9,.]{2,}%?\\s*" text ""))
|
|
||||||
(define shrink-text (regexp-replace* #px"([ \t]*\r?\n+)+" text "\n"))
|
|
||||||
shrink-text)
|
|
||||||
|
|
||||||
(define ((extract f)) ; f - filename
|
|
||||||
(with-handlers
|
|
||||||
([exn:fail? (λ (err) (printf "extract: ~a: ~v~n" f err))])
|
|
||||||
(define j
|
|
||||||
(case (path-get-extension f)
|
|
||||||
[(#".json")
|
|
||||||
(with-input-from-file f (λ () (read-json)))]
|
|
||||||
[(#".gz")
|
|
||||||
(define-values (in out) (make-pipe))
|
|
||||||
(with-input-from-file f (λ () (gunzip-through-ports (current-input-port) out)))
|
|
||||||
(read-json in)]
|
|
||||||
[else #f]))
|
|
||||||
(define title (json-pointer-value "/parse/title" j))
|
|
||||||
(define pageid (json-pointer-value "/parse/pageid" j))
|
|
||||||
(define page-html (preprocess-html-wiki (json-pointer-value "/parse/text" j)))
|
|
||||||
(define page (update-tree updater (html->xexp page-html)))
|
|
||||||
(define body (write-and-post-process #f page))
|
|
||||||
(define table (write-and-post-process #t page))
|
|
||||||
(list title body table pageid)))
|
|
||||||
|
|
||||||
;; ***************************************************************************************************
|
|
||||||
;; Program, loop, Solr APIs
|
|
||||||
;; ***************************************************************************************************
|
|
||||||
|
|
||||||
(program
|
|
||||||
(start [wikiname "wikiname to download"])
|
|
||||||
|
|
||||||
(define results
|
|
||||||
(for/list ([f (directory-list (build-path storage-path wikiname) #:build? #t)]
|
|
||||||
#:when (member (path-get-extension f) '(#".gz")))
|
|
||||||
(extract f)))
|
|
||||||
|
|
||||||
(define data
|
|
||||||
(cond
|
|
||||||
[(and (read-from-cache?) (file-exists? "cache.rkt"))
|
|
||||||
(displayln "Reading in...")
|
|
||||||
(with-input-from-file "cache.rkt" (λ () (read)))]
|
|
||||||
[else
|
|
||||||
(define x (box (progress^ 0 1 "...")))
|
|
||||||
(define quit (make-progress (λ () (unbox x))))
|
|
||||||
(define data
|
|
||||||
(for/list ([fut results]
|
|
||||||
[i (in-naturals 1)]
|
|
||||||
#:do [(define page (fut))]
|
|
||||||
#:when (not (void? page)))
|
|
||||||
(match-define (list title body table pageid) page)
|
|
||||||
(define len (string-length body))
|
|
||||||
(set-box! x (progress^ i (length results) title))
|
|
||||||
`#hasheq((id . ,(number->string pageid))
|
|
||||||
(title . ,title)
|
|
||||||
(body . ,body)
|
|
||||||
(table . ,table)
|
|
||||||
(len . ,len))))
|
|
||||||
(quit)
|
|
||||||
|
|
||||||
(display "Writing out... ")
|
|
||||||
(flush-output)
|
|
||||||
(with-output-to-file "cache.rkt" (λ () (write data)) #:exists 'truncate/replace)
|
|
||||||
data]))
|
|
||||||
|
|
||||||
(display "Converting... ")
|
|
||||||
(flush-output)
|
|
||||||
(define ser (jsexpr->bytes data))
|
|
||||||
(define ser-port (open-input-bytes ser))
|
|
||||||
(define quit (make-progress (λ () (progress^ (ceiling (/ (file-position ser-port) 64 1024))
|
|
||||||
(ceiling (/ (bytes-length ser) 64 1024))
|
|
||||||
"Posting..."))
|
|
||||||
2))
|
|
||||||
(define res
|
|
||||||
(post (format "http://localhost:8983/solr/~a/update?commit=true" wikiname)
|
|
||||||
#:data ser-port
|
|
||||||
#:headers '#hasheq((Content-Type . "application/json"))
|
|
||||||
#:timeouts (make-timeout-config #:lease 5 #:connect 5 #:request 300)))
|
|
||||||
(quit)
|
|
||||||
(displayln (response-status-line res)))
|
|
||||||
|
|
||||||
(run start)
|
|
|
@ -1,8 +0,0 @@
|
||||||
# Set of Catalan contractions for ElisionFilter
|
|
||||||
# TODO: load this as a resource from the analyzer and sync it in build.xml
|
|
||||||
d
|
|
||||||
l
|
|
||||||
m
|
|
||||||
n
|
|
||||||
s
|
|
||||||
t
|
|
|
@ -1,15 +0,0 @@
|
||||||
# Set of French contractions for ElisionFilter
|
|
||||||
# TODO: load this as a resource from the analyzer and sync it in build.xml
|
|
||||||
l
|
|
||||||
m
|
|
||||||
t
|
|
||||||
qu
|
|
||||||
n
|
|
||||||
s
|
|
||||||
j
|
|
||||||
d
|
|
||||||
c
|
|
||||||
jusqu
|
|
||||||
quoiqu
|
|
||||||
lorsqu
|
|
||||||
puisqu
|
|
|
@ -1,5 +0,0 @@
|
||||||
# Set of Irish contractions for ElisionFilter
|
|
||||||
# TODO: load this as a resource from the analyzer and sync it in build.xml
|
|
||||||
d
|
|
||||||
m
|
|
||||||
b
|
|
|
@ -1,23 +0,0 @@
|
||||||
# Set of Italian contractions for ElisionFilter
|
|
||||||
# TODO: load this as a resource from the analyzer and sync it in build.xml
|
|
||||||
c
|
|
||||||
l
|
|
||||||
all
|
|
||||||
dall
|
|
||||||
dell
|
|
||||||
nell
|
|
||||||
sull
|
|
||||||
coll
|
|
||||||
pell
|
|
||||||
gl
|
|
||||||
agl
|
|
||||||
dagl
|
|
||||||
degl
|
|
||||||
negl
|
|
||||||
sugl
|
|
||||||
un
|
|
||||||
m
|
|
||||||
t
|
|
||||||
s
|
|
||||||
v
|
|
||||||
d
|
|
|
@ -1,5 +0,0 @@
|
||||||
# Set of Irish hyphenations for StopFilter
|
|
||||||
# TODO: load this as a resource from the analyzer and sync it in build.xml
|
|
||||||
h
|
|
||||||
n
|
|
||||||
t
|
|
|
@ -1,6 +0,0 @@
|
||||||
# Set of overrides for the dutch stemmer
|
|
||||||
# TODO: load this as a resource from the analyzer and sync it in build.xml
|
|
||||||
fiets fiets
|
|
||||||
bromfiets bromfiets
|
|
||||||
ei eier
|
|
||||||
kind kinder
|
|
|
@ -1,420 +0,0 @@
|
||||||
#
|
|
||||||
# This file defines a Japanese stoptag set for JapanesePartOfSpeechStopFilter.
|
|
||||||
#
|
|
||||||
# Any token with a part-of-speech tag that exactly matches those defined in this
|
|
||||||
# file are removed from the token stream.
|
|
||||||
#
|
|
||||||
# Set your own stoptags by uncommenting the lines below. Note that comments are
|
|
||||||
# not allowed on the same line as a stoptag. See LUCENE-3745 for frequency lists,
|
|
||||||
# etc. that can be useful for building you own stoptag set.
|
|
||||||
#
|
|
||||||
# The entire possible tagset is provided below for convenience.
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# noun: unclassified nouns
|
|
||||||
#名詞
|
|
||||||
#
|
|
||||||
# noun-common: Common nouns or nouns where the sub-classification is undefined
|
|
||||||
#名詞-一般
|
|
||||||
#
|
|
||||||
# noun-proper: Proper nouns where the sub-classification is undefined
|
|
||||||
#名詞-固有名詞
|
|
||||||
#
|
|
||||||
# noun-proper-misc: miscellaneous proper nouns
|
|
||||||
#名詞-固有名詞-一般
|
|
||||||
#
|
|
||||||
# noun-proper-person: Personal names where the sub-classification is undefined
|
|
||||||
#名詞-固有名詞-人名
|
|
||||||
#
|
|
||||||
# noun-proper-person-misc: names that cannot be divided into surname and
|
|
||||||
# given name; foreign names; names where the surname or given name is unknown.
|
|
||||||
# e.g. お市の方
|
|
||||||
#名詞-固有名詞-人名-一般
|
|
||||||
#
|
|
||||||
# noun-proper-person-surname: Mainly Japanese surnames.
|
|
||||||
# e.g. 山田
|
|
||||||
#名詞-固有名詞-人名-姓
|
|
||||||
#
|
|
||||||
# noun-proper-person-given_name: Mainly Japanese given names.
|
|
||||||
# e.g. 太郎
|
|
||||||
#名詞-固有名詞-人名-名
|
|
||||||
#
|
|
||||||
# noun-proper-organization: Names representing organizations.
|
|
||||||
# e.g. 通産省, NHK
|
|
||||||
#名詞-固有名詞-組織
|
|
||||||
#
|
|
||||||
# noun-proper-place: Place names where the sub-classification is undefined
|
|
||||||
#名詞-固有名詞-地域
|
|
||||||
#
|
|
||||||
# noun-proper-place-misc: Place names excluding countries.
|
|
||||||
# e.g. アジア, バルセロナ, 京都
|
|
||||||
#名詞-固有名詞-地域-一般
|
|
||||||
#
|
|
||||||
# noun-proper-place-country: Country names.
|
|
||||||
# e.g. 日本, オーストラリア
|
|
||||||
#名詞-固有名詞-地域-国
|
|
||||||
#
|
|
||||||
# noun-pronoun: Pronouns where the sub-classification is undefined
|
|
||||||
#名詞-代名詞
|
|
||||||
#
|
|
||||||
# noun-pronoun-misc: miscellaneous pronouns:
|
|
||||||
# e.g. それ, ここ, あいつ, あなた, あちこち, いくつ, どこか, なに, みなさん, みんな, わたくし, われわれ
|
|
||||||
#名詞-代名詞-一般
|
|
||||||
#
|
|
||||||
# noun-pronoun-contraction: Spoken language contraction made by combining a
|
|
||||||
# pronoun and the particle 'wa'.
|
|
||||||
# e.g. ありゃ, こりゃ, こりゃあ, そりゃ, そりゃあ
|
|
||||||
#名詞-代名詞-縮約
|
|
||||||
#
|
|
||||||
# noun-adverbial: Temporal nouns such as names of days or months that behave
|
|
||||||
# like adverbs. Nouns that represent amount or ratios and can be used adverbially,
|
|
||||||
# e.g. 金曜, 一月, 午後, 少量
|
|
||||||
#名詞-副詞可能
|
|
||||||
#
|
|
||||||
# noun-verbal: Nouns that take arguments with case and can appear followed by
|
|
||||||
# 'suru' and related verbs (する, できる, なさる, くださる)
|
|
||||||
# e.g. インプット, 愛着, 悪化, 悪戦苦闘, 一安心, 下取り
|
|
||||||
#名詞-サ変接続
|
|
||||||
#
|
|
||||||
# noun-adjective-base: The base form of adjectives, words that appear before な ("na")
|
|
||||||
# e.g. 健康, 安易, 駄目, だめ
|
|
||||||
#名詞-形容動詞語幹
|
|
||||||
#
|
|
||||||
# noun-numeric: Arabic numbers, Chinese numerals, and counters like 何 (回), 数.
|
|
||||||
# e.g. 0, 1, 2, 何, 数, 幾
|
|
||||||
#名詞-数
|
|
||||||
#
|
|
||||||
# noun-affix: noun affixes where the sub-classification is undefined
|
|
||||||
#名詞-非自立
|
|
||||||
#
|
|
||||||
# noun-affix-misc: Of adnominalizers, the case-marker の ("no"), and words that
|
|
||||||
# attach to the base form of inflectional words, words that cannot be classified
|
|
||||||
# into any of the other categories below. This category includes indefinite nouns.
|
|
||||||
# e.g. あかつき, 暁, かい, 甲斐, 気, きらい, 嫌い, くせ, 癖, こと, 事, ごと, 毎, しだい, 次第,
|
|
||||||
# 順, せい, 所為, ついで, 序で, つもり, 積もり, 点, どころ, の, はず, 筈, はずみ, 弾み,
|
|
||||||
# 拍子, ふう, ふり, 振り, ほう, 方, 旨, もの, 物, 者, ゆえ, 故, ゆえん, 所以, わけ, 訳,
|
|
||||||
# わり, 割り, 割, ん-口語/, もん-口語/
|
|
||||||
#名詞-非自立-一般
|
|
||||||
#
|
|
||||||
# noun-affix-adverbial: noun affixes that that can behave as adverbs.
|
|
||||||
# e.g. あいだ, 間, あげく, 挙げ句, あと, 後, 余り, 以外, 以降, 以後, 以上, 以前, 一方, うえ,
|
|
||||||
# 上, うち, 内, おり, 折り, かぎり, 限り, きり, っきり, 結果, ころ, 頃, さい, 際, 最中, さなか,
|
|
||||||
# 最中, じたい, 自体, たび, 度, ため, 為, つど, 都度, とおり, 通り, とき, 時, ところ, 所,
|
|
||||||
# とたん, 途端, なか, 中, のち, 後, ばあい, 場合, 日, ぶん, 分, ほか, 他, まえ, 前, まま,
|
|
||||||
# 儘, 侭, みぎり, 矢先
|
|
||||||
#名詞-非自立-副詞可能
|
|
||||||
#
|
|
||||||
# noun-affix-aux: noun affixes treated as 助動詞 ("auxiliary verb") in school grammars
|
|
||||||
# with the stem よう(だ) ("you(da)").
|
|
||||||
# e.g. よう, やう, 様 (よう)
|
|
||||||
#名詞-非自立-助動詞語幹
|
|
||||||
#
|
|
||||||
# noun-affix-adjective-base: noun affixes that can connect to the indeclinable
|
|
||||||
# connection form な (aux "da").
|
|
||||||
# e.g. みたい, ふう
|
|
||||||
#名詞-非自立-形容動詞語幹
|
|
||||||
#
|
|
||||||
# noun-special: special nouns where the sub-classification is undefined.
|
|
||||||
#名詞-特殊
|
|
||||||
#
|
|
||||||
# noun-special-aux: The そうだ ("souda") stem form that is used for reporting news, is
|
|
||||||
# treated as 助動詞 ("auxiliary verb") in school grammars, and attach to the base
|
|
||||||
# form of inflectional words.
|
|
||||||
# e.g. そう
|
|
||||||
#名詞-特殊-助動詞語幹
|
|
||||||
#
|
|
||||||
# noun-suffix: noun suffixes where the sub-classification is undefined.
|
|
||||||
#名詞-接尾
|
|
||||||
#
|
|
||||||
# noun-suffix-misc: Of the nouns or stem forms of other parts of speech that connect
|
|
||||||
# to ガル or タイ and can combine into compound nouns, words that cannot be classified into
|
|
||||||
# any of the other categories below. In general, this category is more inclusive than
|
|
||||||
# 接尾語 ("suffix") and is usually the last element in a compound noun.
|
|
||||||
# e.g. おき, かた, 方, 甲斐 (がい), がかり, ぎみ, 気味, ぐるみ, (~した) さ, 次第, 済 (ず) み,
|
|
||||||
# よう, (でき)っこ, 感, 観, 性, 学, 類, 面, 用
|
|
||||||
#名詞-接尾-一般
|
|
||||||
#
|
|
||||||
# noun-suffix-person: Suffixes that form nouns and attach to person names more often
|
|
||||||
# than other nouns.
|
|
||||||
# e.g. 君, 様, 著
|
|
||||||
#名詞-接尾-人名
|
|
||||||
#
|
|
||||||
# noun-suffix-place: Suffixes that form nouns and attach to place names more often
|
|
||||||
# than other nouns.
|
|
||||||
# e.g. 町, 市, 県
|
|
||||||
#名詞-接尾-地域
|
|
||||||
#
|
|
||||||
# noun-suffix-verbal: Of the suffixes that attach to nouns and form nouns, those that
|
|
||||||
# can appear before スル ("suru").
|
|
||||||
# e.g. 化, 視, 分け, 入り, 落ち, 買い
|
|
||||||
#名詞-接尾-サ変接続
|
|
||||||
#
|
|
||||||
# noun-suffix-aux: The stem form of そうだ (様態) that is used to indicate conditions,
|
|
||||||
# is treated as 助動詞 ("auxiliary verb") in school grammars, and attach to the
|
|
||||||
# conjunctive form of inflectional words.
|
|
||||||
# e.g. そう
|
|
||||||
#名詞-接尾-助動詞語幹
|
|
||||||
#
|
|
||||||
# noun-suffix-adjective-base: Suffixes that attach to other nouns or the conjunctive
|
|
||||||
# form of inflectional words and appear before the copula だ ("da").
|
|
||||||
# e.g. 的, げ, がち
|
|
||||||
#名詞-接尾-形容動詞語幹
|
|
||||||
#
|
|
||||||
# noun-suffix-adverbial: Suffixes that attach to other nouns and can behave as adverbs.
|
|
||||||
# e.g. 後 (ご), 以後, 以降, 以前, 前後, 中, 末, 上, 時 (じ)
|
|
||||||
#名詞-接尾-副詞可能
|
|
||||||
#
|
|
||||||
# noun-suffix-classifier: Suffixes that attach to numbers and form nouns. This category
|
|
||||||
# is more inclusive than 助数詞 ("classifier") and includes common nouns that attach
|
|
||||||
# to numbers.
|
|
||||||
# e.g. 個, つ, 本, 冊, パーセント, cm, kg, カ月, か国, 区画, 時間, 時半
|
|
||||||
#名詞-接尾-助数詞
|
|
||||||
#
|
|
||||||
# noun-suffix-special: Special suffixes that mainly attach to inflecting words.
|
|
||||||
# e.g. (楽し) さ, (考え) 方
|
|
||||||
#名詞-接尾-特殊
|
|
||||||
#
|
|
||||||
# noun-suffix-conjunctive: Nouns that behave like conjunctions and join two words
|
|
||||||
# together.
|
|
||||||
# e.g. (日本) 対 (アメリカ), 対 (アメリカ), (3) 対 (5), (女優) 兼 (主婦)
|
|
||||||
#名詞-接続詞的
|
|
||||||
#
|
|
||||||
# noun-verbal_aux: Nouns that attach to the conjunctive particle て ("te") and are
|
|
||||||
# semantically verb-like.
|
|
||||||
# e.g. ごらん, ご覧, 御覧, 頂戴
|
|
||||||
#名詞-動詞非自立的
|
|
||||||
#
|
|
||||||
# noun-quotation: text that cannot be segmented into words, proverbs, Chinese poetry,
|
|
||||||
# dialects, English, etc. Currently, the only entry for 名詞 引用文字列 ("noun quotation")
|
|
||||||
# is いわく ("iwaku").
|
|
||||||
#名詞-引用文字列
|
|
||||||
#
|
|
||||||
# noun-nai_adjective: Words that appear before the auxiliary verb ない ("nai") and
|
|
||||||
# behave like an adjective.
|
|
||||||
# e.g. 申し訳, 仕方, とんでも, 違い
|
|
||||||
#名詞-ナイ形容詞語幹
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# prefix: unclassified prefixes
|
|
||||||
#接頭詞
|
|
||||||
#
|
|
||||||
# prefix-nominal: Prefixes that attach to nouns (including adjective stem forms)
|
|
||||||
# excluding numerical expressions.
|
|
||||||
# e.g. お (水), 某 (氏), 同 (社), 故 (~氏), 高 (品質), お (見事), ご (立派)
|
|
||||||
#接頭詞-名詞接続
|
|
||||||
#
|
|
||||||
# prefix-verbal: Prefixes that attach to the imperative form of a verb or a verb
|
|
||||||
# in conjunctive form followed by なる/なさる/くださる.
|
|
||||||
# e.g. お (読みなさい), お (座り)
|
|
||||||
#接頭詞-動詞接続
|
|
||||||
#
|
|
||||||
# prefix-adjectival: Prefixes that attach to adjectives.
|
|
||||||
# e.g. お (寒いですねえ), バカ (でかい)
|
|
||||||
#接頭詞-形容詞接続
|
|
||||||
#
|
|
||||||
# prefix-numerical: Prefixes that attach to numerical expressions.
|
|
||||||
# e.g. 約, およそ, 毎時
|
|
||||||
#接頭詞-数接続
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# verb: unclassified verbs
|
|
||||||
#動詞
|
|
||||||
#
|
|
||||||
# verb-main:
|
|
||||||
#動詞-自立
|
|
||||||
#
|
|
||||||
# verb-auxiliary:
|
|
||||||
#動詞-非自立
|
|
||||||
#
|
|
||||||
# verb-suffix:
|
|
||||||
#動詞-接尾
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# adjective: unclassified adjectives
|
|
||||||
#形容詞
|
|
||||||
#
|
|
||||||
# adjective-main:
|
|
||||||
#形容詞-自立
|
|
||||||
#
|
|
||||||
# adjective-auxiliary:
|
|
||||||
#形容詞-非自立
|
|
||||||
#
|
|
||||||
# adjective-suffix:
|
|
||||||
#形容詞-接尾
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# adverb: unclassified adverbs
|
|
||||||
#副詞
|
|
||||||
#
|
|
||||||
# adverb-misc: Words that can be segmented into one unit and where adnominal
|
|
||||||
# modification is not possible.
|
|
||||||
# e.g. あいかわらず, 多分
|
|
||||||
#副詞-一般
|
|
||||||
#
|
|
||||||
# adverb-particle_conjunction: Adverbs that can be followed by の, は, に,
|
|
||||||
# な, する, だ, etc.
|
|
||||||
# e.g. こんなに, そんなに, あんなに, なにか, なんでも
|
|
||||||
#副詞-助詞類接続
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# adnominal: Words that only have noun-modifying forms.
|
|
||||||
# e.g. この, その, あの, どの, いわゆる, なんらかの, 何らかの, いろんな, こういう, そういう, ああいう,
|
|
||||||
# どういう, こんな, そんな, あんな, どんな, 大きな, 小さな, おかしな, ほんの, たいした,
|
|
||||||
# 「(, も) さる (ことながら)」, 微々たる, 堂々たる, 単なる, いかなる, 我が」「同じ, 亡き
|
|
||||||
#連体詞
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# conjunction: Conjunctions that can occur independently.
|
|
||||||
# e.g. が, けれども, そして, じゃあ, それどころか
|
|
||||||
接続詞
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# particle: unclassified particles.
|
|
||||||
助詞
|
|
||||||
#
|
|
||||||
# particle-case: case particles where the subclassification is undefined.
|
|
||||||
助詞-格助詞
|
|
||||||
#
|
|
||||||
# particle-case-misc: Case particles.
|
|
||||||
# e.g. から, が, で, と, に, へ, より, を, の, にて
|
|
||||||
助詞-格助詞-一般
|
|
||||||
#
|
|
||||||
# particle-case-quote: the "to" that appears after nouns, a person’s speech,
|
|
||||||
# quotation marks, expressions of decisions from a meeting, reasons, judgements,
|
|
||||||
# conjectures, etc.
|
|
||||||
# e.g. ( だ) と (述べた.), ( である) と (して執行猶予...)
|
|
||||||
助詞-格助詞-引用
|
|
||||||
#
|
|
||||||
# particle-case-compound: Compounds of particles and verbs that mainly behave
|
|
||||||
# like case particles.
|
|
||||||
# e.g. という, といった, とかいう, として, とともに, と共に, でもって, にあたって, に当たって, に当って,
|
|
||||||
# にあたり, に当たり, に当り, に当たる, にあたる, において, に於いて,に於て, における, に於ける,
|
|
||||||
# にかけ, にかけて, にかんし, に関し, にかんして, に関して, にかんする, に関する, に際し,
|
|
||||||
# に際して, にしたがい, に従い, に従う, にしたがって, に従って, にたいし, に対し, にたいして,
|
|
||||||
# に対して, にたいする, に対する, について, につき, につけ, につけて, につれ, につれて, にとって,
|
|
||||||
# にとり, にまつわる, によって, に依って, に因って, により, に依り, に因り, による, に依る, に因る,
|
|
||||||
# にわたって, にわたる, をもって, を以って, を通じ, を通じて, を通して, をめぐって, をめぐり, をめぐる,
|
|
||||||
# って-口語/, ちゅう-関西弁「という」/, (何) ていう (人)-口語/, っていう-口語/, といふ, とかいふ
|
|
||||||
助詞-格助詞-連語
|
|
||||||
#
|
|
||||||
# particle-conjunctive:
|
|
||||||
# e.g. から, からには, が, けれど, けれども, けど, し, つつ, て, で, と, ところが, どころか, とも, ども,
|
|
||||||
# ながら, なり, ので, のに, ば, ものの, や ( した), やいなや, (ころん) じゃ(いけない)-口語/,
|
|
||||||
# (行っ) ちゃ(いけない)-口語/, (言っ) たって (しかたがない)-口語/, (それがなく)ったって (平気)-口語/
|
|
||||||
助詞-接続助詞
|
|
||||||
#
|
|
||||||
# particle-dependency:
|
|
||||||
# e.g. こそ, さえ, しか, すら, は, も, ぞ
|
|
||||||
助詞-係助詞
|
|
||||||
#
|
|
||||||
# particle-adverbial:
|
|
||||||
# e.g. がてら, かも, くらい, 位, ぐらい, しも, (学校) じゃ(これが流行っている)-口語/,
|
|
||||||
# (それ)じゃあ (よくない)-口語/, ずつ, (私) なぞ, など, (私) なり (に), (先生) なんか (大嫌い)-口語/,
|
|
||||||
# (私) なんぞ, (先生) なんて (大嫌い)-口語/, のみ, だけ, (私) だって-口語/, だに,
|
|
||||||
# (彼)ったら-口語/, (お茶) でも (いかが), 等 (とう), (今後) とも, ばかり, ばっか-口語/, ばっかり-口語/,
|
|
||||||
# ほど, 程, まで, 迄, (誰) も (が)([助詞-格助詞] および [助詞-係助詞] の前に位置する「も」)
|
|
||||||
助詞-副助詞
|
|
||||||
#
|
|
||||||
# particle-interjective: particles with interjective grammatical roles.
|
|
||||||
# e.g. (松島) や
|
|
||||||
助詞-間投助詞
|
|
||||||
#
|
|
||||||
# particle-coordinate:
|
|
||||||
# e.g. と, たり, だの, だり, とか, なり, や, やら
|
|
||||||
助詞-並立助詞
|
|
||||||
#
|
|
||||||
# particle-final:
|
|
||||||
# e.g. かい, かしら, さ, ぜ, (だ)っけ-口語/, (とまってる) で-方言/, な, ナ, なあ-口語/, ぞ, ね, ネ,
|
|
||||||
# ねぇ-口語/, ねえ-口語/, ねん-方言/, の, のう-口語/, や, よ, ヨ, よぉ-口語/, わ, わい-口語/
|
|
||||||
助詞-終助詞
|
|
||||||
#
|
|
||||||
# particle-adverbial/conjunctive/final: The particle "ka" when unknown whether it is
|
|
||||||
# adverbial, conjunctive, or sentence final. For example:
|
|
||||||
# (a) 「A か B か」. Ex:「(国内で運用する) か,(海外で運用する) か (.)」
|
|
||||||
# (b) Inside an adverb phrase. Ex:「(幸いという) か (, 死者はいなかった.)」
|
|
||||||
# 「(祈りが届いたせい) か (, 試験に合格した.)」
|
|
||||||
# (c) 「かのように」. Ex:「(何もなかった) か (のように振る舞った.)」
|
|
||||||
# e.g. か
|
|
||||||
助詞-副助詞/並立助詞/終助詞
|
|
||||||
#
|
|
||||||
# particle-adnominalizer: The "no" that attaches to nouns and modifies
|
|
||||||
# non-inflectional words.
|
|
||||||
助詞-連体化
|
|
||||||
#
|
|
||||||
# particle-adnominalizer: The "ni" and "to" that appear following nouns and adverbs
|
|
||||||
# that are giongo, giseigo, or gitaigo.
|
|
||||||
# e.g. に, と
|
|
||||||
助詞-副詞化
|
|
||||||
#
|
|
||||||
# particle-special: A particle that does not fit into one of the above classifications.
|
|
||||||
# This includes particles that are used in Tanka, Haiku, and other poetry.
|
|
||||||
# e.g. かな, けむ, ( しただろう) に, (あんた) にゃ(わからん), (俺) ん (家)
|
|
||||||
助詞-特殊
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# auxiliary-verb:
|
|
||||||
助動詞
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# interjection: Greetings and other exclamations.
|
|
||||||
# e.g. おはよう, おはようございます, こんにちは, こんばんは, ありがとう, どうもありがとう, ありがとうございます,
|
|
||||||
# いただきます, ごちそうさま, さよなら, さようなら, はい, いいえ, ごめん, ごめんなさい
|
|
||||||
#感動詞
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# symbol: unclassified Symbols.
|
|
||||||
記号
|
|
||||||
#
|
|
||||||
# symbol-misc: A general symbol not in one of the categories below.
|
|
||||||
# e.g. [○◎@$〒→+]
|
|
||||||
記号-一般
|
|
||||||
#
|
|
||||||
# symbol-comma: Commas
|
|
||||||
# e.g. [,、]
|
|
||||||
記号-読点
|
|
||||||
#
|
|
||||||
# symbol-period: Periods and full stops.
|
|
||||||
# e.g. [..。]
|
|
||||||
記号-句点
|
|
||||||
#
|
|
||||||
# symbol-space: Full-width whitespace.
|
|
||||||
記号-空白
|
|
||||||
#
|
|
||||||
# symbol-open_bracket:
|
|
||||||
# e.g. [({‘“『【]
|
|
||||||
記号-括弧開
|
|
||||||
#
|
|
||||||
# symbol-close_bracket:
|
|
||||||
# e.g. [)}’”』」】]
|
|
||||||
記号-括弧閉
|
|
||||||
#
|
|
||||||
# symbol-alphabetic:
|
|
||||||
#記号-アルファベット
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# other: unclassified other
|
|
||||||
#その他
|
|
||||||
#
|
|
||||||
# other-interjection: Words that are hard to classify as noun-suffixes or
|
|
||||||
# sentence-final particles.
|
|
||||||
# e.g. (だ)ァ
|
|
||||||
その他-間投
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# filler: Aizuchi that occurs during a conversation or sounds inserted as filler.
|
|
||||||
# e.g. あの, うんと, えと
|
|
||||||
フィラー
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# non-verbal: non-verbal sound.
|
|
||||||
非言語音
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# fragment:
|
|
||||||
#語断片
|
|
||||||
#
|
|
||||||
#####
|
|
||||||
# unknown: unknown part of speech.
|
|
||||||
#未知語
|
|
||||||
#
|
|
||||||
##### End of file
|
|
|
@ -1,125 +0,0 @@
|
||||||
# This file was created by Jacques Savoy and is distributed under the BSD license.
|
|
||||||
# See http://members.unine.ch/jacques.savoy/clef/index.html.
|
|
||||||
# Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
# Cleaned on October 11, 2009 (not normalized, so use before normalization)
|
|
||||||
# This means that when modifying this list, you might need to add some
|
|
||||||
# redundant entries, for example containing forms with both أ and ا
|
|
||||||
من
|
|
||||||
ومن
|
|
||||||
منها
|
|
||||||
منه
|
|
||||||
في
|
|
||||||
وفي
|
|
||||||
فيها
|
|
||||||
فيه
|
|
||||||
و
|
|
||||||
ف
|
|
||||||
ثم
|
|
||||||
او
|
|
||||||
أو
|
|
||||||
ب
|
|
||||||
بها
|
|
||||||
به
|
|
||||||
ا
|
|
||||||
أ
|
|
||||||
اى
|
|
||||||
اي
|
|
||||||
أي
|
|
||||||
أى
|
|
||||||
لا
|
|
||||||
ولا
|
|
||||||
الا
|
|
||||||
ألا
|
|
||||||
إلا
|
|
||||||
لكن
|
|
||||||
ما
|
|
||||||
وما
|
|
||||||
كما
|
|
||||||
فما
|
|
||||||
عن
|
|
||||||
مع
|
|
||||||
اذا
|
|
||||||
إذا
|
|
||||||
ان
|
|
||||||
أن
|
|
||||||
إن
|
|
||||||
انها
|
|
||||||
أنها
|
|
||||||
إنها
|
|
||||||
انه
|
|
||||||
أنه
|
|
||||||
إنه
|
|
||||||
بان
|
|
||||||
بأن
|
|
||||||
فان
|
|
||||||
فأن
|
|
||||||
وان
|
|
||||||
وأن
|
|
||||||
وإن
|
|
||||||
التى
|
|
||||||
التي
|
|
||||||
الذى
|
|
||||||
الذي
|
|
||||||
الذين
|
|
||||||
الى
|
|
||||||
الي
|
|
||||||
إلى
|
|
||||||
إلي
|
|
||||||
على
|
|
||||||
عليها
|
|
||||||
عليه
|
|
||||||
اما
|
|
||||||
أما
|
|
||||||
إما
|
|
||||||
ايضا
|
|
||||||
أيضا
|
|
||||||
كل
|
|
||||||
وكل
|
|
||||||
لم
|
|
||||||
ولم
|
|
||||||
لن
|
|
||||||
ولن
|
|
||||||
هى
|
|
||||||
هي
|
|
||||||
هو
|
|
||||||
وهى
|
|
||||||
وهي
|
|
||||||
وهو
|
|
||||||
فهى
|
|
||||||
فهي
|
|
||||||
فهو
|
|
||||||
انت
|
|
||||||
أنت
|
|
||||||
لك
|
|
||||||
لها
|
|
||||||
له
|
|
||||||
هذه
|
|
||||||
هذا
|
|
||||||
تلك
|
|
||||||
ذلك
|
|
||||||
هناك
|
|
||||||
كانت
|
|
||||||
كان
|
|
||||||
يكون
|
|
||||||
تكون
|
|
||||||
وكانت
|
|
||||||
وكان
|
|
||||||
غير
|
|
||||||
بعض
|
|
||||||
قد
|
|
||||||
نحو
|
|
||||||
بين
|
|
||||||
بينما
|
|
||||||
منذ
|
|
||||||
ضمن
|
|
||||||
حيث
|
|
||||||
الان
|
|
||||||
الآن
|
|
||||||
خلال
|
|
||||||
بعد
|
|
||||||
قبل
|
|
||||||
حتى
|
|
||||||
عند
|
|
||||||
عندما
|
|
||||||
لدى
|
|
||||||
جميع
|
|
|
@ -1,193 +0,0 @@
|
||||||
# This file was created by Jacques Savoy and is distributed under the BSD license.
|
|
||||||
# See http://members.unine.ch/jacques.savoy/clef/index.html.
|
|
||||||
# Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
а
|
|
||||||
аз
|
|
||||||
ако
|
|
||||||
ала
|
|
||||||
бе
|
|
||||||
без
|
|
||||||
беше
|
|
||||||
би
|
|
||||||
бил
|
|
||||||
била
|
|
||||||
били
|
|
||||||
било
|
|
||||||
близо
|
|
||||||
бъдат
|
|
||||||
бъде
|
|
||||||
бяха
|
|
||||||
в
|
|
||||||
вас
|
|
||||||
ваш
|
|
||||||
ваша
|
|
||||||
вероятно
|
|
||||||
вече
|
|
||||||
взема
|
|
||||||
ви
|
|
||||||
вие
|
|
||||||
винаги
|
|
||||||
все
|
|
||||||
всеки
|
|
||||||
всички
|
|
||||||
всичко
|
|
||||||
всяка
|
|
||||||
във
|
|
||||||
въпреки
|
|
||||||
върху
|
|
||||||
г
|
|
||||||
ги
|
|
||||||
главно
|
|
||||||
го
|
|
||||||
д
|
|
||||||
да
|
|
||||||
дали
|
|
||||||
до
|
|
||||||
докато
|
|
||||||
докога
|
|
||||||
дори
|
|
||||||
досега
|
|
||||||
доста
|
|
||||||
е
|
|
||||||
едва
|
|
||||||
един
|
|
||||||
ето
|
|
||||||
за
|
|
||||||
зад
|
|
||||||
заедно
|
|
||||||
заради
|
|
||||||
засега
|
|
||||||
затова
|
|
||||||
защо
|
|
||||||
защото
|
|
||||||
и
|
|
||||||
из
|
|
||||||
или
|
|
||||||
им
|
|
||||||
има
|
|
||||||
имат
|
|
||||||
иска
|
|
||||||
й
|
|
||||||
каза
|
|
||||||
как
|
|
||||||
каква
|
|
||||||
какво
|
|
||||||
както
|
|
||||||
какъв
|
|
||||||
като
|
|
||||||
кога
|
|
||||||
когато
|
|
||||||
което
|
|
||||||
които
|
|
||||||
кой
|
|
||||||
който
|
|
||||||
колко
|
|
||||||
която
|
|
||||||
къде
|
|
||||||
където
|
|
||||||
към
|
|
||||||
ли
|
|
||||||
м
|
|
||||||
ме
|
|
||||||
между
|
|
||||||
мен
|
|
||||||
ми
|
|
||||||
мнозина
|
|
||||||
мога
|
|
||||||
могат
|
|
||||||
може
|
|
||||||
моля
|
|
||||||
момента
|
|
||||||
му
|
|
||||||
н
|
|
||||||
на
|
|
||||||
над
|
|
||||||
назад
|
|
||||||
най
|
|
||||||
направи
|
|
||||||
напред
|
|
||||||
например
|
|
||||||
нас
|
|
||||||
не
|
|
||||||
него
|
|
||||||
нея
|
|
||||||
ни
|
|
||||||
ние
|
|
||||||
никой
|
|
||||||
нито
|
|
||||||
но
|
|
||||||
някои
|
|
||||||
някой
|
|
||||||
няма
|
|
||||||
обаче
|
|
||||||
около
|
|
||||||
освен
|
|
||||||
особено
|
|
||||||
от
|
|
||||||
отгоре
|
|
||||||
отново
|
|
||||||
още
|
|
||||||
пак
|
|
||||||
по
|
|
||||||
повече
|
|
||||||
повечето
|
|
||||||
под
|
|
||||||
поне
|
|
||||||
поради
|
|
||||||
после
|
|
||||||
почти
|
|
||||||
прави
|
|
||||||
пред
|
|
||||||
преди
|
|
||||||
през
|
|
||||||
при
|
|
||||||
пък
|
|
||||||
първо
|
|
||||||
с
|
|
||||||
са
|
|
||||||
само
|
|
||||||
се
|
|
||||||
сега
|
|
||||||
си
|
|
||||||
скоро
|
|
||||||
след
|
|
||||||
сме
|
|
||||||
според
|
|
||||||
сред
|
|
||||||
срещу
|
|
||||||
сте
|
|
||||||
съм
|
|
||||||
със
|
|
||||||
също
|
|
||||||
т
|
|
||||||
тази
|
|
||||||
така
|
|
||||||
такива
|
|
||||||
такъв
|
|
||||||
там
|
|
||||||
твой
|
|
||||||
те
|
|
||||||
тези
|
|
||||||
ти
|
|
||||||
тн
|
|
||||||
то
|
|
||||||
това
|
|
||||||
тогава
|
|
||||||
този
|
|
||||||
той
|
|
||||||
толкова
|
|
||||||
точно
|
|
||||||
трябва
|
|
||||||
тук
|
|
||||||
тъй
|
|
||||||
тя
|
|
||||||
тях
|
|
||||||
у
|
|
||||||
харесва
|
|
||||||
ч
|
|
||||||
че
|
|
||||||
често
|
|
||||||
чрез
|
|
||||||
ще
|
|
||||||
щом
|
|
||||||
я
|
|
|
@ -1,220 +0,0 @@
|
||||||
# Catalan stopwords from http://github.com/vcl/cue.language (Apache 2 Licensed)
|
|
||||||
a
|
|
||||||
abans
|
|
||||||
ací
|
|
||||||
ah
|
|
||||||
així
|
|
||||||
això
|
|
||||||
al
|
|
||||||
als
|
|
||||||
aleshores
|
|
||||||
algun
|
|
||||||
alguna
|
|
||||||
algunes
|
|
||||||
alguns
|
|
||||||
alhora
|
|
||||||
allà
|
|
||||||
allí
|
|
||||||
allò
|
|
||||||
altra
|
|
||||||
altre
|
|
||||||
altres
|
|
||||||
amb
|
|
||||||
ambdós
|
|
||||||
ambdues
|
|
||||||
apa
|
|
||||||
aquell
|
|
||||||
aquella
|
|
||||||
aquelles
|
|
||||||
aquells
|
|
||||||
aquest
|
|
||||||
aquesta
|
|
||||||
aquestes
|
|
||||||
aquests
|
|
||||||
aquí
|
|
||||||
baix
|
|
||||||
cada
|
|
||||||
cadascú
|
|
||||||
cadascuna
|
|
||||||
cadascunes
|
|
||||||
cadascuns
|
|
||||||
com
|
|
||||||
contra
|
|
||||||
d'un
|
|
||||||
d'una
|
|
||||||
d'unes
|
|
||||||
d'uns
|
|
||||||
dalt
|
|
||||||
de
|
|
||||||
del
|
|
||||||
dels
|
|
||||||
des
|
|
||||||
després
|
|
||||||
dins
|
|
||||||
dintre
|
|
||||||
donat
|
|
||||||
doncs
|
|
||||||
durant
|
|
||||||
e
|
|
||||||
eh
|
|
||||||
el
|
|
||||||
els
|
|
||||||
em
|
|
||||||
en
|
|
||||||
encara
|
|
||||||
ens
|
|
||||||
entre
|
|
||||||
érem
|
|
||||||
eren
|
|
||||||
éreu
|
|
||||||
es
|
|
||||||
és
|
|
||||||
esta
|
|
||||||
està
|
|
||||||
estàvem
|
|
||||||
estaven
|
|
||||||
estàveu
|
|
||||||
esteu
|
|
||||||
et
|
|
||||||
etc
|
|
||||||
ets
|
|
||||||
fins
|
|
||||||
fora
|
|
||||||
gairebé
|
|
||||||
ha
|
|
||||||
han
|
|
||||||
has
|
|
||||||
havia
|
|
||||||
he
|
|
||||||
hem
|
|
||||||
heu
|
|
||||||
hi
|
|
||||||
ho
|
|
||||||
i
|
|
||||||
igual
|
|
||||||
iguals
|
|
||||||
ja
|
|
||||||
l'hi
|
|
||||||
la
|
|
||||||
les
|
|
||||||
li
|
|
||||||
li'n
|
|
||||||
llavors
|
|
||||||
m'he
|
|
||||||
ma
|
|
||||||
mal
|
|
||||||
malgrat
|
|
||||||
mateix
|
|
||||||
mateixa
|
|
||||||
mateixes
|
|
||||||
mateixos
|
|
||||||
me
|
|
||||||
mentre
|
|
||||||
més
|
|
||||||
meu
|
|
||||||
meus
|
|
||||||
meva
|
|
||||||
meves
|
|
||||||
molt
|
|
||||||
molta
|
|
||||||
moltes
|
|
||||||
molts
|
|
||||||
mon
|
|
||||||
mons
|
|
||||||
n'he
|
|
||||||
n'hi
|
|
||||||
ne
|
|
||||||
ni
|
|
||||||
no
|
|
||||||
nogensmenys
|
|
||||||
només
|
|
||||||
nosaltres
|
|
||||||
nostra
|
|
||||||
nostre
|
|
||||||
nostres
|
|
||||||
o
|
|
||||||
oh
|
|
||||||
oi
|
|
||||||
on
|
|
||||||
pas
|
|
||||||
pel
|
|
||||||
pels
|
|
||||||
per
|
|
||||||
però
|
|
||||||
perquè
|
|
||||||
poc
|
|
||||||
poca
|
|
||||||
pocs
|
|
||||||
poques
|
|
||||||
potser
|
|
||||||
propi
|
|
||||||
qual
|
|
||||||
quals
|
|
||||||
quan
|
|
||||||
quant
|
|
||||||
que
|
|
||||||
què
|
|
||||||
quelcom
|
|
||||||
qui
|
|
||||||
quin
|
|
||||||
quina
|
|
||||||
quines
|
|
||||||
quins
|
|
||||||
s'ha
|
|
||||||
s'han
|
|
||||||
sa
|
|
||||||
semblant
|
|
||||||
semblants
|
|
||||||
ses
|
|
||||||
seu
|
|
||||||
seus
|
|
||||||
seva
|
|
||||||
seva
|
|
||||||
seves
|
|
||||||
si
|
|
||||||
sobre
|
|
||||||
sobretot
|
|
||||||
sóc
|
|
||||||
solament
|
|
||||||
sols
|
|
||||||
son
|
|
||||||
són
|
|
||||||
sons
|
|
||||||
sota
|
|
||||||
sou
|
|
||||||
t'ha
|
|
||||||
t'han
|
|
||||||
t'he
|
|
||||||
ta
|
|
||||||
tal
|
|
||||||
també
|
|
||||||
tampoc
|
|
||||||
tan
|
|
||||||
tant
|
|
||||||
tanta
|
|
||||||
tantes
|
|
||||||
teu
|
|
||||||
teus
|
|
||||||
teva
|
|
||||||
teves
|
|
||||||
ton
|
|
||||||
tons
|
|
||||||
tot
|
|
||||||
tota
|
|
||||||
totes
|
|
||||||
tots
|
|
||||||
un
|
|
||||||
una
|
|
||||||
unes
|
|
||||||
uns
|
|
||||||
us
|
|
||||||
va
|
|
||||||
vaig
|
|
||||||
vam
|
|
||||||
van
|
|
||||||
vas
|
|
||||||
veu
|
|
||||||
vosaltres
|
|
||||||
vostra
|
|
||||||
vostre
|
|
||||||
vostres
|
|
|
@ -1,172 +0,0 @@
|
||||||
a
|
|
||||||
s
|
|
||||||
k
|
|
||||||
o
|
|
||||||
i
|
|
||||||
u
|
|
||||||
v
|
|
||||||
z
|
|
||||||
dnes
|
|
||||||
cz
|
|
||||||
tímto
|
|
||||||
budeš
|
|
||||||
budem
|
|
||||||
byli
|
|
||||||
jseš
|
|
||||||
můj
|
|
||||||
svým
|
|
||||||
ta
|
|
||||||
tomto
|
|
||||||
tohle
|
|
||||||
tuto
|
|
||||||
tyto
|
|
||||||
jej
|
|
||||||
zda
|
|
||||||
proč
|
|
||||||
máte
|
|
||||||
tato
|
|
||||||
kam
|
|
||||||
tohoto
|
|
||||||
kdo
|
|
||||||
kteří
|
|
||||||
mi
|
|
||||||
nám
|
|
||||||
tom
|
|
||||||
tomuto
|
|
||||||
mít
|
|
||||||
nic
|
|
||||||
proto
|
|
||||||
kterou
|
|
||||||
byla
|
|
||||||
toho
|
|
||||||
protože
|
|
||||||
asi
|
|
||||||
ho
|
|
||||||
naši
|
|
||||||
napište
|
|
||||||
re
|
|
||||||
což
|
|
||||||
tím
|
|
||||||
takže
|
|
||||||
svých
|
|
||||||
její
|
|
||||||
svými
|
|
||||||
jste
|
|
||||||
aj
|
|
||||||
tu
|
|
||||||
tedy
|
|
||||||
teto
|
|
||||||
bylo
|
|
||||||
kde
|
|
||||||
ke
|
|
||||||
pravé
|
|
||||||
ji
|
|
||||||
nad
|
|
||||||
nejsou
|
|
||||||
či
|
|
||||||
pod
|
|
||||||
téma
|
|
||||||
mezi
|
|
||||||
přes
|
|
||||||
ty
|
|
||||||
pak
|
|
||||||
vám
|
|
||||||
ani
|
|
||||||
když
|
|
||||||
však
|
|
||||||
neg
|
|
||||||
jsem
|
|
||||||
tento
|
|
||||||
článku
|
|
||||||
články
|
|
||||||
aby
|
|
||||||
jsme
|
|
||||||
před
|
|
||||||
pta
|
|
||||||
jejich
|
|
||||||
byl
|
|
||||||
ještě
|
|
||||||
až
|
|
||||||
bez
|
|
||||||
také
|
|
||||||
pouze
|
|
||||||
první
|
|
||||||
vaše
|
|
||||||
která
|
|
||||||
nás
|
|
||||||
nový
|
|
||||||
tipy
|
|
||||||
pokud
|
|
||||||
může
|
|
||||||
strana
|
|
||||||
jeho
|
|
||||||
své
|
|
||||||
jiné
|
|
||||||
zprávy
|
|
||||||
nové
|
|
||||||
není
|
|
||||||
vás
|
|
||||||
jen
|
|
||||||
podle
|
|
||||||
zde
|
|
||||||
už
|
|
||||||
být
|
|
||||||
více
|
|
||||||
bude
|
|
||||||
již
|
|
||||||
než
|
|
||||||
který
|
|
||||||
by
|
|
||||||
které
|
|
||||||
co
|
|
||||||
nebo
|
|
||||||
ten
|
|
||||||
tak
|
|
||||||
má
|
|
||||||
při
|
|
||||||
od
|
|
||||||
po
|
|
||||||
jsou
|
|
||||||
jak
|
|
||||||
další
|
|
||||||
ale
|
|
||||||
si
|
|
||||||
se
|
|
||||||
ve
|
|
||||||
to
|
|
||||||
jako
|
|
||||||
za
|
|
||||||
zpět
|
|
||||||
ze
|
|
||||||
do
|
|
||||||
pro
|
|
||||||
je
|
|
||||||
na
|
|
||||||
atd
|
|
||||||
atp
|
|
||||||
jakmile
|
|
||||||
přičemž
|
|
||||||
já
|
|
||||||
on
|
|
||||||
ona
|
|
||||||
ono
|
|
||||||
oni
|
|
||||||
ony
|
|
||||||
my
|
|
||||||
vy
|
|
||||||
jí
|
|
||||||
ji
|
|
||||||
mě
|
|
||||||
mne
|
|
||||||
jemu
|
|
||||||
tomu
|
|
||||||
těm
|
|
||||||
těmu
|
|
||||||
němu
|
|
||||||
němuž
|
|
||||||
jehož
|
|
||||||
jíž
|
|
||||||
jelikož
|
|
||||||
jež
|
|
||||||
jakož
|
|
||||||
načež
|
|
|
@ -1,110 +0,0 @@
|
||||||
| From svn.tartarus.org/snowball/trunk/website/algorithms/danish/stop.txt
|
|
||||||
| This file is distributed under the BSD License.
|
|
||||||
| See http://snowball.tartarus.org/license.php
|
|
||||||
| Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
| - Encoding was converted to UTF-8.
|
|
||||||
| - This notice was added.
|
|
||||||
|
|
|
||||||
| NOTE: To use this file with StopFilterFactory, you must specify format="snowball"
|
|
||||||
|
|
||||||
| A Danish stop word list. Comments begin with vertical bar. Each stop
|
|
||||||
| word is at the start of a line.
|
|
||||||
|
|
||||||
| This is a ranked list (commonest to rarest) of stopwords derived from
|
|
||||||
| a large text sample.
|
|
||||||
|
|
||||||
|
|
||||||
og | and
|
|
||||||
i | in
|
|
||||||
jeg | I
|
|
||||||
det | that (dem. pronoun)/it (pers. pronoun)
|
|
||||||
at | that (in front of a sentence)/to (with infinitive)
|
|
||||||
en | a/an
|
|
||||||
den | it (pers. pronoun)/that (dem. pronoun)
|
|
||||||
til | to/at/for/until/against/by/of/into, more
|
|
||||||
er | present tense of "to be"
|
|
||||||
som | who, as
|
|
||||||
på | on/upon/in/on/at/to/after/of/with/for, on
|
|
||||||
de | they
|
|
||||||
med | with/by/in, along
|
|
||||||
han | he
|
|
||||||
af | of/by/from/off/for/in/with/on, off
|
|
||||||
for | at/for/to/from/by/of/ago, in front/before, because
|
|
||||||
ikke | not
|
|
||||||
der | who/which, there/those
|
|
||||||
var | past tense of "to be"
|
|
||||||
mig | me/myself
|
|
||||||
sig | oneself/himself/herself/itself/themselves
|
|
||||||
men | but
|
|
||||||
et | a/an/one, one (number), someone/somebody/one
|
|
||||||
har | present tense of "to have"
|
|
||||||
om | round/about/for/in/a, about/around/down, if
|
|
||||||
vi | we
|
|
||||||
min | my
|
|
||||||
havde | past tense of "to have"
|
|
||||||
ham | him
|
|
||||||
hun | she
|
|
||||||
nu | now
|
|
||||||
over | over/above/across/by/beyond/past/on/about, over/past
|
|
||||||
da | then, when/as/since
|
|
||||||
fra | from/off/since, off, since
|
|
||||||
du | you
|
|
||||||
ud | out
|
|
||||||
sin | his/her/its/one's
|
|
||||||
dem | them
|
|
||||||
os | us/ourselves
|
|
||||||
op | up
|
|
||||||
man | you/one
|
|
||||||
hans | his
|
|
||||||
hvor | where
|
|
||||||
eller | or
|
|
||||||
hvad | what
|
|
||||||
skal | must/shall etc.
|
|
||||||
selv | myself/youself/herself/ourselves etc., even
|
|
||||||
her | here
|
|
||||||
alle | all/everyone/everybody etc.
|
|
||||||
vil | will (verb)
|
|
||||||
blev | past tense of "to stay/to remain/to get/to become"
|
|
||||||
kunne | could
|
|
||||||
ind | in
|
|
||||||
når | when
|
|
||||||
være | present tense of "to be"
|
|
||||||
dog | however/yet/after all
|
|
||||||
noget | something
|
|
||||||
ville | would
|
|
||||||
jo | you know/you see (adv), yes
|
|
||||||
deres | their/theirs
|
|
||||||
efter | after/behind/according to/for/by/from, later/afterwards
|
|
||||||
ned | down
|
|
||||||
skulle | should
|
|
||||||
denne | this
|
|
||||||
end | than
|
|
||||||
dette | this
|
|
||||||
mit | my/mine
|
|
||||||
også | also
|
|
||||||
under | under/beneath/below/during, below/underneath
|
|
||||||
have | have
|
|
||||||
dig | you
|
|
||||||
anden | other
|
|
||||||
hende | her
|
|
||||||
mine | my
|
|
||||||
alt | everything
|
|
||||||
meget | much/very, plenty of
|
|
||||||
sit | his, her, its, one's
|
|
||||||
sine | his, her, its, one's
|
|
||||||
vor | our
|
|
||||||
mod | against
|
|
||||||
disse | these
|
|
||||||
hvis | if
|
|
||||||
din | your/yours
|
|
||||||
nogle | some
|
|
||||||
hos | by/at
|
|
||||||
blive | be/become
|
|
||||||
mange | many
|
|
||||||
ad | by/through
|
|
||||||
bliver | present tense of "to be/to become"
|
|
||||||
hendes | her/hers
|
|
||||||
været | be
|
|
||||||
thi | for (conj)
|
|
||||||
jer | you
|
|
||||||
sådan | such, like this/like that
|
|
|
@ -1,294 +0,0 @@
|
||||||
| From svn.tartarus.org/snowball/trunk/website/algorithms/german/stop.txt
|
|
||||||
| This file is distributed under the BSD License.
|
|
||||||
| See http://snowball.tartarus.org/license.php
|
|
||||||
| Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
| - Encoding was converted to UTF-8.
|
|
||||||
| - This notice was added.
|
|
||||||
|
|
|
||||||
| NOTE: To use this file with StopFilterFactory, you must specify format="snowball"
|
|
||||||
|
|
||||||
| A German stop word list. Comments begin with vertical bar. Each stop
|
|
||||||
| word is at the start of a line.
|
|
||||||
|
|
||||||
| The number of forms in this list is reduced significantly by passing it
|
|
||||||
| through the German stemmer.
|
|
||||||
|
|
||||||
|
|
||||||
aber | but
|
|
||||||
|
|
||||||
alle | all
|
|
||||||
allem
|
|
||||||
allen
|
|
||||||
aller
|
|
||||||
alles
|
|
||||||
|
|
||||||
als | than, as
|
|
||||||
also | so
|
|
||||||
am | an + dem
|
|
||||||
an | at
|
|
||||||
|
|
||||||
ander | other
|
|
||||||
andere
|
|
||||||
anderem
|
|
||||||
anderen
|
|
||||||
anderer
|
|
||||||
anderes
|
|
||||||
anderm
|
|
||||||
andern
|
|
||||||
anderr
|
|
||||||
anders
|
|
||||||
|
|
||||||
auch | also
|
|
||||||
auf | on
|
|
||||||
aus | out of
|
|
||||||
bei | by
|
|
||||||
bin | am
|
|
||||||
bis | until
|
|
||||||
bist | art
|
|
||||||
da | there
|
|
||||||
damit | with it
|
|
||||||
dann | then
|
|
||||||
|
|
||||||
der | the
|
|
||||||
den
|
|
||||||
des
|
|
||||||
dem
|
|
||||||
die
|
|
||||||
das
|
|
||||||
|
|
||||||
daß | that
|
|
||||||
|
|
||||||
derselbe | the same
|
|
||||||
derselben
|
|
||||||
denselben
|
|
||||||
desselben
|
|
||||||
demselben
|
|
||||||
dieselbe
|
|
||||||
dieselben
|
|
||||||
dasselbe
|
|
||||||
|
|
||||||
dazu | to that
|
|
||||||
|
|
||||||
dein | thy
|
|
||||||
deine
|
|
||||||
deinem
|
|
||||||
deinen
|
|
||||||
deiner
|
|
||||||
deines
|
|
||||||
|
|
||||||
denn | because
|
|
||||||
|
|
||||||
derer | of those
|
|
||||||
dessen | of him
|
|
||||||
|
|
||||||
dich | thee
|
|
||||||
dir | to thee
|
|
||||||
du | thou
|
|
||||||
|
|
||||||
dies | this
|
|
||||||
diese
|
|
||||||
diesem
|
|
||||||
diesen
|
|
||||||
dieser
|
|
||||||
dieses
|
|
||||||
|
|
||||||
|
|
||||||
doch | (several meanings)
|
|
||||||
dort | (over) there
|
|
||||||
|
|
||||||
|
|
||||||
durch | through
|
|
||||||
|
|
||||||
ein | a
|
|
||||||
eine
|
|
||||||
einem
|
|
||||||
einen
|
|
||||||
einer
|
|
||||||
eines
|
|
||||||
|
|
||||||
einig | some
|
|
||||||
einige
|
|
||||||
einigem
|
|
||||||
einigen
|
|
||||||
einiger
|
|
||||||
einiges
|
|
||||||
|
|
||||||
einmal | once
|
|
||||||
|
|
||||||
er | he
|
|
||||||
ihn | him
|
|
||||||
ihm | to him
|
|
||||||
|
|
||||||
es | it
|
|
||||||
etwas | something
|
|
||||||
|
|
||||||
euer | your
|
|
||||||
eure
|
|
||||||
eurem
|
|
||||||
euren
|
|
||||||
eurer
|
|
||||||
eures
|
|
||||||
|
|
||||||
für | for
|
|
||||||
gegen | towards
|
|
||||||
gewesen | p.p. of sein
|
|
||||||
hab | have
|
|
||||||
habe | have
|
|
||||||
haben | have
|
|
||||||
hat | has
|
|
||||||
hatte | had
|
|
||||||
hatten | had
|
|
||||||
hier | here
|
|
||||||
hin | there
|
|
||||||
hinter | behind
|
|
||||||
|
|
||||||
ich | I
|
|
||||||
mich | me
|
|
||||||
mir | to me
|
|
||||||
|
|
||||||
|
|
||||||
ihr | you, to her
|
|
||||||
ihre
|
|
||||||
ihrem
|
|
||||||
ihren
|
|
||||||
ihrer
|
|
||||||
ihres
|
|
||||||
euch | to you
|
|
||||||
|
|
||||||
im | in + dem
|
|
||||||
in | in
|
|
||||||
indem | while
|
|
||||||
ins | in + das
|
|
||||||
ist | is
|
|
||||||
|
|
||||||
jede | each, every
|
|
||||||
jedem
|
|
||||||
jeden
|
|
||||||
jeder
|
|
||||||
jedes
|
|
||||||
|
|
||||||
jene | that
|
|
||||||
jenem
|
|
||||||
jenen
|
|
||||||
jener
|
|
||||||
jenes
|
|
||||||
|
|
||||||
jetzt | now
|
|
||||||
kann | can
|
|
||||||
|
|
||||||
kein | no
|
|
||||||
keine
|
|
||||||
keinem
|
|
||||||
keinen
|
|
||||||
keiner
|
|
||||||
keines
|
|
||||||
|
|
||||||
können | can
|
|
||||||
könnte | could
|
|
||||||
machen | do
|
|
||||||
man | one
|
|
||||||
|
|
||||||
manche | some, many a
|
|
||||||
manchem
|
|
||||||
manchen
|
|
||||||
mancher
|
|
||||||
manches
|
|
||||||
|
|
||||||
mein | my
|
|
||||||
meine
|
|
||||||
meinem
|
|
||||||
meinen
|
|
||||||
meiner
|
|
||||||
meines
|
|
||||||
|
|
||||||
mit | with
|
|
||||||
muss | must
|
|
||||||
musste | had to
|
|
||||||
nach | to(wards)
|
|
||||||
nicht | not
|
|
||||||
nichts | nothing
|
|
||||||
noch | still, yet
|
|
||||||
nun | now
|
|
||||||
nur | only
|
|
||||||
ob | whether
|
|
||||||
oder | or
|
|
||||||
ohne | without
|
|
||||||
sehr | very
|
|
||||||
|
|
||||||
sein | his
|
|
||||||
seine
|
|
||||||
seinem
|
|
||||||
seinen
|
|
||||||
seiner
|
|
||||||
seines
|
|
||||||
|
|
||||||
selbst | self
|
|
||||||
sich | herself
|
|
||||||
|
|
||||||
sie | they, she
|
|
||||||
ihnen | to them
|
|
||||||
|
|
||||||
sind | are
|
|
||||||
so | so
|
|
||||||
|
|
||||||
solche | such
|
|
||||||
solchem
|
|
||||||
solchen
|
|
||||||
solcher
|
|
||||||
solches
|
|
||||||
|
|
||||||
soll | shall
|
|
||||||
sollte | should
|
|
||||||
sondern | but
|
|
||||||
sonst | else
|
|
||||||
über | over
|
|
||||||
um | about, around
|
|
||||||
und | and
|
|
||||||
|
|
||||||
uns | us
|
|
||||||
unse
|
|
||||||
unsem
|
|
||||||
unsen
|
|
||||||
unser
|
|
||||||
unses
|
|
||||||
|
|
||||||
unter | under
|
|
||||||
viel | much
|
|
||||||
vom | von + dem
|
|
||||||
von | from
|
|
||||||
vor | before
|
|
||||||
während | while
|
|
||||||
war | was
|
|
||||||
waren | were
|
|
||||||
warst | wast
|
|
||||||
was | what
|
|
||||||
weg | away, off
|
|
||||||
weil | because
|
|
||||||
weiter | further
|
|
||||||
|
|
||||||
welche | which
|
|
||||||
welchem
|
|
||||||
welchen
|
|
||||||
welcher
|
|
||||||
welches
|
|
||||||
|
|
||||||
wenn | when
|
|
||||||
werde | will
|
|
||||||
werden | will
|
|
||||||
wie | how
|
|
||||||
wieder | again
|
|
||||||
will | want
|
|
||||||
wir | we
|
|
||||||
wird | will
|
|
||||||
wirst | willst
|
|
||||||
wo | where
|
|
||||||
wollen | want
|
|
||||||
wollte | wanted
|
|
||||||
würde | would
|
|
||||||
würden | would
|
|
||||||
zu | to
|
|
||||||
zum | zu + dem
|
|
||||||
zur | zu + der
|
|
||||||
zwar | indeed
|
|
||||||
zwischen | between
|
|
||||||
|
|
|
@ -1,78 +0,0 @@
|
||||||
# Lucene Greek Stopwords list
|
|
||||||
# Note: by default this file is used after GreekLowerCaseFilter,
|
|
||||||
# so when modifying this file use 'σ' instead of 'ς'
|
|
||||||
ο
|
|
||||||
η
|
|
||||||
το
|
|
||||||
οι
|
|
||||||
τα
|
|
||||||
του
|
|
||||||
τησ
|
|
||||||
των
|
|
||||||
τον
|
|
||||||
την
|
|
||||||
και
|
|
||||||
κι
|
|
||||||
κ
|
|
||||||
ειμαι
|
|
||||||
εισαι
|
|
||||||
ειναι
|
|
||||||
ειμαστε
|
|
||||||
ειστε
|
|
||||||
στο
|
|
||||||
στον
|
|
||||||
στη
|
|
||||||
στην
|
|
||||||
μα
|
|
||||||
αλλα
|
|
||||||
απο
|
|
||||||
για
|
|
||||||
προσ
|
|
||||||
με
|
|
||||||
σε
|
|
||||||
ωσ
|
|
||||||
παρα
|
|
||||||
αντι
|
|
||||||
κατα
|
|
||||||
μετα
|
|
||||||
θα
|
|
||||||
να
|
|
||||||
δε
|
|
||||||
δεν
|
|
||||||
μη
|
|
||||||
μην
|
|
||||||
επι
|
|
||||||
ενω
|
|
||||||
εαν
|
|
||||||
αν
|
|
||||||
τοτε
|
|
||||||
που
|
|
||||||
πωσ
|
|
||||||
ποιοσ
|
|
||||||
ποια
|
|
||||||
ποιο
|
|
||||||
ποιοι
|
|
||||||
ποιεσ
|
|
||||||
ποιων
|
|
||||||
ποιουσ
|
|
||||||
αυτοσ
|
|
||||||
αυτη
|
|
||||||
αυτο
|
|
||||||
αυτοι
|
|
||||||
αυτων
|
|
||||||
αυτουσ
|
|
||||||
αυτεσ
|
|
||||||
αυτα
|
|
||||||
εκεινοσ
|
|
||||||
εκεινη
|
|
||||||
εκεινο
|
|
||||||
εκεινοι
|
|
||||||
εκεινεσ
|
|
||||||
εκεινα
|
|
||||||
εκεινων
|
|
||||||
εκεινουσ
|
|
||||||
οπωσ
|
|
||||||
ομωσ
|
|
||||||
ισωσ
|
|
||||||
οσο
|
|
||||||
οτι
|
|
|
@ -1,54 +0,0 @@
|
||||||
# Licensed to the Apache Software Foundation (ASF) under one or more
|
|
||||||
# contributor license agreements. See the NOTICE file distributed with
|
|
||||||
# this work for additional information regarding copyright ownership.
|
|
||||||
# The ASF licenses this file to You under the Apache License, Version 2.0
|
|
||||||
# (the "License"); you may not use this file except in compliance with
|
|
||||||
# the License. You may obtain a copy of the License at
|
|
||||||
#
|
|
||||||
# http://www.apache.org/licenses/LICENSE-2.0
|
|
||||||
#
|
|
||||||
# Unless required by applicable law or agreed to in writing, software
|
|
||||||
# distributed under the License is distributed on an "AS IS" BASIS,
|
|
||||||
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
|
|
||||||
# See the License for the specific language governing permissions and
|
|
||||||
# limitations under the License.
|
|
||||||
|
|
||||||
# a couple of test stopwords to test that the words are really being
|
|
||||||
# configured from this file:
|
|
||||||
stopworda
|
|
||||||
stopwordb
|
|
||||||
|
|
||||||
# Standard english stop words taken from Lucene's StopAnalyzer
|
|
||||||
a
|
|
||||||
an
|
|
||||||
and
|
|
||||||
are
|
|
||||||
as
|
|
||||||
at
|
|
||||||
be
|
|
||||||
but
|
|
||||||
by
|
|
||||||
for
|
|
||||||
if
|
|
||||||
in
|
|
||||||
into
|
|
||||||
is
|
|
||||||
it
|
|
||||||
no
|
|
||||||
not
|
|
||||||
of
|
|
||||||
on
|
|
||||||
or
|
|
||||||
such
|
|
||||||
that
|
|
||||||
the
|
|
||||||
their
|
|
||||||
then
|
|
||||||
there
|
|
||||||
these
|
|
||||||
they
|
|
||||||
this
|
|
||||||
to
|
|
||||||
was
|
|
||||||
will
|
|
||||||
with
|
|
|
@ -1,356 +0,0 @@
|
||||||
| From svn.tartarus.org/snowball/trunk/website/algorithms/spanish/stop.txt
|
|
||||||
| This file is distributed under the BSD License.
|
|
||||||
| See http://snowball.tartarus.org/license.php
|
|
||||||
| Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
| - Encoding was converted to UTF-8.
|
|
||||||
| - This notice was added.
|
|
||||||
|
|
|
||||||
| NOTE: To use this file with StopFilterFactory, you must specify format="snowball"
|
|
||||||
|
|
||||||
| A Spanish stop word list. Comments begin with vertical bar. Each stop
|
|
||||||
| word is at the start of a line.
|
|
||||||
|
|
||||||
|
|
||||||
| The following is a ranked list (commonest to rarest) of stopwords
|
|
||||||
| deriving from a large sample of text.
|
|
||||||
|
|
||||||
| Extra words have been added at the end.
|
|
||||||
|
|
||||||
de | from, of
|
|
||||||
la | the, her
|
|
||||||
que | who, that
|
|
||||||
el | the
|
|
||||||
en | in
|
|
||||||
y | and
|
|
||||||
a | to
|
|
||||||
los | the, them
|
|
||||||
del | de + el
|
|
||||||
se | himself, from him etc
|
|
||||||
las | the, them
|
|
||||||
por | for, by, etc
|
|
||||||
un | a
|
|
||||||
para | for
|
|
||||||
con | with
|
|
||||||
no | no
|
|
||||||
una | a
|
|
||||||
su | his, her
|
|
||||||
al | a + el
|
|
||||||
| es from SER
|
|
||||||
lo | him
|
|
||||||
como | how
|
|
||||||
más | more
|
|
||||||
pero | pero
|
|
||||||
sus | su plural
|
|
||||||
le | to him, her
|
|
||||||
ya | already
|
|
||||||
o | or
|
|
||||||
| fue from SER
|
|
||||||
este | this
|
|
||||||
| ha from HABER
|
|
||||||
sí | himself etc
|
|
||||||
porque | because
|
|
||||||
esta | this
|
|
||||||
| son from SER
|
|
||||||
entre | between
|
|
||||||
| está from ESTAR
|
|
||||||
cuando | when
|
|
||||||
muy | very
|
|
||||||
sin | without
|
|
||||||
sobre | on
|
|
||||||
| ser from SER
|
|
||||||
| tiene from TENER
|
|
||||||
también | also
|
|
||||||
me | me
|
|
||||||
hasta | until
|
|
||||||
hay | there is/are
|
|
||||||
donde | where
|
|
||||||
| han from HABER
|
|
||||||
quien | whom, that
|
|
||||||
| están from ESTAR
|
|
||||||
| estado from ESTAR
|
|
||||||
desde | from
|
|
||||||
todo | all
|
|
||||||
nos | us
|
|
||||||
durante | during
|
|
||||||
| estados from ESTAR
|
|
||||||
todos | all
|
|
||||||
uno | a
|
|
||||||
les | to them
|
|
||||||
ni | nor
|
|
||||||
contra | against
|
|
||||||
otros | other
|
|
||||||
| fueron from SER
|
|
||||||
ese | that
|
|
||||||
eso | that
|
|
||||||
| había from HABER
|
|
||||||
ante | before
|
|
||||||
ellos | they
|
|
||||||
e | and (variant of y)
|
|
||||||
esto | this
|
|
||||||
mí | me
|
|
||||||
antes | before
|
|
||||||
algunos | some
|
|
||||||
qué | what?
|
|
||||||
unos | a
|
|
||||||
yo | I
|
|
||||||
otro | other
|
|
||||||
otras | other
|
|
||||||
otra | other
|
|
||||||
él | he
|
|
||||||
tanto | so much, many
|
|
||||||
esa | that
|
|
||||||
estos | these
|
|
||||||
mucho | much, many
|
|
||||||
quienes | who
|
|
||||||
nada | nothing
|
|
||||||
muchos | many
|
|
||||||
cual | who
|
|
||||||
| sea from SER
|
|
||||||
poco | few
|
|
||||||
ella | she
|
|
||||||
estar | to be
|
|
||||||
| haber from HABER
|
|
||||||
estas | these
|
|
||||||
| estaba from ESTAR
|
|
||||||
| estamos from ESTAR
|
|
||||||
algunas | some
|
|
||||||
algo | something
|
|
||||||
nosotros | we
|
|
||||||
|
|
||||||
| other forms
|
|
||||||
|
|
||||||
mi | me
|
|
||||||
mis | mi plural
|
|
||||||
tú | thou
|
|
||||||
te | thee
|
|
||||||
ti | thee
|
|
||||||
tu | thy
|
|
||||||
tus | tu plural
|
|
||||||
ellas | they
|
|
||||||
nosotras | we
|
|
||||||
vosotros | you
|
|
||||||
vosotras | you
|
|
||||||
os | you
|
|
||||||
mío | mine
|
|
||||||
mía |
|
|
||||||
míos |
|
|
||||||
mías |
|
|
||||||
tuyo | thine
|
|
||||||
tuya |
|
|
||||||
tuyos |
|
|
||||||
tuyas |
|
|
||||||
suyo | his, hers, theirs
|
|
||||||
suya |
|
|
||||||
suyos |
|
|
||||||
suyas |
|
|
||||||
nuestro | ours
|
|
||||||
nuestra |
|
|
||||||
nuestros |
|
|
||||||
nuestras |
|
|
||||||
vuestro | yours
|
|
||||||
vuestra |
|
|
||||||
vuestros |
|
|
||||||
vuestras |
|
|
||||||
esos | those
|
|
||||||
esas | those
|
|
||||||
|
|
||||||
| forms of estar, to be (not including the infinitive):
|
|
||||||
estoy
|
|
||||||
estás
|
|
||||||
está
|
|
||||||
estamos
|
|
||||||
estáis
|
|
||||||
están
|
|
||||||
esté
|
|
||||||
estés
|
|
||||||
estemos
|
|
||||||
estéis
|
|
||||||
estén
|
|
||||||
estaré
|
|
||||||
estarás
|
|
||||||
estará
|
|
||||||
estaremos
|
|
||||||
estaréis
|
|
||||||
estarán
|
|
||||||
estaría
|
|
||||||
estarías
|
|
||||||
estaríamos
|
|
||||||
estaríais
|
|
||||||
estarían
|
|
||||||
estaba
|
|
||||||
estabas
|
|
||||||
estábamos
|
|
||||||
estabais
|
|
||||||
estaban
|
|
||||||
estuve
|
|
||||||
estuviste
|
|
||||||
estuvo
|
|
||||||
estuvimos
|
|
||||||
estuvisteis
|
|
||||||
estuvieron
|
|
||||||
estuviera
|
|
||||||
estuvieras
|
|
||||||
estuviéramos
|
|
||||||
estuvierais
|
|
||||||
estuvieran
|
|
||||||
estuviese
|
|
||||||
estuvieses
|
|
||||||
estuviésemos
|
|
||||||
estuvieseis
|
|
||||||
estuviesen
|
|
||||||
estando
|
|
||||||
estado
|
|
||||||
estada
|
|
||||||
estados
|
|
||||||
estadas
|
|
||||||
estad
|
|
||||||
|
|
||||||
| forms of haber, to have (not including the infinitive):
|
|
||||||
he
|
|
||||||
has
|
|
||||||
ha
|
|
||||||
hemos
|
|
||||||
habéis
|
|
||||||
han
|
|
||||||
haya
|
|
||||||
hayas
|
|
||||||
hayamos
|
|
||||||
hayáis
|
|
||||||
hayan
|
|
||||||
habré
|
|
||||||
habrás
|
|
||||||
habrá
|
|
||||||
habremos
|
|
||||||
habréis
|
|
||||||
habrán
|
|
||||||
habría
|
|
||||||
habrías
|
|
||||||
habríamos
|
|
||||||
habríais
|
|
||||||
habrían
|
|
||||||
había
|
|
||||||
habías
|
|
||||||
habíamos
|
|
||||||
habíais
|
|
||||||
habían
|
|
||||||
hube
|
|
||||||
hubiste
|
|
||||||
hubo
|
|
||||||
hubimos
|
|
||||||
hubisteis
|
|
||||||
hubieron
|
|
||||||
hubiera
|
|
||||||
hubieras
|
|
||||||
hubiéramos
|
|
||||||
hubierais
|
|
||||||
hubieran
|
|
||||||
hubiese
|
|
||||||
hubieses
|
|
||||||
hubiésemos
|
|
||||||
hubieseis
|
|
||||||
hubiesen
|
|
||||||
habiendo
|
|
||||||
habido
|
|
||||||
habida
|
|
||||||
habidos
|
|
||||||
habidas
|
|
||||||
|
|
||||||
| forms of ser, to be (not including the infinitive):
|
|
||||||
soy
|
|
||||||
eres
|
|
||||||
es
|
|
||||||
somos
|
|
||||||
sois
|
|
||||||
son
|
|
||||||
sea
|
|
||||||
seas
|
|
||||||
seamos
|
|
||||||
seáis
|
|
||||||
sean
|
|
||||||
seré
|
|
||||||
serás
|
|
||||||
será
|
|
||||||
seremos
|
|
||||||
seréis
|
|
||||||
serán
|
|
||||||
sería
|
|
||||||
serías
|
|
||||||
seríamos
|
|
||||||
seríais
|
|
||||||
serían
|
|
||||||
era
|
|
||||||
eras
|
|
||||||
éramos
|
|
||||||
erais
|
|
||||||
eran
|
|
||||||
fui
|
|
||||||
fuiste
|
|
||||||
fue
|
|
||||||
fuimos
|
|
||||||
fuisteis
|
|
||||||
fueron
|
|
||||||
fuera
|
|
||||||
fueras
|
|
||||||
fuéramos
|
|
||||||
fuerais
|
|
||||||
fueran
|
|
||||||
fuese
|
|
||||||
fueses
|
|
||||||
fuésemos
|
|
||||||
fueseis
|
|
||||||
fuesen
|
|
||||||
siendo
|
|
||||||
sido
|
|
||||||
| sed also means 'thirst'
|
|
||||||
|
|
||||||
| forms of tener, to have (not including the infinitive):
|
|
||||||
tengo
|
|
||||||
tienes
|
|
||||||
tiene
|
|
||||||
tenemos
|
|
||||||
tenéis
|
|
||||||
tienen
|
|
||||||
tenga
|
|
||||||
tengas
|
|
||||||
tengamos
|
|
||||||
tengáis
|
|
||||||
tengan
|
|
||||||
tendré
|
|
||||||
tendrás
|
|
||||||
tendrá
|
|
||||||
tendremos
|
|
||||||
tendréis
|
|
||||||
tendrán
|
|
||||||
tendría
|
|
||||||
tendrías
|
|
||||||
tendríamos
|
|
||||||
tendríais
|
|
||||||
tendrían
|
|
||||||
tenía
|
|
||||||
tenías
|
|
||||||
teníamos
|
|
||||||
teníais
|
|
||||||
tenían
|
|
||||||
tuve
|
|
||||||
tuviste
|
|
||||||
tuvo
|
|
||||||
tuvimos
|
|
||||||
tuvisteis
|
|
||||||
tuvieron
|
|
||||||
tuviera
|
|
||||||
tuvieras
|
|
||||||
tuviéramos
|
|
||||||
tuvierais
|
|
||||||
tuvieran
|
|
||||||
tuviese
|
|
||||||
tuvieses
|
|
||||||
tuviésemos
|
|
||||||
tuvieseis
|
|
||||||
tuviesen
|
|
||||||
teniendo
|
|
||||||
tenido
|
|
||||||
tenida
|
|
||||||
tenidos
|
|
||||||
tenidas
|
|
||||||
tened
|
|
||||||
|
|
File diff suppressed because it is too large
Load diff
|
@ -1,99 +0,0 @@
|
||||||
# example set of basque stopwords
|
|
||||||
al
|
|
||||||
anitz
|
|
||||||
arabera
|
|
||||||
asko
|
|
||||||
baina
|
|
||||||
bat
|
|
||||||
batean
|
|
||||||
batek
|
|
||||||
bati
|
|
||||||
batzuei
|
|
||||||
batzuek
|
|
||||||
batzuetan
|
|
||||||
batzuk
|
|
||||||
bera
|
|
||||||
beraiek
|
|
||||||
berau
|
|
||||||
berauek
|
|
||||||
bere
|
|
||||||
berori
|
|
||||||
beroriek
|
|
||||||
beste
|
|
||||||
bezala
|
|
||||||
da
|
|
||||||
dago
|
|
||||||
dira
|
|
||||||
ditu
|
|
||||||
du
|
|
||||||
dute
|
|
||||||
edo
|
|
||||||
egin
|
|
||||||
ere
|
|
||||||
eta
|
|
||||||
eurak
|
|
||||||
ez
|
|
||||||
gainera
|
|
||||||
gu
|
|
||||||
gutxi
|
|
||||||
guzti
|
|
||||||
haiei
|
|
||||||
haiek
|
|
||||||
haietan
|
|
||||||
hainbeste
|
|
||||||
hala
|
|
||||||
han
|
|
||||||
handik
|
|
||||||
hango
|
|
||||||
hara
|
|
||||||
hari
|
|
||||||
hark
|
|
||||||
hartan
|
|
||||||
hau
|
|
||||||
hauei
|
|
||||||
hauek
|
|
||||||
hauetan
|
|
||||||
hemen
|
|
||||||
hemendik
|
|
||||||
hemengo
|
|
||||||
hi
|
|
||||||
hona
|
|
||||||
honek
|
|
||||||
honela
|
|
||||||
honetan
|
|
||||||
honi
|
|
||||||
hor
|
|
||||||
hori
|
|
||||||
horiei
|
|
||||||
horiek
|
|
||||||
horietan
|
|
||||||
horko
|
|
||||||
horra
|
|
||||||
horrek
|
|
||||||
horrela
|
|
||||||
horretan
|
|
||||||
horri
|
|
||||||
hortik
|
|
||||||
hura
|
|
||||||
izan
|
|
||||||
ni
|
|
||||||
noiz
|
|
||||||
nola
|
|
||||||
non
|
|
||||||
nondik
|
|
||||||
nongo
|
|
||||||
nor
|
|
||||||
nora
|
|
||||||
ze
|
|
||||||
zein
|
|
||||||
zen
|
|
||||||
zenbait
|
|
||||||
zenbat
|
|
||||||
zer
|
|
||||||
zergatik
|
|
||||||
ziren
|
|
||||||
zituen
|
|
||||||
zu
|
|
||||||
zuek
|
|
||||||
zuen
|
|
||||||
zuten
|
|
|
@ -1,313 +0,0 @@
|
||||||
# This file was created by Jacques Savoy and is distributed under the BSD license.
|
|
||||||
# See http://members.unine.ch/jacques.savoy/clef/index.html.
|
|
||||||
# Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
# Note: by default this file is used after normalization, so when adding entries
|
|
||||||
# to this file, use the arabic 'ي' instead of 'ی'
|
|
||||||
انان
|
|
||||||
نداشته
|
|
||||||
سراسر
|
|
||||||
خياه
|
|
||||||
ايشان
|
|
||||||
وي
|
|
||||||
تاكنون
|
|
||||||
بيشتري
|
|
||||||
دوم
|
|
||||||
پس
|
|
||||||
ناشي
|
|
||||||
وگو
|
|
||||||
يا
|
|
||||||
داشتند
|
|
||||||
سپس
|
|
||||||
هنگام
|
|
||||||
هرگز
|
|
||||||
پنج
|
|
||||||
نشان
|
|
||||||
امسال
|
|
||||||
ديگر
|
|
||||||
گروهي
|
|
||||||
شدند
|
|
||||||
چطور
|
|
||||||
ده
|
|
||||||
و
|
|
||||||
دو
|
|
||||||
نخستين
|
|
||||||
ولي
|
|
||||||
چرا
|
|
||||||
چه
|
|
||||||
وسط
|
|
||||||
ه
|
|
||||||
كدام
|
|
||||||
قابل
|
|
||||||
يك
|
|
||||||
رفت
|
|
||||||
هفت
|
|
||||||
همچنين
|
|
||||||
در
|
|
||||||
هزار
|
|
||||||
بله
|
|
||||||
بلي
|
|
||||||
شايد
|
|
||||||
اما
|
|
||||||
شناسي
|
|
||||||
گرفته
|
|
||||||
دهد
|
|
||||||
داشته
|
|
||||||
دانست
|
|
||||||
داشتن
|
|
||||||
خواهيم
|
|
||||||
ميليارد
|
|
||||||
وقتيكه
|
|
||||||
امد
|
|
||||||
خواهد
|
|
||||||
جز
|
|
||||||
اورده
|
|
||||||
شده
|
|
||||||
بلكه
|
|
||||||
خدمات
|
|
||||||
شدن
|
|
||||||
برخي
|
|
||||||
نبود
|
|
||||||
بسياري
|
|
||||||
جلوگيري
|
|
||||||
حق
|
|
||||||
كردند
|
|
||||||
نوعي
|
|
||||||
بعري
|
|
||||||
نكرده
|
|
||||||
نظير
|
|
||||||
نبايد
|
|
||||||
بوده
|
|
||||||
بودن
|
|
||||||
داد
|
|
||||||
اورد
|
|
||||||
هست
|
|
||||||
جايي
|
|
||||||
شود
|
|
||||||
دنبال
|
|
||||||
داده
|
|
||||||
بايد
|
|
||||||
سابق
|
|
||||||
هيچ
|
|
||||||
همان
|
|
||||||
انجا
|
|
||||||
كمتر
|
|
||||||
كجاست
|
|
||||||
گردد
|
|
||||||
كسي
|
|
||||||
تر
|
|
||||||
مردم
|
|
||||||
تان
|
|
||||||
دادن
|
|
||||||
بودند
|
|
||||||
سري
|
|
||||||
جدا
|
|
||||||
ندارند
|
|
||||||
مگر
|
|
||||||
يكديگر
|
|
||||||
دارد
|
|
||||||
دهند
|
|
||||||
بنابراين
|
|
||||||
هنگامي
|
|
||||||
سمت
|
|
||||||
جا
|
|
||||||
انچه
|
|
||||||
خود
|
|
||||||
دادند
|
|
||||||
زياد
|
|
||||||
دارند
|
|
||||||
اثر
|
|
||||||
بدون
|
|
||||||
بهترين
|
|
||||||
بيشتر
|
|
||||||
البته
|
|
||||||
به
|
|
||||||
براساس
|
|
||||||
بيرون
|
|
||||||
كرد
|
|
||||||
بعضي
|
|
||||||
گرفت
|
|
||||||
توي
|
|
||||||
اي
|
|
||||||
ميليون
|
|
||||||
او
|
|
||||||
جريان
|
|
||||||
تول
|
|
||||||
بر
|
|
||||||
مانند
|
|
||||||
برابر
|
|
||||||
باشيم
|
|
||||||
مدتي
|
|
||||||
گويند
|
|
||||||
اكنون
|
|
||||||
تا
|
|
||||||
تنها
|
|
||||||
جديد
|
|
||||||
چند
|
|
||||||
بي
|
|
||||||
نشده
|
|
||||||
كردن
|
|
||||||
كردم
|
|
||||||
گويد
|
|
||||||
كرده
|
|
||||||
كنيم
|
|
||||||
نمي
|
|
||||||
نزد
|
|
||||||
روي
|
|
||||||
قصد
|
|
||||||
فقط
|
|
||||||
بالاي
|
|
||||||
ديگران
|
|
||||||
اين
|
|
||||||
ديروز
|
|
||||||
توسط
|
|
||||||
سوم
|
|
||||||
ايم
|
|
||||||
دانند
|
|
||||||
سوي
|
|
||||||
استفاده
|
|
||||||
شما
|
|
||||||
كنار
|
|
||||||
داريم
|
|
||||||
ساخته
|
|
||||||
طور
|
|
||||||
امده
|
|
||||||
رفته
|
|
||||||
نخست
|
|
||||||
بيست
|
|
||||||
نزديك
|
|
||||||
طي
|
|
||||||
كنيد
|
|
||||||
از
|
|
||||||
انها
|
|
||||||
تمامي
|
|
||||||
داشت
|
|
||||||
يكي
|
|
||||||
طريق
|
|
||||||
اش
|
|
||||||
چيست
|
|
||||||
روب
|
|
||||||
نمايد
|
|
||||||
گفت
|
|
||||||
چندين
|
|
||||||
چيزي
|
|
||||||
تواند
|
|
||||||
ام
|
|
||||||
ايا
|
|
||||||
با
|
|
||||||
ان
|
|
||||||
ايد
|
|
||||||
ترين
|
|
||||||
اينكه
|
|
||||||
ديگري
|
|
||||||
راه
|
|
||||||
هايي
|
|
||||||
بروز
|
|
||||||
همچنان
|
|
||||||
پاعين
|
|
||||||
كس
|
|
||||||
حدود
|
|
||||||
مختلف
|
|
||||||
مقابل
|
|
||||||
چيز
|
|
||||||
گيرد
|
|
||||||
ندارد
|
|
||||||
ضد
|
|
||||||
همچون
|
|
||||||
سازي
|
|
||||||
شان
|
|
||||||
مورد
|
|
||||||
باره
|
|
||||||
مرسي
|
|
||||||
خويش
|
|
||||||
برخوردار
|
|
||||||
چون
|
|
||||||
خارج
|
|
||||||
شش
|
|
||||||
هنوز
|
|
||||||
تحت
|
|
||||||
ضمن
|
|
||||||
هستيم
|
|
||||||
گفته
|
|
||||||
فكر
|
|
||||||
بسيار
|
|
||||||
پيش
|
|
||||||
براي
|
|
||||||
روزهاي
|
|
||||||
انكه
|
|
||||||
نخواهد
|
|
||||||
بالا
|
|
||||||
كل
|
|
||||||
وقتي
|
|
||||||
كي
|
|
||||||
چنين
|
|
||||||
كه
|
|
||||||
گيري
|
|
||||||
نيست
|
|
||||||
است
|
|
||||||
كجا
|
|
||||||
كند
|
|
||||||
نيز
|
|
||||||
يابد
|
|
||||||
بندي
|
|
||||||
حتي
|
|
||||||
توانند
|
|
||||||
عقب
|
|
||||||
خواست
|
|
||||||
كنند
|
|
||||||
بين
|
|
||||||
تمام
|
|
||||||
همه
|
|
||||||
ما
|
|
||||||
باشند
|
|
||||||
مثل
|
|
||||||
شد
|
|
||||||
اري
|
|
||||||
باشد
|
|
||||||
اره
|
|
||||||
طبق
|
|
||||||
بعد
|
|
||||||
اگر
|
|
||||||
صورت
|
|
||||||
غير
|
|
||||||
جاي
|
|
||||||
بيش
|
|
||||||
ريزي
|
|
||||||
اند
|
|
||||||
زيرا
|
|
||||||
چگونه
|
|
||||||
بار
|
|
||||||
لطفا
|
|
||||||
مي
|
|
||||||
درباره
|
|
||||||
من
|
|
||||||
ديده
|
|
||||||
همين
|
|
||||||
گذاري
|
|
||||||
برداري
|
|
||||||
علت
|
|
||||||
گذاشته
|
|
||||||
هم
|
|
||||||
فوق
|
|
||||||
نه
|
|
||||||
ها
|
|
||||||
شوند
|
|
||||||
اباد
|
|
||||||
همواره
|
|
||||||
هر
|
|
||||||
اول
|
|
||||||
خواهند
|
|
||||||
چهار
|
|
||||||
نام
|
|
||||||
امروز
|
|
||||||
مان
|
|
||||||
هاي
|
|
||||||
قبل
|
|
||||||
كنم
|
|
||||||
سعي
|
|
||||||
تازه
|
|
||||||
را
|
|
||||||
هستند
|
|
||||||
زير
|
|
||||||
جلوي
|
|
||||||
عنوان
|
|
||||||
بود
|
|
|
@ -1,97 +0,0 @@
|
||||||
| From svn.tartarus.org/snowball/trunk/website/algorithms/finnish/stop.txt
|
|
||||||
| This file is distributed under the BSD License.
|
|
||||||
| See http://snowball.tartarus.org/license.php
|
|
||||||
| Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
| - Encoding was converted to UTF-8.
|
|
||||||
| - This notice was added.
|
|
||||||
|
|
|
||||||
| NOTE: To use this file with StopFilterFactory, you must specify format="snowball"
|
|
||||||
|
|
||||||
| forms of BE
|
|
||||||
|
|
||||||
olla
|
|
||||||
olen
|
|
||||||
olet
|
|
||||||
on
|
|
||||||
olemme
|
|
||||||
olette
|
|
||||||
ovat
|
|
||||||
ole | negative form
|
|
||||||
|
|
||||||
oli
|
|
||||||
olisi
|
|
||||||
olisit
|
|
||||||
olisin
|
|
||||||
olisimme
|
|
||||||
olisitte
|
|
||||||
olisivat
|
|
||||||
olit
|
|
||||||
olin
|
|
||||||
olimme
|
|
||||||
olitte
|
|
||||||
olivat
|
|
||||||
ollut
|
|
||||||
olleet
|
|
||||||
|
|
||||||
en | negation
|
|
||||||
et
|
|
||||||
ei
|
|
||||||
emme
|
|
||||||
ette
|
|
||||||
eivät
|
|
||||||
|
|
||||||
|Nom Gen Acc Part Iness Elat Illat Adess Ablat Allat Ess Trans
|
|
||||||
minä minun minut minua minussa minusta minuun minulla minulta minulle | I
|
|
||||||
sinä sinun sinut sinua sinussa sinusta sinuun sinulla sinulta sinulle | you
|
|
||||||
hän hänen hänet häntä hänessä hänestä häneen hänellä häneltä hänelle | he she
|
|
||||||
me meidän meidät meitä meissä meistä meihin meillä meiltä meille | we
|
|
||||||
te teidän teidät teitä teissä teistä teihin teillä teiltä teille | you
|
|
||||||
he heidän heidät heitä heissä heistä heihin heillä heiltä heille | they
|
|
||||||
|
|
||||||
tämä tämän tätä tässä tästä tähän tallä tältä tälle tänä täksi | this
|
|
||||||
tuo tuon tuotä tuossa tuosta tuohon tuolla tuolta tuolle tuona tuoksi | that
|
|
||||||
se sen sitä siinä siitä siihen sillä siltä sille sinä siksi | it
|
|
||||||
nämä näiden näitä näissä näistä näihin näillä näiltä näille näinä näiksi | these
|
|
||||||
nuo noiden noita noissa noista noihin noilla noilta noille noina noiksi | those
|
|
||||||
ne niiden niitä niissä niistä niihin niillä niiltä niille niinä niiksi | they
|
|
||||||
|
|
||||||
kuka kenen kenet ketä kenessä kenestä keneen kenellä keneltä kenelle kenenä keneksi| who
|
|
||||||
ketkä keiden ketkä keitä keissä keistä keihin keillä keiltä keille keinä keiksi | (pl)
|
|
||||||
mikä minkä minkä mitä missä mistä mihin millä miltä mille minä miksi | which what
|
|
||||||
mitkä | (pl)
|
|
||||||
|
|
||||||
joka jonka jota jossa josta johon jolla jolta jolle jona joksi | who which
|
|
||||||
jotka joiden joita joissa joista joihin joilla joilta joille joina joiksi | (pl)
|
|
||||||
|
|
||||||
| conjunctions
|
|
||||||
|
|
||||||
että | that
|
|
||||||
ja | and
|
|
||||||
jos | if
|
|
||||||
koska | because
|
|
||||||
kuin | than
|
|
||||||
mutta | but
|
|
||||||
niin | so
|
|
||||||
sekä | and
|
|
||||||
sillä | for
|
|
||||||
tai | or
|
|
||||||
vaan | but
|
|
||||||
vai | or
|
|
||||||
vaikka | although
|
|
||||||
|
|
||||||
|
|
||||||
| prepositions
|
|
||||||
|
|
||||||
kanssa | with
|
|
||||||
mukaan | according to
|
|
||||||
noin | about
|
|
||||||
poikki | across
|
|
||||||
yli | over, across
|
|
||||||
|
|
||||||
| other
|
|
||||||
|
|
||||||
kun | when
|
|
||||||
niin | so
|
|
||||||
nyt | now
|
|
||||||
itse | self
|
|
||||||
|
|
|
@ -1,186 +0,0 @@
|
||||||
| From svn.tartarus.org/snowball/trunk/website/algorithms/french/stop.txt
|
|
||||||
| This file is distributed under the BSD License.
|
|
||||||
| See http://snowball.tartarus.org/license.php
|
|
||||||
| Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
| - Encoding was converted to UTF-8.
|
|
||||||
| - This notice was added.
|
|
||||||
|
|
|
||||||
| NOTE: To use this file with StopFilterFactory, you must specify format="snowball"
|
|
||||||
|
|
||||||
| A French stop word list. Comments begin with vertical bar. Each stop
|
|
||||||
| word is at the start of a line.
|
|
||||||
|
|
||||||
au | a + le
|
|
||||||
aux | a + les
|
|
||||||
avec | with
|
|
||||||
ce | this
|
|
||||||
ces | these
|
|
||||||
dans | with
|
|
||||||
de | of
|
|
||||||
des | de + les
|
|
||||||
du | de + le
|
|
||||||
elle | she
|
|
||||||
en | `of them' etc
|
|
||||||
et | and
|
|
||||||
eux | them
|
|
||||||
il | he
|
|
||||||
je | I
|
|
||||||
la | the
|
|
||||||
le | the
|
|
||||||
leur | their
|
|
||||||
lui | him
|
|
||||||
ma | my (fem)
|
|
||||||
mais | but
|
|
||||||
me | me
|
|
||||||
même | same; as in moi-même (myself) etc
|
|
||||||
mes | me (pl)
|
|
||||||
moi | me
|
|
||||||
mon | my (masc)
|
|
||||||
ne | not
|
|
||||||
nos | our (pl)
|
|
||||||
notre | our
|
|
||||||
nous | we
|
|
||||||
on | one
|
|
||||||
ou | where
|
|
||||||
par | by
|
|
||||||
pas | not
|
|
||||||
pour | for
|
|
||||||
qu | que before vowel
|
|
||||||
que | that
|
|
||||||
qui | who
|
|
||||||
sa | his, her (fem)
|
|
||||||
se | oneself
|
|
||||||
ses | his (pl)
|
|
||||||
son | his, her (masc)
|
|
||||||
sur | on
|
|
||||||
ta | thy (fem)
|
|
||||||
te | thee
|
|
||||||
tes | thy (pl)
|
|
||||||
toi | thee
|
|
||||||
ton | thy (masc)
|
|
||||||
tu | thou
|
|
||||||
un | a
|
|
||||||
une | a
|
|
||||||
vos | your (pl)
|
|
||||||
votre | your
|
|
||||||
vous | you
|
|
||||||
|
|
||||||
| single letter forms
|
|
||||||
|
|
||||||
c | c'
|
|
||||||
d | d'
|
|
||||||
j | j'
|
|
||||||
l | l'
|
|
||||||
à | to, at
|
|
||||||
m | m'
|
|
||||||
n | n'
|
|
||||||
s | s'
|
|
||||||
t | t'
|
|
||||||
y | there
|
|
||||||
|
|
||||||
| forms of être (not including the infinitive):
|
|
||||||
été
|
|
||||||
étée
|
|
||||||
étées
|
|
||||||
étés
|
|
||||||
étant
|
|
||||||
suis
|
|
||||||
es
|
|
||||||
est
|
|
||||||
sommes
|
|
||||||
êtes
|
|
||||||
sont
|
|
||||||
serai
|
|
||||||
seras
|
|
||||||
sera
|
|
||||||
serons
|
|
||||||
serez
|
|
||||||
seront
|
|
||||||
serais
|
|
||||||
serait
|
|
||||||
serions
|
|
||||||
seriez
|
|
||||||
seraient
|
|
||||||
étais
|
|
||||||
était
|
|
||||||
étions
|
|
||||||
étiez
|
|
||||||
étaient
|
|
||||||
fus
|
|
||||||
fut
|
|
||||||
fûmes
|
|
||||||
fûtes
|
|
||||||
furent
|
|
||||||
sois
|
|
||||||
soit
|
|
||||||
soyons
|
|
||||||
soyez
|
|
||||||
soient
|
|
||||||
fusse
|
|
||||||
fusses
|
|
||||||
fût
|
|
||||||
fussions
|
|
||||||
fussiez
|
|
||||||
fussent
|
|
||||||
|
|
||||||
| forms of avoir (not including the infinitive):
|
|
||||||
ayant
|
|
||||||
eu
|
|
||||||
eue
|
|
||||||
eues
|
|
||||||
eus
|
|
||||||
ai
|
|
||||||
as
|
|
||||||
avons
|
|
||||||
avez
|
|
||||||
ont
|
|
||||||
aurai
|
|
||||||
auras
|
|
||||||
aura
|
|
||||||
aurons
|
|
||||||
aurez
|
|
||||||
auront
|
|
||||||
aurais
|
|
||||||
aurait
|
|
||||||
aurions
|
|
||||||
auriez
|
|
||||||
auraient
|
|
||||||
avais
|
|
||||||
avait
|
|
||||||
avions
|
|
||||||
aviez
|
|
||||||
avaient
|
|
||||||
eut
|
|
||||||
eûmes
|
|
||||||
eûtes
|
|
||||||
eurent
|
|
||||||
aie
|
|
||||||
aies
|
|
||||||
ait
|
|
||||||
ayons
|
|
||||||
ayez
|
|
||||||
aient
|
|
||||||
eusse
|
|
||||||
eusses
|
|
||||||
eût
|
|
||||||
eussions
|
|
||||||
eussiez
|
|
||||||
eussent
|
|
||||||
|
|
||||||
| Later additions (from Jean-Christophe Deschamps)
|
|
||||||
ceci | this
|
|
||||||
cela | that
|
|
||||||
celà | that
|
|
||||||
cet | this
|
|
||||||
cette | this
|
|
||||||
ici | here
|
|
||||||
ils | they
|
|
||||||
les | the (pl)
|
|
||||||
leurs | their (pl)
|
|
||||||
quel | which
|
|
||||||
quels | which
|
|
||||||
quelle | which
|
|
||||||
quelles | which
|
|
||||||
sans | without
|
|
||||||
soi | oneself
|
|
||||||
|
|
|
@ -1,110 +0,0 @@
|
||||||
|
|
||||||
a
|
|
||||||
ach
|
|
||||||
ag
|
|
||||||
agus
|
|
||||||
an
|
|
||||||
aon
|
|
||||||
ar
|
|
||||||
arna
|
|
||||||
as
|
|
||||||
b'
|
|
||||||
ba
|
|
||||||
beirt
|
|
||||||
bhúr
|
|
||||||
caoga
|
|
||||||
ceathair
|
|
||||||
ceathrar
|
|
||||||
chomh
|
|
||||||
chtó
|
|
||||||
chuig
|
|
||||||
chun
|
|
||||||
cois
|
|
||||||
céad
|
|
||||||
cúig
|
|
||||||
cúigear
|
|
||||||
d'
|
|
||||||
daichead
|
|
||||||
dar
|
|
||||||
de
|
|
||||||
deich
|
|
||||||
deichniúr
|
|
||||||
den
|
|
||||||
dhá
|
|
||||||
do
|
|
||||||
don
|
|
||||||
dtí
|
|
||||||
dá
|
|
||||||
dár
|
|
||||||
dó
|
|
||||||
faoi
|
|
||||||
faoin
|
|
||||||
faoina
|
|
||||||
faoinár
|
|
||||||
fara
|
|
||||||
fiche
|
|
||||||
gach
|
|
||||||
gan
|
|
||||||
go
|
|
||||||
gur
|
|
||||||
haon
|
|
||||||
hocht
|
|
||||||
i
|
|
||||||
iad
|
|
||||||
idir
|
|
||||||
in
|
|
||||||
ina
|
|
||||||
ins
|
|
||||||
inár
|
|
||||||
is
|
|
||||||
le
|
|
||||||
leis
|
|
||||||
lena
|
|
||||||
lenár
|
|
||||||
m'
|
|
||||||
mar
|
|
||||||
mo
|
|
||||||
mé
|
|
||||||
na
|
|
||||||
nach
|
|
||||||
naoi
|
|
||||||
naonúr
|
|
||||||
ná
|
|
||||||
ní
|
|
||||||
níor
|
|
||||||
nó
|
|
||||||
nócha
|
|
||||||
ocht
|
|
||||||
ochtar
|
|
||||||
os
|
|
||||||
roimh
|
|
||||||
sa
|
|
||||||
seacht
|
|
||||||
seachtar
|
|
||||||
seachtó
|
|
||||||
seasca
|
|
||||||
seisear
|
|
||||||
siad
|
|
||||||
sibh
|
|
||||||
sinn
|
|
||||||
sna
|
|
||||||
sé
|
|
||||||
sí
|
|
||||||
tar
|
|
||||||
thar
|
|
||||||
thú
|
|
||||||
triúr
|
|
||||||
trí
|
|
||||||
trína
|
|
||||||
trínár
|
|
||||||
tríocha
|
|
||||||
tú
|
|
||||||
um
|
|
||||||
ár
|
|
||||||
é
|
|
||||||
éis
|
|
||||||
í
|
|
||||||
ó
|
|
||||||
ón
|
|
||||||
óna
|
|
||||||
ónár
|
|
|
@ -1,161 +0,0 @@
|
||||||
# galican stopwords
|
|
||||||
a
|
|
||||||
aínda
|
|
||||||
alí
|
|
||||||
aquel
|
|
||||||
aquela
|
|
||||||
aquelas
|
|
||||||
aqueles
|
|
||||||
aquilo
|
|
||||||
aquí
|
|
||||||
ao
|
|
||||||
aos
|
|
||||||
as
|
|
||||||
así
|
|
||||||
á
|
|
||||||
ben
|
|
||||||
cando
|
|
||||||
che
|
|
||||||
co
|
|
||||||
coa
|
|
||||||
comigo
|
|
||||||
con
|
|
||||||
connosco
|
|
||||||
contigo
|
|
||||||
convosco
|
|
||||||
coas
|
|
||||||
cos
|
|
||||||
cun
|
|
||||||
cuns
|
|
||||||
cunha
|
|
||||||
cunhas
|
|
||||||
da
|
|
||||||
dalgunha
|
|
||||||
dalgunhas
|
|
||||||
dalgún
|
|
||||||
dalgúns
|
|
||||||
das
|
|
||||||
de
|
|
||||||
del
|
|
||||||
dela
|
|
||||||
delas
|
|
||||||
deles
|
|
||||||
desde
|
|
||||||
deste
|
|
||||||
do
|
|
||||||
dos
|
|
||||||
dun
|
|
||||||
duns
|
|
||||||
dunha
|
|
||||||
dunhas
|
|
||||||
e
|
|
||||||
el
|
|
||||||
ela
|
|
||||||
elas
|
|
||||||
eles
|
|
||||||
en
|
|
||||||
era
|
|
||||||
eran
|
|
||||||
esa
|
|
||||||
esas
|
|
||||||
ese
|
|
||||||
eses
|
|
||||||
esta
|
|
||||||
estar
|
|
||||||
estaba
|
|
||||||
está
|
|
||||||
están
|
|
||||||
este
|
|
||||||
estes
|
|
||||||
estiven
|
|
||||||
estou
|
|
||||||
eu
|
|
||||||
é
|
|
||||||
facer
|
|
||||||
foi
|
|
||||||
foron
|
|
||||||
fun
|
|
||||||
había
|
|
||||||
hai
|
|
||||||
iso
|
|
||||||
isto
|
|
||||||
la
|
|
||||||
las
|
|
||||||
lle
|
|
||||||
lles
|
|
||||||
lo
|
|
||||||
los
|
|
||||||
mais
|
|
||||||
me
|
|
||||||
meu
|
|
||||||
meus
|
|
||||||
min
|
|
||||||
miña
|
|
||||||
miñas
|
|
||||||
moi
|
|
||||||
na
|
|
||||||
nas
|
|
||||||
neste
|
|
||||||
nin
|
|
||||||
no
|
|
||||||
non
|
|
||||||
nos
|
|
||||||
nosa
|
|
||||||
nosas
|
|
||||||
noso
|
|
||||||
nosos
|
|
||||||
nós
|
|
||||||
nun
|
|
||||||
nunha
|
|
||||||
nuns
|
|
||||||
nunhas
|
|
||||||
o
|
|
||||||
os
|
|
||||||
ou
|
|
||||||
ó
|
|
||||||
ós
|
|
||||||
para
|
|
||||||
pero
|
|
||||||
pode
|
|
||||||
pois
|
|
||||||
pola
|
|
||||||
polas
|
|
||||||
polo
|
|
||||||
polos
|
|
||||||
por
|
|
||||||
que
|
|
||||||
se
|
|
||||||
senón
|
|
||||||
ser
|
|
||||||
seu
|
|
||||||
seus
|
|
||||||
sexa
|
|
||||||
sido
|
|
||||||
sobre
|
|
||||||
súa
|
|
||||||
súas
|
|
||||||
tamén
|
|
||||||
tan
|
|
||||||
te
|
|
||||||
ten
|
|
||||||
teñen
|
|
||||||
teño
|
|
||||||
ter
|
|
||||||
teu
|
|
||||||
teus
|
|
||||||
ti
|
|
||||||
tido
|
|
||||||
tiña
|
|
||||||
tiven
|
|
||||||
túa
|
|
||||||
túas
|
|
||||||
un
|
|
||||||
unha
|
|
||||||
unhas
|
|
||||||
uns
|
|
||||||
vos
|
|
||||||
vosa
|
|
||||||
vosas
|
|
||||||
voso
|
|
||||||
vosos
|
|
||||||
vós
|
|
|
@ -1,235 +0,0 @@
|
||||||
# Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
# See http://members.unine.ch/jacques.savoy/clef/index.html.
|
|
||||||
# This file was created by Jacques Savoy and is distributed under the BSD license.
|
|
||||||
# Note: by default this file also contains forms normalized by HindiNormalizer
|
|
||||||
# for spelling variation (see section below), such that it can be used whether or
|
|
||||||
# not you enable that feature. When adding additional entries to this list,
|
|
||||||
# please add the normalized form as well.
|
|
||||||
अंदर
|
|
||||||
अत
|
|
||||||
अपना
|
|
||||||
अपनी
|
|
||||||
अपने
|
|
||||||
अभी
|
|
||||||
आदि
|
|
||||||
आप
|
|
||||||
इत्यादि
|
|
||||||
इन
|
|
||||||
इनका
|
|
||||||
इन्हीं
|
|
||||||
इन्हें
|
|
||||||
इन्हों
|
|
||||||
इस
|
|
||||||
इसका
|
|
||||||
इसकी
|
|
||||||
इसके
|
|
||||||
इसमें
|
|
||||||
इसी
|
|
||||||
इसे
|
|
||||||
उन
|
|
||||||
उनका
|
|
||||||
उनकी
|
|
||||||
उनके
|
|
||||||
उनको
|
|
||||||
उन्हीं
|
|
||||||
उन्हें
|
|
||||||
उन्हों
|
|
||||||
उस
|
|
||||||
उसके
|
|
||||||
उसी
|
|
||||||
उसे
|
|
||||||
एक
|
|
||||||
एवं
|
|
||||||
एस
|
|
||||||
ऐसे
|
|
||||||
और
|
|
||||||
कई
|
|
||||||
कर
|
|
||||||
करता
|
|
||||||
करते
|
|
||||||
करना
|
|
||||||
करने
|
|
||||||
करें
|
|
||||||
कहते
|
|
||||||
कहा
|
|
||||||
का
|
|
||||||
काफ़ी
|
|
||||||
कि
|
|
||||||
कितना
|
|
||||||
किन्हें
|
|
||||||
किन्हों
|
|
||||||
किया
|
|
||||||
किर
|
|
||||||
किस
|
|
||||||
किसी
|
|
||||||
किसे
|
|
||||||
की
|
|
||||||
कुछ
|
|
||||||
कुल
|
|
||||||
के
|
|
||||||
को
|
|
||||||
कोई
|
|
||||||
कौन
|
|
||||||
कौनसा
|
|
||||||
गया
|
|
||||||
घर
|
|
||||||
जब
|
|
||||||
जहाँ
|
|
||||||
जा
|
|
||||||
जितना
|
|
||||||
जिन
|
|
||||||
जिन्हें
|
|
||||||
जिन्हों
|
|
||||||
जिस
|
|
||||||
जिसे
|
|
||||||
जीधर
|
|
||||||
जैसा
|
|
||||||
जैसे
|
|
||||||
जो
|
|
||||||
तक
|
|
||||||
तब
|
|
||||||
तरह
|
|
||||||
तिन
|
|
||||||
तिन्हें
|
|
||||||
तिन्हों
|
|
||||||
तिस
|
|
||||||
तिसे
|
|
||||||
तो
|
|
||||||
था
|
|
||||||
थी
|
|
||||||
थे
|
|
||||||
दबारा
|
|
||||||
दिया
|
|
||||||
दुसरा
|
|
||||||
दूसरे
|
|
||||||
दो
|
|
||||||
द्वारा
|
|
||||||
न
|
|
||||||
नहीं
|
|
||||||
ना
|
|
||||||
निहायत
|
|
||||||
नीचे
|
|
||||||
ने
|
|
||||||
पर
|
|
||||||
पर
|
|
||||||
पहले
|
|
||||||
पूरा
|
|
||||||
पे
|
|
||||||
फिर
|
|
||||||
बनी
|
|
||||||
बही
|
|
||||||
बहुत
|
|
||||||
बाद
|
|
||||||
बाला
|
|
||||||
बिलकुल
|
|
||||||
भी
|
|
||||||
भीतर
|
|
||||||
मगर
|
|
||||||
मानो
|
|
||||||
मे
|
|
||||||
में
|
|
||||||
यदि
|
|
||||||
यह
|
|
||||||
यहाँ
|
|
||||||
यही
|
|
||||||
या
|
|
||||||
यिह
|
|
||||||
ये
|
|
||||||
रखें
|
|
||||||
रहा
|
|
||||||
रहे
|
|
||||||
ऱ्वासा
|
|
||||||
लिए
|
|
||||||
लिये
|
|
||||||
लेकिन
|
|
||||||
व
|
|
||||||
वर्ग
|
|
||||||
वह
|
|
||||||
वह
|
|
||||||
वहाँ
|
|
||||||
वहीं
|
|
||||||
वाले
|
|
||||||
वुह
|
|
||||||
वे
|
|
||||||
वग़ैरह
|
|
||||||
संग
|
|
||||||
सकता
|
|
||||||
सकते
|
|
||||||
सबसे
|
|
||||||
सभी
|
|
||||||
साथ
|
|
||||||
साबुत
|
|
||||||
साभ
|
|
||||||
सारा
|
|
||||||
से
|
|
||||||
सो
|
|
||||||
ही
|
|
||||||
हुआ
|
|
||||||
हुई
|
|
||||||
हुए
|
|
||||||
है
|
|
||||||
हैं
|
|
||||||
हो
|
|
||||||
होता
|
|
||||||
होती
|
|
||||||
होते
|
|
||||||
होना
|
|
||||||
होने
|
|
||||||
# additional normalized forms of the above
|
|
||||||
अपनि
|
|
||||||
जेसे
|
|
||||||
होति
|
|
||||||
सभि
|
|
||||||
तिंहों
|
|
||||||
इंहों
|
|
||||||
दवारा
|
|
||||||
इसि
|
|
||||||
किंहें
|
|
||||||
थि
|
|
||||||
उंहों
|
|
||||||
ओर
|
|
||||||
जिंहें
|
|
||||||
वहिं
|
|
||||||
अभि
|
|
||||||
बनि
|
|
||||||
हि
|
|
||||||
उंहिं
|
|
||||||
उंहें
|
|
||||||
हें
|
|
||||||
वगेरह
|
|
||||||
एसे
|
|
||||||
रवासा
|
|
||||||
कोन
|
|
||||||
निचे
|
|
||||||
काफि
|
|
||||||
उसि
|
|
||||||
पुरा
|
|
||||||
भितर
|
|
||||||
हे
|
|
||||||
बहि
|
|
||||||
वहां
|
|
||||||
कोइ
|
|
||||||
यहां
|
|
||||||
जिंहों
|
|
||||||
तिंहें
|
|
||||||
किसि
|
|
||||||
कइ
|
|
||||||
यहि
|
|
||||||
इंहिं
|
|
||||||
जिधर
|
|
||||||
इंहें
|
|
||||||
अदि
|
|
||||||
इतयादि
|
|
||||||
हुइ
|
|
||||||
कोनसा
|
|
||||||
इसकि
|
|
||||||
दुसरे
|
|
||||||
जहां
|
|
||||||
अप
|
|
||||||
किंहों
|
|
||||||
उनकि
|
|
||||||
भि
|
|
||||||
वरग
|
|
||||||
हुअ
|
|
||||||
जेसा
|
|
||||||
नहिं
|
|
|
@ -1,211 +0,0 @@
|
||||||
| From svn.tartarus.org/snowball/trunk/website/algorithms/hungarian/stop.txt
|
|
||||||
| This file is distributed under the BSD License.
|
|
||||||
| See http://snowball.tartarus.org/license.php
|
|
||||||
| Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
| - Encoding was converted to UTF-8.
|
|
||||||
| - This notice was added.
|
|
||||||
|
|
|
||||||
| NOTE: To use this file with StopFilterFactory, you must specify format="snowball"
|
|
||||||
|
|
||||||
| Hungarian stop word list
|
|
||||||
| prepared by Anna Tordai
|
|
||||||
|
|
||||||
a
|
|
||||||
ahogy
|
|
||||||
ahol
|
|
||||||
aki
|
|
||||||
akik
|
|
||||||
akkor
|
|
||||||
alatt
|
|
||||||
által
|
|
||||||
általában
|
|
||||||
amely
|
|
||||||
amelyek
|
|
||||||
amelyekben
|
|
||||||
amelyeket
|
|
||||||
amelyet
|
|
||||||
amelynek
|
|
||||||
ami
|
|
||||||
amit
|
|
||||||
amolyan
|
|
||||||
amíg
|
|
||||||
amikor
|
|
||||||
át
|
|
||||||
abban
|
|
||||||
ahhoz
|
|
||||||
annak
|
|
||||||
arra
|
|
||||||
arról
|
|
||||||
az
|
|
||||||
azok
|
|
||||||
azon
|
|
||||||
azt
|
|
||||||
azzal
|
|
||||||
azért
|
|
||||||
aztán
|
|
||||||
azután
|
|
||||||
azonban
|
|
||||||
bár
|
|
||||||
be
|
|
||||||
belül
|
|
||||||
benne
|
|
||||||
cikk
|
|
||||||
cikkek
|
|
||||||
cikkeket
|
|
||||||
csak
|
|
||||||
de
|
|
||||||
e
|
|
||||||
eddig
|
|
||||||
egész
|
|
||||||
egy
|
|
||||||
egyes
|
|
||||||
egyetlen
|
|
||||||
egyéb
|
|
||||||
egyik
|
|
||||||
egyre
|
|
||||||
ekkor
|
|
||||||
el
|
|
||||||
elég
|
|
||||||
ellen
|
|
||||||
elő
|
|
||||||
először
|
|
||||||
előtt
|
|
||||||
első
|
|
||||||
én
|
|
||||||
éppen
|
|
||||||
ebben
|
|
||||||
ehhez
|
|
||||||
emilyen
|
|
||||||
ennek
|
|
||||||
erre
|
|
||||||
ez
|
|
||||||
ezt
|
|
||||||
ezek
|
|
||||||
ezen
|
|
||||||
ezzel
|
|
||||||
ezért
|
|
||||||
és
|
|
||||||
fel
|
|
||||||
felé
|
|
||||||
hanem
|
|
||||||
hiszen
|
|
||||||
hogy
|
|
||||||
hogyan
|
|
||||||
igen
|
|
||||||
így
|
|
||||||
illetve
|
|
||||||
ill.
|
|
||||||
ill
|
|
||||||
ilyen
|
|
||||||
ilyenkor
|
|
||||||
ison
|
|
||||||
ismét
|
|
||||||
itt
|
|
||||||
jó
|
|
||||||
jól
|
|
||||||
jobban
|
|
||||||
kell
|
|
||||||
kellett
|
|
||||||
keresztül
|
|
||||||
keressünk
|
|
||||||
ki
|
|
||||||
kívül
|
|
||||||
között
|
|
||||||
közül
|
|
||||||
legalább
|
|
||||||
lehet
|
|
||||||
lehetett
|
|
||||||
legyen
|
|
||||||
lenne
|
|
||||||
lenni
|
|
||||||
lesz
|
|
||||||
lett
|
|
||||||
maga
|
|
||||||
magát
|
|
||||||
majd
|
|
||||||
majd
|
|
||||||
már
|
|
||||||
más
|
|
||||||
másik
|
|
||||||
meg
|
|
||||||
még
|
|
||||||
mellett
|
|
||||||
mert
|
|
||||||
mely
|
|
||||||
melyek
|
|
||||||
mi
|
|
||||||
mit
|
|
||||||
míg
|
|
||||||
miért
|
|
||||||
milyen
|
|
||||||
mikor
|
|
||||||
minden
|
|
||||||
mindent
|
|
||||||
mindenki
|
|
||||||
mindig
|
|
||||||
mint
|
|
||||||
mintha
|
|
||||||
mivel
|
|
||||||
most
|
|
||||||
nagy
|
|
||||||
nagyobb
|
|
||||||
nagyon
|
|
||||||
ne
|
|
||||||
néha
|
|
||||||
nekem
|
|
||||||
neki
|
|
||||||
nem
|
|
||||||
néhány
|
|
||||||
nélkül
|
|
||||||
nincs
|
|
||||||
olyan
|
|
||||||
ott
|
|
||||||
össze
|
|
||||||
ő
|
|
||||||
ők
|
|
||||||
őket
|
|
||||||
pedig
|
|
||||||
persze
|
|
||||||
rá
|
|
||||||
s
|
|
||||||
saját
|
|
||||||
sem
|
|
||||||
semmi
|
|
||||||
sok
|
|
||||||
sokat
|
|
||||||
sokkal
|
|
||||||
számára
|
|
||||||
szemben
|
|
||||||
szerint
|
|
||||||
szinte
|
|
||||||
talán
|
|
||||||
tehát
|
|
||||||
teljes
|
|
||||||
tovább
|
|
||||||
továbbá
|
|
||||||
több
|
|
||||||
úgy
|
|
||||||
ugyanis
|
|
||||||
új
|
|
||||||
újabb
|
|
||||||
újra
|
|
||||||
után
|
|
||||||
utána
|
|
||||||
utolsó
|
|
||||||
vagy
|
|
||||||
vagyis
|
|
||||||
valaki
|
|
||||||
valami
|
|
||||||
valamint
|
|
||||||
való
|
|
||||||
vagyok
|
|
||||||
van
|
|
||||||
vannak
|
|
||||||
volt
|
|
||||||
voltam
|
|
||||||
voltak
|
|
||||||
voltunk
|
|
||||||
vissza
|
|
||||||
vele
|
|
||||||
viszont
|
|
||||||
volna
|
|
|
@ -1,46 +0,0 @@
|
||||||
# example set of Armenian stopwords.
|
|
||||||
այդ
|
|
||||||
այլ
|
|
||||||
այն
|
|
||||||
այս
|
|
||||||
դու
|
|
||||||
դուք
|
|
||||||
եմ
|
|
||||||
են
|
|
||||||
ենք
|
|
||||||
ես
|
|
||||||
եք
|
|
||||||
է
|
|
||||||
էի
|
|
||||||
էին
|
|
||||||
էինք
|
|
||||||
էիր
|
|
||||||
էիք
|
|
||||||
էր
|
|
||||||
ըստ
|
|
||||||
թ
|
|
||||||
ի
|
|
||||||
ին
|
|
||||||
իսկ
|
|
||||||
իր
|
|
||||||
կամ
|
|
||||||
համար
|
|
||||||
հետ
|
|
||||||
հետո
|
|
||||||
մենք
|
|
||||||
մեջ
|
|
||||||
մի
|
|
||||||
ն
|
|
||||||
նա
|
|
||||||
նաև
|
|
||||||
նրա
|
|
||||||
նրանք
|
|
||||||
որ
|
|
||||||
որը
|
|
||||||
որոնք
|
|
||||||
որպես
|
|
||||||
ու
|
|
||||||
ում
|
|
||||||
պիտի
|
|
||||||
վրա
|
|
||||||
և
|
|
|
@ -1,359 +0,0 @@
|
||||||
# from appendix D of: A Study of Stemming Effects on Information
|
|
||||||
# Retrieval in Bahasa Indonesia
|
|
||||||
ada
|
|
||||||
adanya
|
|
||||||
adalah
|
|
||||||
adapun
|
|
||||||
agak
|
|
||||||
agaknya
|
|
||||||
agar
|
|
||||||
akan
|
|
||||||
akankah
|
|
||||||
akhirnya
|
|
||||||
aku
|
|
||||||
akulah
|
|
||||||
amat
|
|
||||||
amatlah
|
|
||||||
anda
|
|
||||||
andalah
|
|
||||||
antar
|
|
||||||
diantaranya
|
|
||||||
antara
|
|
||||||
antaranya
|
|
||||||
diantara
|
|
||||||
apa
|
|
||||||
apaan
|
|
||||||
mengapa
|
|
||||||
apabila
|
|
||||||
apakah
|
|
||||||
apalagi
|
|
||||||
apatah
|
|
||||||
atau
|
|
||||||
ataukah
|
|
||||||
ataupun
|
|
||||||
bagai
|
|
||||||
bagaikan
|
|
||||||
sebagai
|
|
||||||
sebagainya
|
|
||||||
bagaimana
|
|
||||||
bagaimanapun
|
|
||||||
sebagaimana
|
|
||||||
bagaimanakah
|
|
||||||
bagi
|
|
||||||
bahkan
|
|
||||||
bahwa
|
|
||||||
bahwasanya
|
|
||||||
sebaliknya
|
|
||||||
banyak
|
|
||||||
sebanyak
|
|
||||||
beberapa
|
|
||||||
seberapa
|
|
||||||
begini
|
|
||||||
beginian
|
|
||||||
beginikah
|
|
||||||
beginilah
|
|
||||||
sebegini
|
|
||||||
begitu
|
|
||||||
begitukah
|
|
||||||
begitulah
|
|
||||||
begitupun
|
|
||||||
sebegitu
|
|
||||||
belum
|
|
||||||
belumlah
|
|
||||||
sebelum
|
|
||||||
sebelumnya
|
|
||||||
sebenarnya
|
|
||||||
berapa
|
|
||||||
berapakah
|
|
||||||
berapalah
|
|
||||||
berapapun
|
|
||||||
betulkah
|
|
||||||
sebetulnya
|
|
||||||
biasa
|
|
||||||
biasanya
|
|
||||||
bila
|
|
||||||
bilakah
|
|
||||||
bisa
|
|
||||||
bisakah
|
|
||||||
sebisanya
|
|
||||||
boleh
|
|
||||||
bolehkah
|
|
||||||
bolehlah
|
|
||||||
buat
|
|
||||||
bukan
|
|
||||||
bukankah
|
|
||||||
bukanlah
|
|
||||||
bukannya
|
|
||||||
cuma
|
|
||||||
percuma
|
|
||||||
dahulu
|
|
||||||
dalam
|
|
||||||
dan
|
|
||||||
dapat
|
|
||||||
dari
|
|
||||||
daripada
|
|
||||||
dekat
|
|
||||||
demi
|
|
||||||
demikian
|
|
||||||
demikianlah
|
|
||||||
sedemikian
|
|
||||||
dengan
|
|
||||||
depan
|
|
||||||
di
|
|
||||||
dia
|
|
||||||
dialah
|
|
||||||
dini
|
|
||||||
diri
|
|
||||||
dirinya
|
|
||||||
terdiri
|
|
||||||
dong
|
|
||||||
dulu
|
|
||||||
enggak
|
|
||||||
enggaknya
|
|
||||||
entah
|
|
||||||
entahlah
|
|
||||||
terhadap
|
|
||||||
terhadapnya
|
|
||||||
hal
|
|
||||||
hampir
|
|
||||||
hanya
|
|
||||||
hanyalah
|
|
||||||
harus
|
|
||||||
haruslah
|
|
||||||
harusnya
|
|
||||||
seharusnya
|
|
||||||
hendak
|
|
||||||
hendaklah
|
|
||||||
hendaknya
|
|
||||||
hingga
|
|
||||||
sehingga
|
|
||||||
ia
|
|
||||||
ialah
|
|
||||||
ibarat
|
|
||||||
ingin
|
|
||||||
inginkah
|
|
||||||
inginkan
|
|
||||||
ini
|
|
||||||
inikah
|
|
||||||
inilah
|
|
||||||
itu
|
|
||||||
itukah
|
|
||||||
itulah
|
|
||||||
jangan
|
|
||||||
jangankan
|
|
||||||
janganlah
|
|
||||||
jika
|
|
||||||
jikalau
|
|
||||||
juga
|
|
||||||
justru
|
|
||||||
kala
|
|
||||||
kalau
|
|
||||||
kalaulah
|
|
||||||
kalaupun
|
|
||||||
kalian
|
|
||||||
kami
|
|
||||||
kamilah
|
|
||||||
kamu
|
|
||||||
kamulah
|
|
||||||
kan
|
|
||||||
kapan
|
|
||||||
kapankah
|
|
||||||
kapanpun
|
|
||||||
dikarenakan
|
|
||||||
karena
|
|
||||||
karenanya
|
|
||||||
ke
|
|
||||||
kecil
|
|
||||||
kemudian
|
|
||||||
kenapa
|
|
||||||
kepada
|
|
||||||
kepadanya
|
|
||||||
ketika
|
|
||||||
seketika
|
|
||||||
khususnya
|
|
||||||
kini
|
|
||||||
kinilah
|
|
||||||
kiranya
|
|
||||||
sekiranya
|
|
||||||
kita
|
|
||||||
kitalah
|
|
||||||
kok
|
|
||||||
lagi
|
|
||||||
lagian
|
|
||||||
selagi
|
|
||||||
lah
|
|
||||||
lain
|
|
||||||
lainnya
|
|
||||||
melainkan
|
|
||||||
selaku
|
|
||||||
lalu
|
|
||||||
melalui
|
|
||||||
terlalu
|
|
||||||
lama
|
|
||||||
lamanya
|
|
||||||
selama
|
|
||||||
selama
|
|
||||||
selamanya
|
|
||||||
lebih
|
|
||||||
terlebih
|
|
||||||
bermacam
|
|
||||||
macam
|
|
||||||
semacam
|
|
||||||
maka
|
|
||||||
makanya
|
|
||||||
makin
|
|
||||||
malah
|
|
||||||
malahan
|
|
||||||
mampu
|
|
||||||
mampukah
|
|
||||||
mana
|
|
||||||
manakala
|
|
||||||
manalagi
|
|
||||||
masih
|
|
||||||
masihkah
|
|
||||||
semasih
|
|
||||||
masing
|
|
||||||
mau
|
|
||||||
maupun
|
|
||||||
semaunya
|
|
||||||
memang
|
|
||||||
mereka
|
|
||||||
merekalah
|
|
||||||
meski
|
|
||||||
meskipun
|
|
||||||
semula
|
|
||||||
mungkin
|
|
||||||
mungkinkah
|
|
||||||
nah
|
|
||||||
namun
|
|
||||||
nanti
|
|
||||||
nantinya
|
|
||||||
nyaris
|
|
||||||
oleh
|
|
||||||
olehnya
|
|
||||||
seorang
|
|
||||||
seseorang
|
|
||||||
pada
|
|
||||||
padanya
|
|
||||||
padahal
|
|
||||||
paling
|
|
||||||
sepanjang
|
|
||||||
pantas
|
|
||||||
sepantasnya
|
|
||||||
sepantasnyalah
|
|
||||||
para
|
|
||||||
pasti
|
|
||||||
pastilah
|
|
||||||
per
|
|
||||||
pernah
|
|
||||||
pula
|
|
||||||
pun
|
|
||||||
merupakan
|
|
||||||
rupanya
|
|
||||||
serupa
|
|
||||||
saat
|
|
||||||
saatnya
|
|
||||||
sesaat
|
|
||||||
saja
|
|
||||||
sajalah
|
|
||||||
saling
|
|
||||||
bersama
|
|
||||||
sama
|
|
||||||
sesama
|
|
||||||
sambil
|
|
||||||
sampai
|
|
||||||
sana
|
|
||||||
sangat
|
|
||||||
sangatlah
|
|
||||||
saya
|
|
||||||
sayalah
|
|
||||||
se
|
|
||||||
sebab
|
|
||||||
sebabnya
|
|
||||||
sebuah
|
|
||||||
tersebut
|
|
||||||
tersebutlah
|
|
||||||
sedang
|
|
||||||
sedangkan
|
|
||||||
sedikit
|
|
||||||
sedikitnya
|
|
||||||
segala
|
|
||||||
segalanya
|
|
||||||
segera
|
|
||||||
sesegera
|
|
||||||
sejak
|
|
||||||
sejenak
|
|
||||||
sekali
|
|
||||||
sekalian
|
|
||||||
sekalipun
|
|
||||||
sesekali
|
|
||||||
sekaligus
|
|
||||||
sekarang
|
|
||||||
sekarang
|
|
||||||
sekitar
|
|
||||||
sekitarnya
|
|
||||||
sela
|
|
||||||
selain
|
|
||||||
selalu
|
|
||||||
seluruh
|
|
||||||
seluruhnya
|
|
||||||
semakin
|
|
||||||
sementara
|
|
||||||
sempat
|
|
||||||
semua
|
|
||||||
semuanya
|
|
||||||
sendiri
|
|
||||||
sendirinya
|
|
||||||
seolah
|
|
||||||
seperti
|
|
||||||
sepertinya
|
|
||||||
sering
|
|
||||||
seringnya
|
|
||||||
serta
|
|
||||||
siapa
|
|
||||||
siapakah
|
|
||||||
siapapun
|
|
||||||
disini
|
|
||||||
disinilah
|
|
||||||
sini
|
|
||||||
sinilah
|
|
||||||
sesuatu
|
|
||||||
sesuatunya
|
|
||||||
suatu
|
|
||||||
sesudah
|
|
||||||
sesudahnya
|
|
||||||
sudah
|
|
||||||
sudahkah
|
|
||||||
sudahlah
|
|
||||||
supaya
|
|
||||||
tadi
|
|
||||||
tadinya
|
|
||||||
tak
|
|
||||||
tanpa
|
|
||||||
setelah
|
|
||||||
telah
|
|
||||||
tentang
|
|
||||||
tentu
|
|
||||||
tentulah
|
|
||||||
tentunya
|
|
||||||
tertentu
|
|
||||||
seterusnya
|
|
||||||
tapi
|
|
||||||
tetapi
|
|
||||||
setiap
|
|
||||||
tiap
|
|
||||||
setidaknya
|
|
||||||
tidak
|
|
||||||
tidakkah
|
|
||||||
tidaklah
|
|
||||||
toh
|
|
||||||
waduh
|
|
||||||
wah
|
|
||||||
wahai
|
|
||||||
sewaktu
|
|
||||||
walau
|
|
||||||
walaupun
|
|
||||||
wong
|
|
||||||
yaitu
|
|
||||||
yakni
|
|
||||||
yang
|
|
|
@ -1,303 +0,0 @@
|
||||||
| From svn.tartarus.org/snowball/trunk/website/algorithms/italian/stop.txt
|
|
||||||
| This file is distributed under the BSD License.
|
|
||||||
| See http://snowball.tartarus.org/license.php
|
|
||||||
| Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
| - Encoding was converted to UTF-8.
|
|
||||||
| - This notice was added.
|
|
||||||
|
|
|
||||||
| NOTE: To use this file with StopFilterFactory, you must specify format="snowball"
|
|
||||||
|
|
||||||
| An Italian stop word list. Comments begin with vertical bar. Each stop
|
|
||||||
| word is at the start of a line.
|
|
||||||
|
|
||||||
ad | a (to) before vowel
|
|
||||||
al | a + il
|
|
||||||
allo | a + lo
|
|
||||||
ai | a + i
|
|
||||||
agli | a + gli
|
|
||||||
all | a + l'
|
|
||||||
agl | a + gl'
|
|
||||||
alla | a + la
|
|
||||||
alle | a + le
|
|
||||||
con | with
|
|
||||||
col | con + il
|
|
||||||
coi | con + i (forms collo, cogli etc are now very rare)
|
|
||||||
da | from
|
|
||||||
dal | da + il
|
|
||||||
dallo | da + lo
|
|
||||||
dai | da + i
|
|
||||||
dagli | da + gli
|
|
||||||
dall | da + l'
|
|
||||||
dagl | da + gll'
|
|
||||||
dalla | da + la
|
|
||||||
dalle | da + le
|
|
||||||
di | of
|
|
||||||
del | di + il
|
|
||||||
dello | di + lo
|
|
||||||
dei | di + i
|
|
||||||
degli | di + gli
|
|
||||||
dell | di + l'
|
|
||||||
degl | di + gl'
|
|
||||||
della | di + la
|
|
||||||
delle | di + le
|
|
||||||
in | in
|
|
||||||
nel | in + el
|
|
||||||
nello | in + lo
|
|
||||||
nei | in + i
|
|
||||||
negli | in + gli
|
|
||||||
nell | in + l'
|
|
||||||
negl | in + gl'
|
|
||||||
nella | in + la
|
|
||||||
nelle | in + le
|
|
||||||
su | on
|
|
||||||
sul | su + il
|
|
||||||
sullo | su + lo
|
|
||||||
sui | su + i
|
|
||||||
sugli | su + gli
|
|
||||||
sull | su + l'
|
|
||||||
sugl | su + gl'
|
|
||||||
sulla | su + la
|
|
||||||
sulle | su + le
|
|
||||||
per | through, by
|
|
||||||
tra | among
|
|
||||||
contro | against
|
|
||||||
io | I
|
|
||||||
tu | thou
|
|
||||||
lui | he
|
|
||||||
lei | she
|
|
||||||
noi | we
|
|
||||||
voi | you
|
|
||||||
loro | they
|
|
||||||
mio | my
|
|
||||||
mia |
|
|
||||||
miei |
|
|
||||||
mie |
|
|
||||||
tuo |
|
|
||||||
tua |
|
|
||||||
tuoi | thy
|
|
||||||
tue |
|
|
||||||
suo |
|
|
||||||
sua |
|
|
||||||
suoi | his, her
|
|
||||||
sue |
|
|
||||||
nostro | our
|
|
||||||
nostra |
|
|
||||||
nostri |
|
|
||||||
nostre |
|
|
||||||
vostro | your
|
|
||||||
vostra |
|
|
||||||
vostri |
|
|
||||||
vostre |
|
|
||||||
mi | me
|
|
||||||
ti | thee
|
|
||||||
ci | us, there
|
|
||||||
vi | you, there
|
|
||||||
lo | him, the
|
|
||||||
la | her, the
|
|
||||||
li | them
|
|
||||||
le | them, the
|
|
||||||
gli | to him, the
|
|
||||||
ne | from there etc
|
|
||||||
il | the
|
|
||||||
un | a
|
|
||||||
uno | a
|
|
||||||
una | a
|
|
||||||
ma | but
|
|
||||||
ed | and
|
|
||||||
se | if
|
|
||||||
perché | why, because
|
|
||||||
anche | also
|
|
||||||
come | how
|
|
||||||
dov | where (as dov')
|
|
||||||
dove | where
|
|
||||||
che | who, that
|
|
||||||
chi | who
|
|
||||||
cui | whom
|
|
||||||
non | not
|
|
||||||
più | more
|
|
||||||
quale | who, that
|
|
||||||
quanto | how much
|
|
||||||
quanti |
|
|
||||||
quanta |
|
|
||||||
quante |
|
|
||||||
quello | that
|
|
||||||
quelli |
|
|
||||||
quella |
|
|
||||||
quelle |
|
|
||||||
questo | this
|
|
||||||
questi |
|
|
||||||
questa |
|
|
||||||
queste |
|
|
||||||
si | yes
|
|
||||||
tutto | all
|
|
||||||
tutti | all
|
|
||||||
|
|
||||||
| single letter forms:
|
|
||||||
|
|
||||||
a | at
|
|
||||||
c | as c' for ce or ci
|
|
||||||
e | and
|
|
||||||
i | the
|
|
||||||
l | as l'
|
|
||||||
o | or
|
|
||||||
|
|
||||||
| forms of avere, to have (not including the infinitive):
|
|
||||||
|
|
||||||
ho
|
|
||||||
hai
|
|
||||||
ha
|
|
||||||
abbiamo
|
|
||||||
avete
|
|
||||||
hanno
|
|
||||||
abbia
|
|
||||||
abbiate
|
|
||||||
abbiano
|
|
||||||
avrò
|
|
||||||
avrai
|
|
||||||
avrà
|
|
||||||
avremo
|
|
||||||
avrete
|
|
||||||
avranno
|
|
||||||
avrei
|
|
||||||
avresti
|
|
||||||
avrebbe
|
|
||||||
avremmo
|
|
||||||
avreste
|
|
||||||
avrebbero
|
|
||||||
avevo
|
|
||||||
avevi
|
|
||||||
aveva
|
|
||||||
avevamo
|
|
||||||
avevate
|
|
||||||
avevano
|
|
||||||
ebbi
|
|
||||||
avesti
|
|
||||||
ebbe
|
|
||||||
avemmo
|
|
||||||
aveste
|
|
||||||
ebbero
|
|
||||||
avessi
|
|
||||||
avesse
|
|
||||||
avessimo
|
|
||||||
avessero
|
|
||||||
avendo
|
|
||||||
avuto
|
|
||||||
avuta
|
|
||||||
avuti
|
|
||||||
avute
|
|
||||||
|
|
||||||
| forms of essere, to be (not including the infinitive):
|
|
||||||
sono
|
|
||||||
sei
|
|
||||||
è
|
|
||||||
siamo
|
|
||||||
siete
|
|
||||||
sia
|
|
||||||
siate
|
|
||||||
siano
|
|
||||||
sarò
|
|
||||||
sarai
|
|
||||||
sarà
|
|
||||||
saremo
|
|
||||||
sarete
|
|
||||||
saranno
|
|
||||||
sarei
|
|
||||||
saresti
|
|
||||||
sarebbe
|
|
||||||
saremmo
|
|
||||||
sareste
|
|
||||||
sarebbero
|
|
||||||
ero
|
|
||||||
eri
|
|
||||||
era
|
|
||||||
eravamo
|
|
||||||
eravate
|
|
||||||
erano
|
|
||||||
fui
|
|
||||||
fosti
|
|
||||||
fu
|
|
||||||
fummo
|
|
||||||
foste
|
|
||||||
furono
|
|
||||||
fossi
|
|
||||||
fosse
|
|
||||||
fossimo
|
|
||||||
fossero
|
|
||||||
essendo
|
|
||||||
|
|
||||||
| forms of fare, to do (not including the infinitive, fa, fat-):
|
|
||||||
faccio
|
|
||||||
fai
|
|
||||||
facciamo
|
|
||||||
fanno
|
|
||||||
faccia
|
|
||||||
facciate
|
|
||||||
facciano
|
|
||||||
farò
|
|
||||||
farai
|
|
||||||
farà
|
|
||||||
faremo
|
|
||||||
farete
|
|
||||||
faranno
|
|
||||||
farei
|
|
||||||
faresti
|
|
||||||
farebbe
|
|
||||||
faremmo
|
|
||||||
fareste
|
|
||||||
farebbero
|
|
||||||
facevo
|
|
||||||
facevi
|
|
||||||
faceva
|
|
||||||
facevamo
|
|
||||||
facevate
|
|
||||||
facevano
|
|
||||||
feci
|
|
||||||
facesti
|
|
||||||
fece
|
|
||||||
facemmo
|
|
||||||
faceste
|
|
||||||
fecero
|
|
||||||
facessi
|
|
||||||
facesse
|
|
||||||
facessimo
|
|
||||||
facessero
|
|
||||||
facendo
|
|
||||||
|
|
||||||
| forms of stare, to be (not including the infinitive):
|
|
||||||
sto
|
|
||||||
stai
|
|
||||||
sta
|
|
||||||
stiamo
|
|
||||||
stanno
|
|
||||||
stia
|
|
||||||
stiate
|
|
||||||
stiano
|
|
||||||
starò
|
|
||||||
starai
|
|
||||||
starà
|
|
||||||
staremo
|
|
||||||
starete
|
|
||||||
staranno
|
|
||||||
starei
|
|
||||||
staresti
|
|
||||||
starebbe
|
|
||||||
staremmo
|
|
||||||
stareste
|
|
||||||
starebbero
|
|
||||||
stavo
|
|
||||||
stavi
|
|
||||||
stava
|
|
||||||
stavamo
|
|
||||||
stavate
|
|
||||||
stavano
|
|
||||||
stetti
|
|
||||||
stesti
|
|
||||||
stette
|
|
||||||
stemmo
|
|
||||||
steste
|
|
||||||
stettero
|
|
||||||
stessi
|
|
||||||
stesse
|
|
||||||
stessimo
|
|
||||||
stessero
|
|
||||||
stando
|
|
|
@ -1,127 +0,0 @@
|
||||||
#
|
|
||||||
# This file defines a stopword set for Japanese.
|
|
||||||
#
|
|
||||||
# This set is made up of hand-picked frequent terms from segmented Japanese Wikipedia.
|
|
||||||
# Punctuation characters and frequent kanji have mostly been left out. See LUCENE-3745
|
|
||||||
# for frequency lists, etc. that can be useful for making your own set (if desired)
|
|
||||||
#
|
|
||||||
# Note that there is an overlap between these stopwords and the terms stopped when used
|
|
||||||
# in combination with the JapanesePartOfSpeechStopFilter. When editing this file, note
|
|
||||||
# that comments are not allowed on the same line as stopwords.
|
|
||||||
#
|
|
||||||
# Also note that stopping is done in a case-insensitive manner. Change your StopFilter
|
|
||||||
# configuration if you need case-sensitive stopping. Lastly, note that stopping is done
|
|
||||||
# using the same character width as the entries in this file. Since this StopFilter is
|
|
||||||
# normally done after a CJKWidthFilter in your chain, you would usually want your romaji
|
|
||||||
# entries to be in half-width and your kana entries to be in full-width.
|
|
||||||
#
|
|
||||||
の
|
|
||||||
に
|
|
||||||
は
|
|
||||||
を
|
|
||||||
た
|
|
||||||
が
|
|
||||||
で
|
|
||||||
て
|
|
||||||
と
|
|
||||||
し
|
|
||||||
れ
|
|
||||||
さ
|
|
||||||
ある
|
|
||||||
いる
|
|
||||||
も
|
|
||||||
する
|
|
||||||
から
|
|
||||||
な
|
|
||||||
こと
|
|
||||||
として
|
|
||||||
い
|
|
||||||
や
|
|
||||||
れる
|
|
||||||
など
|
|
||||||
なっ
|
|
||||||
ない
|
|
||||||
この
|
|
||||||
ため
|
|
||||||
その
|
|
||||||
あっ
|
|
||||||
よう
|
|
||||||
また
|
|
||||||
もの
|
|
||||||
という
|
|
||||||
あり
|
|
||||||
まで
|
|
||||||
られ
|
|
||||||
なる
|
|
||||||
へ
|
|
||||||
か
|
|
||||||
だ
|
|
||||||
これ
|
|
||||||
によって
|
|
||||||
により
|
|
||||||
おり
|
|
||||||
より
|
|
||||||
による
|
|
||||||
ず
|
|
||||||
なり
|
|
||||||
られる
|
|
||||||
において
|
|
||||||
ば
|
|
||||||
なかっ
|
|
||||||
なく
|
|
||||||
しかし
|
|
||||||
について
|
|
||||||
せ
|
|
||||||
だっ
|
|
||||||
その後
|
|
||||||
できる
|
|
||||||
それ
|
|
||||||
う
|
|
||||||
ので
|
|
||||||
なお
|
|
||||||
のみ
|
|
||||||
でき
|
|
||||||
き
|
|
||||||
つ
|
|
||||||
における
|
|
||||||
および
|
|
||||||
いう
|
|
||||||
さらに
|
|
||||||
でも
|
|
||||||
ら
|
|
||||||
たり
|
|
||||||
その他
|
|
||||||
に関する
|
|
||||||
たち
|
|
||||||
ます
|
|
||||||
ん
|
|
||||||
なら
|
|
||||||
に対して
|
|
||||||
特に
|
|
||||||
せる
|
|
||||||
及び
|
|
||||||
これら
|
|
||||||
とき
|
|
||||||
では
|
|
||||||
にて
|
|
||||||
ほか
|
|
||||||
ながら
|
|
||||||
うち
|
|
||||||
そして
|
|
||||||
とともに
|
|
||||||
ただし
|
|
||||||
かつて
|
|
||||||
それぞれ
|
|
||||||
または
|
|
||||||
お
|
|
||||||
ほど
|
|
||||||
ものの
|
|
||||||
に対する
|
|
||||||
ほとんど
|
|
||||||
と共に
|
|
||||||
といった
|
|
||||||
です
|
|
||||||
とも
|
|
||||||
ところ
|
|
||||||
ここ
|
|
||||||
##### End of file
|
|
|
@ -1,172 +0,0 @@
|
||||||
# Set of Latvian stopwords from A Stemming Algorithm for Latvian, Karlis Kreslins
|
|
||||||
# the original list of over 800 forms was refined:
|
|
||||||
# pronouns, adverbs, interjections were removed
|
|
||||||
#
|
|
||||||
# prepositions
|
|
||||||
aiz
|
|
||||||
ap
|
|
||||||
ar
|
|
||||||
apakš
|
|
||||||
ārpus
|
|
||||||
augšpus
|
|
||||||
bez
|
|
||||||
caur
|
|
||||||
dēļ
|
|
||||||
gar
|
|
||||||
iekš
|
|
||||||
iz
|
|
||||||
kopš
|
|
||||||
labad
|
|
||||||
lejpus
|
|
||||||
līdz
|
|
||||||
no
|
|
||||||
otrpus
|
|
||||||
pa
|
|
||||||
par
|
|
||||||
pār
|
|
||||||
pēc
|
|
||||||
pie
|
|
||||||
pirms
|
|
||||||
pret
|
|
||||||
priekš
|
|
||||||
starp
|
|
||||||
šaipus
|
|
||||||
uz
|
|
||||||
viņpus
|
|
||||||
virs
|
|
||||||
virspus
|
|
||||||
zem
|
|
||||||
apakšpus
|
|
||||||
# Conjunctions
|
|
||||||
un
|
|
||||||
bet
|
|
||||||
jo
|
|
||||||
ja
|
|
||||||
ka
|
|
||||||
lai
|
|
||||||
tomēr
|
|
||||||
tikko
|
|
||||||
turpretī
|
|
||||||
arī
|
|
||||||
kaut
|
|
||||||
gan
|
|
||||||
tādēļ
|
|
||||||
tā
|
|
||||||
ne
|
|
||||||
tikvien
|
|
||||||
vien
|
|
||||||
kā
|
|
||||||
ir
|
|
||||||
te
|
|
||||||
vai
|
|
||||||
kamēr
|
|
||||||
# Particles
|
|
||||||
ar
|
|
||||||
diezin
|
|
||||||
droši
|
|
||||||
diemžēl
|
|
||||||
nebūt
|
|
||||||
ik
|
|
||||||
it
|
|
||||||
taču
|
|
||||||
nu
|
|
||||||
pat
|
|
||||||
tiklab
|
|
||||||
iekšpus
|
|
||||||
nedz
|
|
||||||
tik
|
|
||||||
nevis
|
|
||||||
turpretim
|
|
||||||
jeb
|
|
||||||
iekam
|
|
||||||
iekām
|
|
||||||
iekāms
|
|
||||||
kolīdz
|
|
||||||
līdzko
|
|
||||||
tiklīdz
|
|
||||||
jebšu
|
|
||||||
tālab
|
|
||||||
tāpēc
|
|
||||||
nekā
|
|
||||||
itin
|
|
||||||
jā
|
|
||||||
jau
|
|
||||||
jel
|
|
||||||
nē
|
|
||||||
nezin
|
|
||||||
tad
|
|
||||||
tikai
|
|
||||||
vis
|
|
||||||
tak
|
|
||||||
iekams
|
|
||||||
vien
|
|
||||||
# modal verbs
|
|
||||||
būt
|
|
||||||
biju
|
|
||||||
biji
|
|
||||||
bija
|
|
||||||
bijām
|
|
||||||
bijāt
|
|
||||||
esmu
|
|
||||||
esi
|
|
||||||
esam
|
|
||||||
esat
|
|
||||||
būšu
|
|
||||||
būsi
|
|
||||||
būs
|
|
||||||
būsim
|
|
||||||
būsiet
|
|
||||||
tikt
|
|
||||||
tiku
|
|
||||||
tiki
|
|
||||||
tika
|
|
||||||
tikām
|
|
||||||
tikāt
|
|
||||||
tieku
|
|
||||||
tiec
|
|
||||||
tiek
|
|
||||||
tiekam
|
|
||||||
tiekat
|
|
||||||
tikšu
|
|
||||||
tiks
|
|
||||||
tiksim
|
|
||||||
tiksiet
|
|
||||||
tapt
|
|
||||||
tapi
|
|
||||||
tapāt
|
|
||||||
topat
|
|
||||||
tapšu
|
|
||||||
tapsi
|
|
||||||
taps
|
|
||||||
tapsim
|
|
||||||
tapsiet
|
|
||||||
kļūt
|
|
||||||
kļuvu
|
|
||||||
kļuvi
|
|
||||||
kļuva
|
|
||||||
kļuvām
|
|
||||||
kļuvāt
|
|
||||||
kļūstu
|
|
||||||
kļūsti
|
|
||||||
kļūst
|
|
||||||
kļūstam
|
|
||||||
kļūstat
|
|
||||||
kļūšu
|
|
||||||
kļūsi
|
|
||||||
kļūs
|
|
||||||
kļūsim
|
|
||||||
kļūsiet
|
|
||||||
# verbs
|
|
||||||
varēt
|
|
||||||
varēju
|
|
||||||
varējām
|
|
||||||
varēšu
|
|
||||||
varēsim
|
|
||||||
var
|
|
||||||
varēji
|
|
||||||
varējāt
|
|
||||||
varēsi
|
|
||||||
varēsiet
|
|
||||||
varat
|
|
||||||
varēja
|
|
||||||
varēs
|
|
|
@ -1,119 +0,0 @@
|
||||||
| From svn.tartarus.org/snowball/trunk/website/algorithms/dutch/stop.txt
|
|
||||||
| This file is distributed under the BSD License.
|
|
||||||
| See http://snowball.tartarus.org/license.php
|
|
||||||
| Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
| - Encoding was converted to UTF-8.
|
|
||||||
| - This notice was added.
|
|
||||||
|
|
|
||||||
| NOTE: To use this file with StopFilterFactory, you must specify format="snowball"
|
|
||||||
|
|
||||||
| A Dutch stop word list. Comments begin with vertical bar. Each stop
|
|
||||||
| word is at the start of a line.
|
|
||||||
|
|
||||||
| This is a ranked list (commonest to rarest) of stopwords derived from
|
|
||||||
| a large sample of Dutch text.
|
|
||||||
|
|
||||||
| Dutch stop words frequently exhibit homonym clashes. These are indicated
|
|
||||||
| clearly below.
|
|
||||||
|
|
||||||
de | the
|
|
||||||
en | and
|
|
||||||
van | of, from
|
|
||||||
ik | I, the ego
|
|
||||||
te | (1) chez, at etc, (2) to, (3) too
|
|
||||||
dat | that, which
|
|
||||||
die | that, those, who, which
|
|
||||||
in | in, inside
|
|
||||||
een | a, an, one
|
|
||||||
hij | he
|
|
||||||
het | the, it
|
|
||||||
niet | not, nothing, naught
|
|
||||||
zijn | (1) to be, being, (2) his, one's, its
|
|
||||||
is | is
|
|
||||||
was | (1) was, past tense of all persons sing. of 'zijn' (to be) (2) wax, (3) the washing, (4) rise of river
|
|
||||||
op | on, upon, at, in, up, used up
|
|
||||||
aan | on, upon, to (as dative)
|
|
||||||
met | with, by
|
|
||||||
als | like, such as, when
|
|
||||||
voor | (1) before, in front of, (2) furrow
|
|
||||||
had | had, past tense all persons sing. of 'hebben' (have)
|
|
||||||
er | there
|
|
||||||
maar | but, only
|
|
||||||
om | round, about, for etc
|
|
||||||
hem | him
|
|
||||||
dan | then
|
|
||||||
zou | should/would, past tense all persons sing. of 'zullen'
|
|
||||||
of | or, whether, if
|
|
||||||
wat | what, something, anything
|
|
||||||
mijn | possessive and noun 'mine'
|
|
||||||
men | people, 'one'
|
|
||||||
dit | this
|
|
||||||
zo | so, thus, in this way
|
|
||||||
door | through by
|
|
||||||
over | over, across
|
|
||||||
ze | she, her, they, them
|
|
||||||
zich | oneself
|
|
||||||
bij | (1) a bee, (2) by, near, at
|
|
||||||
ook | also, too
|
|
||||||
tot | till, until
|
|
||||||
je | you
|
|
||||||
mij | me
|
|
||||||
uit | out of, from
|
|
||||||
der | Old Dutch form of 'van der' still found in surnames
|
|
||||||
daar | (1) there, (2) because
|
|
||||||
haar | (1) her, their, them, (2) hair
|
|
||||||
naar | (1) unpleasant, unwell etc, (2) towards, (3) as
|
|
||||||
heb | present first person sing. of 'to have'
|
|
||||||
hoe | how, why
|
|
||||||
heeft | present third person sing. of 'to have'
|
|
||||||
hebben | 'to have' and various parts thereof
|
|
||||||
deze | this
|
|
||||||
u | you
|
|
||||||
want | (1) for, (2) mitten, (3) rigging
|
|
||||||
nog | yet, still
|
|
||||||
zal | 'shall', first and third person sing. of verb 'zullen' (will)
|
|
||||||
me | me
|
|
||||||
zij | she, they
|
|
||||||
nu | now
|
|
||||||
ge | 'thou', still used in Belgium and south Netherlands
|
|
||||||
geen | none
|
|
||||||
omdat | because
|
|
||||||
iets | something, somewhat
|
|
||||||
worden | to become, grow, get
|
|
||||||
toch | yet, still
|
|
||||||
al | all, every, each
|
|
||||||
waren | (1) 'were' (2) to wander, (3) wares, (3)
|
|
||||||
veel | much, many
|
|
||||||
meer | (1) more, (2) lake
|
|
||||||
doen | to do, to make
|
|
||||||
toen | then, when
|
|
||||||
moet | noun 'spot/mote' and present form of 'to must'
|
|
||||||
ben | (1) am, (2) 'are' in interrogative second person singular of 'to be'
|
|
||||||
zonder | without
|
|
||||||
kan | noun 'can' and present form of 'to be able'
|
|
||||||
hun | their, them
|
|
||||||
dus | so, consequently
|
|
||||||
alles | all, everything, anything
|
|
||||||
onder | under, beneath
|
|
||||||
ja | yes, of course
|
|
||||||
eens | once, one day
|
|
||||||
hier | here
|
|
||||||
wie | who
|
|
||||||
werd | imperfect third person sing. of 'become'
|
|
||||||
altijd | always
|
|
||||||
doch | yet, but etc
|
|
||||||
wordt | present third person sing. of 'become'
|
|
||||||
wezen | (1) to be, (2) 'been' as in 'been fishing', (3) orphans
|
|
||||||
kunnen | to be able
|
|
||||||
ons | us/our
|
|
||||||
zelf | self
|
|
||||||
tegen | against, towards, at
|
|
||||||
na | after, near
|
|
||||||
reeds | already
|
|
||||||
wil | (1) present tense of 'want', (2) 'will', noun, (3) fender
|
|
||||||
kon | could; past tense of 'to be able'
|
|
||||||
niets | nothing
|
|
||||||
uw | your
|
|
||||||
iemand | somebody
|
|
||||||
geweest | been; past participle of 'be'
|
|
||||||
andere | other
|
|
|
@ -1,194 +0,0 @@
|
||||||
| From svn.tartarus.org/snowball/trunk/website/algorithms/norwegian/stop.txt
|
|
||||||
| This file is distributed under the BSD License.
|
|
||||||
| See http://snowball.tartarus.org/license.php
|
|
||||||
| Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
| - Encoding was converted to UTF-8.
|
|
||||||
| - This notice was added.
|
|
||||||
|
|
|
||||||
| NOTE: To use this file with StopFilterFactory, you must specify format="snowball"
|
|
||||||
|
|
||||||
| A Norwegian stop word list. Comments begin with vertical bar. Each stop
|
|
||||||
| word is at the start of a line.
|
|
||||||
|
|
||||||
| This stop word list is for the dominant bokmål dialect. Words unique
|
|
||||||
| to nynorsk are marked *.
|
|
||||||
|
|
||||||
| Revised by Jan Bruusgaard <Jan.Bruusgaard@ssb.no>, Jan 2005
|
|
||||||
|
|
||||||
og | and
|
|
||||||
i | in
|
|
||||||
jeg | I
|
|
||||||
det | it/this/that
|
|
||||||
at | to (w. inf.)
|
|
||||||
en | a/an
|
|
||||||
et | a/an
|
|
||||||
den | it/this/that
|
|
||||||
til | to
|
|
||||||
er | is/am/are
|
|
||||||
som | who/that
|
|
||||||
på | on
|
|
||||||
de | they / you(formal)
|
|
||||||
med | with
|
|
||||||
han | he
|
|
||||||
av | of
|
|
||||||
ikke | not
|
|
||||||
ikkje | not *
|
|
||||||
der | there
|
|
||||||
så | so
|
|
||||||
var | was/were
|
|
||||||
meg | me
|
|
||||||
seg | you
|
|
||||||
men | but
|
|
||||||
ett | one
|
|
||||||
har | have
|
|
||||||
om | about
|
|
||||||
vi | we
|
|
||||||
min | my
|
|
||||||
mitt | my
|
|
||||||
ha | have
|
|
||||||
hadde | had
|
|
||||||
hun | she
|
|
||||||
nå | now
|
|
||||||
over | over
|
|
||||||
da | when/as
|
|
||||||
ved | by/know
|
|
||||||
fra | from
|
|
||||||
du | you
|
|
||||||
ut | out
|
|
||||||
sin | your
|
|
||||||
dem | them
|
|
||||||
oss | us
|
|
||||||
opp | up
|
|
||||||
man | you/one
|
|
||||||
kan | can
|
|
||||||
hans | his
|
|
||||||
hvor | where
|
|
||||||
eller | or
|
|
||||||
hva | what
|
|
||||||
skal | shall/must
|
|
||||||
selv | self (reflective)
|
|
||||||
sjøl | self (reflective)
|
|
||||||
her | here
|
|
||||||
alle | all
|
|
||||||
vil | will
|
|
||||||
bli | become
|
|
||||||
ble | became
|
|
||||||
blei | became *
|
|
||||||
blitt | have become
|
|
||||||
kunne | could
|
|
||||||
inn | in
|
|
||||||
når | when
|
|
||||||
være | be
|
|
||||||
kom | come
|
|
||||||
noen | some
|
|
||||||
noe | some
|
|
||||||
ville | would
|
|
||||||
dere | you
|
|
||||||
som | who/which/that
|
|
||||||
deres | their/theirs
|
|
||||||
kun | only/just
|
|
||||||
ja | yes
|
|
||||||
etter | after
|
|
||||||
ned | down
|
|
||||||
skulle | should
|
|
||||||
denne | this
|
|
||||||
for | for/because
|
|
||||||
deg | you
|
|
||||||
si | hers/his
|
|
||||||
sine | hers/his
|
|
||||||
sitt | hers/his
|
|
||||||
mot | against
|
|
||||||
å | to
|
|
||||||
meget | much
|
|
||||||
hvorfor | why
|
|
||||||
dette | this
|
|
||||||
disse | these/those
|
|
||||||
uten | without
|
|
||||||
hvordan | how
|
|
||||||
ingen | none
|
|
||||||
din | your
|
|
||||||
ditt | your
|
|
||||||
blir | become
|
|
||||||
samme | same
|
|
||||||
hvilken | which
|
|
||||||
hvilke | which (plural)
|
|
||||||
sånn | such a
|
|
||||||
inni | inside/within
|
|
||||||
mellom | between
|
|
||||||
vår | our
|
|
||||||
hver | each
|
|
||||||
hvem | who
|
|
||||||
vors | us/ours
|
|
||||||
hvis | whose
|
|
||||||
både | both
|
|
||||||
bare | only/just
|
|
||||||
enn | than
|
|
||||||
fordi | as/because
|
|
||||||
før | before
|
|
||||||
mange | many
|
|
||||||
også | also
|
|
||||||
slik | just
|
|
||||||
vært | been
|
|
||||||
være | to be
|
|
||||||
båe | both *
|
|
||||||
begge | both
|
|
||||||
siden | since
|
|
||||||
dykk | your *
|
|
||||||
dykkar | yours *
|
|
||||||
dei | they *
|
|
||||||
deira | them *
|
|
||||||
deires | theirs *
|
|
||||||
deim | them *
|
|
||||||
di | your (fem.) *
|
|
||||||
då | as/when *
|
|
||||||
eg | I *
|
|
||||||
ein | a/an *
|
|
||||||
eit | a/an *
|
|
||||||
eitt | a/an *
|
|
||||||
elles | or *
|
|
||||||
honom | he *
|
|
||||||
hjå | at *
|
|
||||||
ho | she *
|
|
||||||
hoe | she *
|
|
||||||
henne | her
|
|
||||||
hennar | her/hers
|
|
||||||
hennes | hers
|
|
||||||
hoss | how *
|
|
||||||
hossen | how *
|
|
||||||
ikkje | not *
|
|
||||||
ingi | noone *
|
|
||||||
inkje | noone *
|
|
||||||
korleis | how *
|
|
||||||
korso | how *
|
|
||||||
kva | what/which *
|
|
||||||
kvar | where *
|
|
||||||
kvarhelst | where *
|
|
||||||
kven | who/whom *
|
|
||||||
kvi | why *
|
|
||||||
kvifor | why *
|
|
||||||
me | we *
|
|
||||||
medan | while *
|
|
||||||
mi | my *
|
|
||||||
mine | my *
|
|
||||||
mykje | much *
|
|
||||||
no | now *
|
|
||||||
nokon | some (masc./neut.) *
|
|
||||||
noka | some (fem.) *
|
|
||||||
nokor | some *
|
|
||||||
noko | some *
|
|
||||||
nokre | some *
|
|
||||||
si | his/hers *
|
|
||||||
sia | since *
|
|
||||||
sidan | since *
|
|
||||||
so | so *
|
|
||||||
somt | some *
|
|
||||||
somme | some *
|
|
||||||
um | about*
|
|
||||||
upp | up *
|
|
||||||
vere | be *
|
|
||||||
vore | was *
|
|
||||||
verte | become *
|
|
||||||
vort | become *
|
|
||||||
varte | became *
|
|
||||||
vart | became *
|
|
||||||
|
|
|
@ -1,253 +0,0 @@
|
||||||
| From svn.tartarus.org/snowball/trunk/website/algorithms/portuguese/stop.txt
|
|
||||||
| This file is distributed under the BSD License.
|
|
||||||
| See http://snowball.tartarus.org/license.php
|
|
||||||
| Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
| - Encoding was converted to UTF-8.
|
|
||||||
| - This notice was added.
|
|
||||||
|
|
|
||||||
| NOTE: To use this file with StopFilterFactory, you must specify format="snowball"
|
|
||||||
|
|
||||||
| A Portuguese stop word list. Comments begin with vertical bar. Each stop
|
|
||||||
| word is at the start of a line.
|
|
||||||
|
|
||||||
|
|
||||||
| The following is a ranked list (commonest to rarest) of stopwords
|
|
||||||
| deriving from a large sample of text.
|
|
||||||
|
|
||||||
| Extra words have been added at the end.
|
|
||||||
|
|
||||||
de | of, from
|
|
||||||
a | the; to, at; her
|
|
||||||
o | the; him
|
|
||||||
que | who, that
|
|
||||||
e | and
|
|
||||||
do | de + o
|
|
||||||
da | de + a
|
|
||||||
em | in
|
|
||||||
um | a
|
|
||||||
para | for
|
|
||||||
| é from SER
|
|
||||||
com | with
|
|
||||||
não | not, no
|
|
||||||
uma | a
|
|
||||||
os | the; them
|
|
||||||
no | em + o
|
|
||||||
se | himself etc
|
|
||||||
na | em + a
|
|
||||||
por | for
|
|
||||||
mais | more
|
|
||||||
as | the; them
|
|
||||||
dos | de + os
|
|
||||||
como | as, like
|
|
||||||
mas | but
|
|
||||||
| foi from SER
|
|
||||||
ao | a + o
|
|
||||||
ele | he
|
|
||||||
das | de + as
|
|
||||||
| tem from TER
|
|
||||||
à | a + a
|
|
||||||
seu | his
|
|
||||||
sua | her
|
|
||||||
ou | or
|
|
||||||
| ser from SER
|
|
||||||
quando | when
|
|
||||||
muito | much
|
|
||||||
| há from HAV
|
|
||||||
nos | em + os; us
|
|
||||||
já | already, now
|
|
||||||
| está from EST
|
|
||||||
eu | I
|
|
||||||
também | also
|
|
||||||
só | only, just
|
|
||||||
pelo | per + o
|
|
||||||
pela | per + a
|
|
||||||
até | up to
|
|
||||||
isso | that
|
|
||||||
ela | he
|
|
||||||
entre | between
|
|
||||||
| era from SER
|
|
||||||
depois | after
|
|
||||||
sem | without
|
|
||||||
mesmo | same
|
|
||||||
aos | a + os
|
|
||||||
| ter from TER
|
|
||||||
seus | his
|
|
||||||
quem | whom
|
|
||||||
nas | em + as
|
|
||||||
me | me
|
|
||||||
esse | that
|
|
||||||
eles | they
|
|
||||||
| estão from EST
|
|
||||||
você | you
|
|
||||||
| tinha from TER
|
|
||||||
| foram from SER
|
|
||||||
essa | that
|
|
||||||
num | em + um
|
|
||||||
nem | nor
|
|
||||||
suas | her
|
|
||||||
meu | my
|
|
||||||
às | a + as
|
|
||||||
minha | my
|
|
||||||
| têm from TER
|
|
||||||
numa | em + uma
|
|
||||||
pelos | per + os
|
|
||||||
elas | they
|
|
||||||
| havia from HAV
|
|
||||||
| seja from SER
|
|
||||||
qual | which
|
|
||||||
| será from SER
|
|
||||||
nós | we
|
|
||||||
| tenho from TER
|
|
||||||
lhe | to him, her
|
|
||||||
deles | of them
|
|
||||||
essas | those
|
|
||||||
esses | those
|
|
||||||
pelas | per + as
|
|
||||||
este | this
|
|
||||||
| fosse from SER
|
|
||||||
dele | of him
|
|
||||||
|
|
||||||
| other words. There are many contractions such as naquele = em+aquele,
|
|
||||||
| mo = me+o, but they are rare.
|
|
||||||
| Indefinite article plural forms are also rare.
|
|
||||||
|
|
||||||
tu | thou
|
|
||||||
te | thee
|
|
||||||
vocês | you (plural)
|
|
||||||
vos | you
|
|
||||||
lhes | to them
|
|
||||||
meus | my
|
|
||||||
minhas
|
|
||||||
teu | thy
|
|
||||||
tua
|
|
||||||
teus
|
|
||||||
tuas
|
|
||||||
nosso | our
|
|
||||||
nossa
|
|
||||||
nossos
|
|
||||||
nossas
|
|
||||||
|
|
||||||
dela | of her
|
|
||||||
delas | of them
|
|
||||||
|
|
||||||
esta | this
|
|
||||||
estes | these
|
|
||||||
estas | these
|
|
||||||
aquele | that
|
|
||||||
aquela | that
|
|
||||||
aqueles | those
|
|
||||||
aquelas | those
|
|
||||||
isto | this
|
|
||||||
aquilo | that
|
|
||||||
|
|
||||||
| forms of estar, to be (not including the infinitive):
|
|
||||||
estou
|
|
||||||
está
|
|
||||||
estamos
|
|
||||||
estão
|
|
||||||
estive
|
|
||||||
esteve
|
|
||||||
estivemos
|
|
||||||
estiveram
|
|
||||||
estava
|
|
||||||
estávamos
|
|
||||||
estavam
|
|
||||||
estivera
|
|
||||||
estivéramos
|
|
||||||
esteja
|
|
||||||
estejamos
|
|
||||||
estejam
|
|
||||||
estivesse
|
|
||||||
estivéssemos
|
|
||||||
estivessem
|
|
||||||
estiver
|
|
||||||
estivermos
|
|
||||||
estiverem
|
|
||||||
|
|
||||||
| forms of haver, to have (not including the infinitive):
|
|
||||||
hei
|
|
||||||
há
|
|
||||||
havemos
|
|
||||||
hão
|
|
||||||
houve
|
|
||||||
houvemos
|
|
||||||
houveram
|
|
||||||
houvera
|
|
||||||
houvéramos
|
|
||||||
haja
|
|
||||||
hajamos
|
|
||||||
hajam
|
|
||||||
houvesse
|
|
||||||
houvéssemos
|
|
||||||
houvessem
|
|
||||||
houver
|
|
||||||
houvermos
|
|
||||||
houverem
|
|
||||||
houverei
|
|
||||||
houverá
|
|
||||||
houveremos
|
|
||||||
houverão
|
|
||||||
houveria
|
|
||||||
houveríamos
|
|
||||||
houveriam
|
|
||||||
|
|
||||||
| forms of ser, to be (not including the infinitive):
|
|
||||||
sou
|
|
||||||
somos
|
|
||||||
são
|
|
||||||
era
|
|
||||||
éramos
|
|
||||||
eram
|
|
||||||
fui
|
|
||||||
foi
|
|
||||||
fomos
|
|
||||||
foram
|
|
||||||
fora
|
|
||||||
fôramos
|
|
||||||
seja
|
|
||||||
sejamos
|
|
||||||
sejam
|
|
||||||
fosse
|
|
||||||
fôssemos
|
|
||||||
fossem
|
|
||||||
for
|
|
||||||
formos
|
|
||||||
forem
|
|
||||||
serei
|
|
||||||
será
|
|
||||||
seremos
|
|
||||||
serão
|
|
||||||
seria
|
|
||||||
seríamos
|
|
||||||
seriam
|
|
||||||
|
|
||||||
| forms of ter, to have (not including the infinitive):
|
|
||||||
tenho
|
|
||||||
tem
|
|
||||||
temos
|
|
||||||
tém
|
|
||||||
tinha
|
|
||||||
tínhamos
|
|
||||||
tinham
|
|
||||||
tive
|
|
||||||
teve
|
|
||||||
tivemos
|
|
||||||
tiveram
|
|
||||||
tivera
|
|
||||||
tivéramos
|
|
||||||
tenha
|
|
||||||
tenhamos
|
|
||||||
tenham
|
|
||||||
tivesse
|
|
||||||
tivéssemos
|
|
||||||
tivessem
|
|
||||||
tiver
|
|
||||||
tivermos
|
|
||||||
tiverem
|
|
||||||
terei
|
|
||||||
terá
|
|
||||||
teremos
|
|
||||||
terão
|
|
||||||
teria
|
|
||||||
teríamos
|
|
||||||
teriam
|
|
|
@ -1,233 +0,0 @@
|
||||||
# This file was created by Jacques Savoy and is distributed under the BSD license.
|
|
||||||
# See http://members.unine.ch/jacques.savoy/clef/index.html.
|
|
||||||
# Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
acea
|
|
||||||
aceasta
|
|
||||||
această
|
|
||||||
aceea
|
|
||||||
acei
|
|
||||||
aceia
|
|
||||||
acel
|
|
||||||
acela
|
|
||||||
acele
|
|
||||||
acelea
|
|
||||||
acest
|
|
||||||
acesta
|
|
||||||
aceste
|
|
||||||
acestea
|
|
||||||
aceşti
|
|
||||||
aceştia
|
|
||||||
acolo
|
|
||||||
acum
|
|
||||||
ai
|
|
||||||
aia
|
|
||||||
aibă
|
|
||||||
aici
|
|
||||||
al
|
|
||||||
ăla
|
|
||||||
ale
|
|
||||||
alea
|
|
||||||
ălea
|
|
||||||
altceva
|
|
||||||
altcineva
|
|
||||||
am
|
|
||||||
ar
|
|
||||||
are
|
|
||||||
aş
|
|
||||||
aşadar
|
|
||||||
asemenea
|
|
||||||
asta
|
|
||||||
ăsta
|
|
||||||
astăzi
|
|
||||||
astea
|
|
||||||
ăstea
|
|
||||||
ăştia
|
|
||||||
asupra
|
|
||||||
aţi
|
|
||||||
au
|
|
||||||
avea
|
|
||||||
avem
|
|
||||||
aveţi
|
|
||||||
azi
|
|
||||||
bine
|
|
||||||
bucur
|
|
||||||
bună
|
|
||||||
ca
|
|
||||||
că
|
|
||||||
căci
|
|
||||||
când
|
|
||||||
care
|
|
||||||
cărei
|
|
||||||
căror
|
|
||||||
cărui
|
|
||||||
cât
|
|
||||||
câte
|
|
||||||
câţi
|
|
||||||
către
|
|
||||||
câtva
|
|
||||||
ce
|
|
||||||
cel
|
|
||||||
ceva
|
|
||||||
chiar
|
|
||||||
cînd
|
|
||||||
cine
|
|
||||||
cineva
|
|
||||||
cît
|
|
||||||
cîte
|
|
||||||
cîţi
|
|
||||||
cîtva
|
|
||||||
contra
|
|
||||||
cu
|
|
||||||
cum
|
|
||||||
cumva
|
|
||||||
curând
|
|
||||||
curînd
|
|
||||||
da
|
|
||||||
dă
|
|
||||||
dacă
|
|
||||||
dar
|
|
||||||
datorită
|
|
||||||
de
|
|
||||||
deci
|
|
||||||
deja
|
|
||||||
deoarece
|
|
||||||
departe
|
|
||||||
deşi
|
|
||||||
din
|
|
||||||
dinaintea
|
|
||||||
dintr
|
|
||||||
dintre
|
|
||||||
drept
|
|
||||||
după
|
|
||||||
ea
|
|
||||||
ei
|
|
||||||
el
|
|
||||||
ele
|
|
||||||
eram
|
|
||||||
este
|
|
||||||
eşti
|
|
||||||
eu
|
|
||||||
face
|
|
||||||
fără
|
|
||||||
fi
|
|
||||||
fie
|
|
||||||
fiecare
|
|
||||||
fii
|
|
||||||
fim
|
|
||||||
fiţi
|
|
||||||
iar
|
|
||||||
ieri
|
|
||||||
îi
|
|
||||||
îl
|
|
||||||
îmi
|
|
||||||
împotriva
|
|
||||||
în
|
|
||||||
înainte
|
|
||||||
înaintea
|
|
||||||
încât
|
|
||||||
încît
|
|
||||||
încotro
|
|
||||||
între
|
|
||||||
întrucât
|
|
||||||
întrucît
|
|
||||||
îţi
|
|
||||||
la
|
|
||||||
lângă
|
|
||||||
le
|
|
||||||
li
|
|
||||||
lîngă
|
|
||||||
lor
|
|
||||||
lui
|
|
||||||
mă
|
|
||||||
mâine
|
|
||||||
mea
|
|
||||||
mei
|
|
||||||
mele
|
|
||||||
mereu
|
|
||||||
meu
|
|
||||||
mi
|
|
||||||
mine
|
|
||||||
mult
|
|
||||||
multă
|
|
||||||
mulţi
|
|
||||||
ne
|
|
||||||
nicăieri
|
|
||||||
nici
|
|
||||||
nimeni
|
|
||||||
nişte
|
|
||||||
noastră
|
|
||||||
noastre
|
|
||||||
noi
|
|
||||||
noştri
|
|
||||||
nostru
|
|
||||||
nu
|
|
||||||
ori
|
|
||||||
oricând
|
|
||||||
oricare
|
|
||||||
oricât
|
|
||||||
orice
|
|
||||||
oricînd
|
|
||||||
oricine
|
|
||||||
oricît
|
|
||||||
oricum
|
|
||||||
oriunde
|
|
||||||
până
|
|
||||||
pe
|
|
||||||
pentru
|
|
||||||
peste
|
|
||||||
pînă
|
|
||||||
poate
|
|
||||||
pot
|
|
||||||
prea
|
|
||||||
prima
|
|
||||||
primul
|
|
||||||
prin
|
|
||||||
printr
|
|
||||||
sa
|
|
||||||
să
|
|
||||||
săi
|
|
||||||
sale
|
|
||||||
sau
|
|
||||||
său
|
|
||||||
se
|
|
||||||
şi
|
|
||||||
sînt
|
|
||||||
sîntem
|
|
||||||
sînteţi
|
|
||||||
spre
|
|
||||||
sub
|
|
||||||
sunt
|
|
||||||
suntem
|
|
||||||
sunteţi
|
|
||||||
ta
|
|
||||||
tăi
|
|
||||||
tale
|
|
||||||
tău
|
|
||||||
te
|
|
||||||
ţi
|
|
||||||
ţie
|
|
||||||
tine
|
|
||||||
toată
|
|
||||||
toate
|
|
||||||
tot
|
|
||||||
toţi
|
|
||||||
totuşi
|
|
||||||
tu
|
|
||||||
un
|
|
||||||
una
|
|
||||||
unde
|
|
||||||
undeva
|
|
||||||
unei
|
|
||||||
unele
|
|
||||||
uneori
|
|
||||||
unor
|
|
||||||
vă
|
|
||||||
vi
|
|
||||||
voastră
|
|
||||||
voastre
|
|
||||||
voi
|
|
||||||
voştri
|
|
||||||
vostru
|
|
||||||
vouă
|
|
||||||
vreo
|
|
||||||
vreun
|
|
|
@ -1,243 +0,0 @@
|
||||||
| From svn.tartarus.org/snowball/trunk/website/algorithms/russian/stop.txt
|
|
||||||
| This file is distributed under the BSD License.
|
|
||||||
| See http://snowball.tartarus.org/license.php
|
|
||||||
| Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
| - Encoding was converted to UTF-8.
|
|
||||||
| - This notice was added.
|
|
||||||
|
|
|
||||||
| NOTE: To use this file with StopFilterFactory, you must specify format="snowball"
|
|
||||||
|
|
||||||
| a russian stop word list. comments begin with vertical bar. each stop
|
|
||||||
| word is at the start of a line.
|
|
||||||
|
|
||||||
| this is a ranked list (commonest to rarest) of stopwords derived from
|
|
||||||
| a large text sample.
|
|
||||||
|
|
||||||
| letter `ё' is translated to `е'.
|
|
||||||
|
|
||||||
и | and
|
|
||||||
в | in/into
|
|
||||||
во | alternative form
|
|
||||||
не | not
|
|
||||||
что | what/that
|
|
||||||
он | he
|
|
||||||
на | on/onto
|
|
||||||
я | i
|
|
||||||
с | from
|
|
||||||
со | alternative form
|
|
||||||
как | how
|
|
||||||
а | milder form of `no' (but)
|
|
||||||
то | conjunction and form of `that'
|
|
||||||
все | all
|
|
||||||
она | she
|
|
||||||
так | so, thus
|
|
||||||
его | him
|
|
||||||
но | but
|
|
||||||
да | yes/and
|
|
||||||
ты | thou
|
|
||||||
к | towards, by
|
|
||||||
у | around, chez
|
|
||||||
же | intensifier particle
|
|
||||||
вы | you
|
|
||||||
за | beyond, behind
|
|
||||||
бы | conditional/subj. particle
|
|
||||||
по | up to, along
|
|
||||||
только | only
|
|
||||||
ее | her
|
|
||||||
мне | to me
|
|
||||||
было | it was
|
|
||||||
вот | here is/are, particle
|
|
||||||
от | away from
|
|
||||||
меня | me
|
|
||||||
еще | still, yet, more
|
|
||||||
нет | no, there isnt/arent
|
|
||||||
о | about
|
|
||||||
из | out of
|
|
||||||
ему | to him
|
|
||||||
теперь | now
|
|
||||||
когда | when
|
|
||||||
даже | even
|
|
||||||
ну | so, well
|
|
||||||
вдруг | suddenly
|
|
||||||
ли | interrogative particle
|
|
||||||
если | if
|
|
||||||
уже | already, but homonym of `narrower'
|
|
||||||
или | or
|
|
||||||
ни | neither
|
|
||||||
быть | to be
|
|
||||||
был | he was
|
|
||||||
него | prepositional form of его
|
|
||||||
до | up to
|
|
||||||
вас | you accusative
|
|
||||||
нибудь | indef. suffix preceded by hyphen
|
|
||||||
опять | again
|
|
||||||
уж | already, but homonym of `adder'
|
|
||||||
вам | to you
|
|
||||||
сказал | he said
|
|
||||||
ведь | particle `after all'
|
|
||||||
там | there
|
|
||||||
потом | then
|
|
||||||
себя | oneself
|
|
||||||
ничего | nothing
|
|
||||||
ей | to her
|
|
||||||
может | usually with `быть' as `maybe'
|
|
||||||
они | they
|
|
||||||
тут | here
|
|
||||||
где | where
|
|
||||||
есть | there is/are
|
|
||||||
надо | got to, must
|
|
||||||
ней | prepositional form of ей
|
|
||||||
для | for
|
|
||||||
мы | we
|
|
||||||
тебя | thee
|
|
||||||
их | them, their
|
|
||||||
чем | than
|
|
||||||
была | she was
|
|
||||||
сам | self
|
|
||||||
чтоб | in order to
|
|
||||||
без | without
|
|
||||||
будто | as if
|
|
||||||
человек | man, person, one
|
|
||||||
чего | genitive form of `what'
|
|
||||||
раз | once
|
|
||||||
тоже | also
|
|
||||||
себе | to oneself
|
|
||||||
под | beneath
|
|
||||||
жизнь | life
|
|
||||||
будет | will be
|
|
||||||
ж | short form of intensifer particle `же'
|
|
||||||
тогда | then
|
|
||||||
кто | who
|
|
||||||
этот | this
|
|
||||||
говорил | was saying
|
|
||||||
того | genitive form of `that'
|
|
||||||
потому | for that reason
|
|
||||||
этого | genitive form of `this'
|
|
||||||
какой | which
|
|
||||||
совсем | altogether
|
|
||||||
ним | prepositional form of `его', `они'
|
|
||||||
здесь | here
|
|
||||||
этом | prepositional form of `этот'
|
|
||||||
один | one
|
|
||||||
почти | almost
|
|
||||||
мой | my
|
|
||||||
тем | instrumental/dative plural of `тот', `то'
|
|
||||||
чтобы | full form of `in order that'
|
|
||||||
нее | her (acc.)
|
|
||||||
кажется | it seems
|
|
||||||
сейчас | now
|
|
||||||
были | they were
|
|
||||||
куда | where to
|
|
||||||
зачем | why
|
|
||||||
сказать | to say
|
|
||||||
всех | all (acc., gen. preposn. plural)
|
|
||||||
никогда | never
|
|
||||||
сегодня | today
|
|
||||||
можно | possible, one can
|
|
||||||
при | by
|
|
||||||
наконец | finally
|
|
||||||
два | two
|
|
||||||
об | alternative form of `о', about
|
|
||||||
другой | another
|
|
||||||
хоть | even
|
|
||||||
после | after
|
|
||||||
над | above
|
|
||||||
больше | more
|
|
||||||
тот | that one (masc.)
|
|
||||||
через | across, in
|
|
||||||
эти | these
|
|
||||||
нас | us
|
|
||||||
про | about
|
|
||||||
всего | in all, only, of all
|
|
||||||
них | prepositional form of `они' (they)
|
|
||||||
какая | which, feminine
|
|
||||||
много | lots
|
|
||||||
разве | interrogative particle
|
|
||||||
сказала | she said
|
|
||||||
три | three
|
|
||||||
эту | this, acc. fem. sing.
|
|
||||||
моя | my, feminine
|
|
||||||
впрочем | moreover, besides
|
|
||||||
хорошо | good
|
|
||||||
свою | ones own, acc. fem. sing.
|
|
||||||
этой | oblique form of `эта', fem. `this'
|
|
||||||
перед | in front of
|
|
||||||
иногда | sometimes
|
|
||||||
лучше | better
|
|
||||||
чуть | a little
|
|
||||||
том | preposn. form of `that one'
|
|
||||||
нельзя | one must not
|
|
||||||
такой | such a one
|
|
||||||
им | to them
|
|
||||||
более | more
|
|
||||||
всегда | always
|
|
||||||
конечно | of course
|
|
||||||
всю | acc. fem. sing of `all'
|
|
||||||
между | between
|
|
||||||
|
|
||||||
|
|
||||||
| b: some paradigms
|
|
||||||
|
|
|
||||||
| personal pronouns
|
|
||||||
|
|
|
||||||
| я меня мне мной [мною]
|
|
||||||
| ты тебя тебе тобой [тобою]
|
|
||||||
| он его ему им [него, нему, ним]
|
|
||||||
| она ее эи ею [нее, нэи, нею]
|
|
||||||
| оно его ему им [него, нему, ним]
|
|
||||||
|
|
|
||||||
| мы нас нам нами
|
|
||||||
| вы вас вам вами
|
|
||||||
| они их им ими [них, ним, ними]
|
|
||||||
|
|
|
||||||
| себя себе собой [собою]
|
|
||||||
|
|
|
||||||
| demonstrative pronouns: этот (this), тот (that)
|
|
||||||
|
|
|
||||||
| этот эта это эти
|
|
||||||
| этого эты это эти
|
|
||||||
| этого этой этого этих
|
|
||||||
| этому этой этому этим
|
|
||||||
| этим этой этим [этою] этими
|
|
||||||
| этом этой этом этих
|
|
||||||
|
|
|
||||||
| тот та то те
|
|
||||||
| того ту то те
|
|
||||||
| того той того тех
|
|
||||||
| тому той тому тем
|
|
||||||
| тем той тем [тою] теми
|
|
||||||
| том той том тех
|
|
||||||
|
|
|
||||||
| determinative pronouns
|
|
||||||
|
|
|
||||||
| (a) весь (all)
|
|
||||||
|
|
|
||||||
| весь вся все все
|
|
||||||
| всего всю все все
|
|
||||||
| всего всей всего всех
|
|
||||||
| всему всей всему всем
|
|
||||||
| всем всей всем [всею] всеми
|
|
||||||
| всем всей всем всех
|
|
||||||
|
|
|
||||||
| (b) сам (himself etc)
|
|
||||||
|
|
|
||||||
| сам сама само сами
|
|
||||||
| самого саму само самих
|
|
||||||
| самого самой самого самих
|
|
||||||
| самому самой самому самим
|
|
||||||
| самим самой самим [самою] самими
|
|
||||||
| самом самой самом самих
|
|
||||||
|
|
|
||||||
| stems of verbs `to be', `to have', `to do' and modal
|
|
||||||
|
|
|
||||||
| быть бы буд быв есть суть
|
|
||||||
| име
|
|
||||||
| дел
|
|
||||||
| мог мож мочь
|
|
||||||
| уме
|
|
||||||
| хоч хот
|
|
||||||
| долж
|
|
||||||
| можн
|
|
||||||
| нужн
|
|
||||||
| нельзя
|
|
||||||
|
|
|
@ -1,133 +0,0 @@
|
||||||
| From svn.tartarus.org/snowball/trunk/website/algorithms/swedish/stop.txt
|
|
||||||
| This file is distributed under the BSD License.
|
|
||||||
| See http://snowball.tartarus.org/license.php
|
|
||||||
| Also see http://www.opensource.org/licenses/bsd-license.html
|
|
||||||
| - Encoding was converted to UTF-8.
|
|
||||||
| - This notice was added.
|
|
||||||
|
|
|
||||||
| NOTE: To use this file with StopFilterFactory, you must specify format="snowball"
|
|
||||||
|
|
||||||
| A Swedish stop word list. Comments begin with vertical bar. Each stop
|
|
||||||
| word is at the start of a line.
|
|
||||||
|
|
||||||
| This is a ranked list (commonest to rarest) of stopwords derived from
|
|
||||||
| a large text sample.
|
|
||||||
|
|
||||||
| Swedish stop words occasionally exhibit homonym clashes. For example
|
|
||||||
| så = so, but also seed. These are indicated clearly below.
|
|
||||||
|
|
||||||
och | and
|
|
||||||
det | it, this/that
|
|
||||||
att | to (with infinitive)
|
|
||||||
i | in, at
|
|
||||||
en | a
|
|
||||||
jag | I
|
|
||||||
hon | she
|
|
||||||
som | who, that
|
|
||||||
han | he
|
|
||||||
på | on
|
|
||||||
den | it, this/that
|
|
||||||
med | with
|
|
||||||
var | where, each
|
|
||||||
sig | him(self) etc
|
|
||||||
för | for
|
|
||||||
så | so (also: seed)
|
|
||||||
till | to
|
|
||||||
är | is
|
|
||||||
men | but
|
|
||||||
ett | a
|
|
||||||
om | if; around, about
|
|
||||||
hade | had
|
|
||||||
de | they, these/those
|
|
||||||
av | of
|
|
||||||
icke | not, no
|
|
||||||
mig | me
|
|
||||||
du | you
|
|
||||||
henne | her
|
|
||||||
då | then, when
|
|
||||||
sin | his
|
|
||||||
nu | now
|
|
||||||
har | have
|
|
||||||
inte | inte någon = no one
|
|
||||||
hans | his
|
|
||||||
honom | him
|
|
||||||
skulle | 'sake'
|
|
||||||
hennes | her
|
|
||||||
där | there
|
|
||||||
min | my
|
|
||||||
man | one (pronoun)
|
|
||||||
ej | nor
|
|
||||||
vid | at, by, on (also: vast)
|
|
||||||
kunde | could
|
|
||||||
något | some etc
|
|
||||||
från | from, off
|
|
||||||
ut | out
|
|
||||||
när | when
|
|
||||||
efter | after, behind
|
|
||||||
upp | up
|
|
||||||
vi | we
|
|
||||||
dem | them
|
|
||||||
vara | be
|
|
||||||
vad | what
|
|
||||||
över | over
|
|
||||||
än | than
|
|
||||||
dig | you
|
|
||||||
kan | can
|
|
||||||
sina | his
|
|
||||||
här | here
|
|
||||||
ha | have
|
|
||||||
mot | towards
|
|
||||||
alla | all
|
|
||||||
under | under (also: wonder)
|
|
||||||
någon | some etc
|
|
||||||
eller | or (else)
|
|
||||||
allt | all
|
|
||||||
mycket | much
|
|
||||||
sedan | since
|
|
||||||
ju | why
|
|
||||||
denna | this/that
|
|
||||||
själv | myself, yourself etc
|
|
||||||
detta | this/that
|
|
||||||
åt | to
|
|
||||||
utan | without
|
|
||||||
varit | was
|
|
||||||
hur | how
|
|
||||||
ingen | no
|
|
||||||
mitt | my
|
|
||||||
ni | you
|
|
||||||
bli | to be, become
|
|
||||||
blev | from bli
|
|
||||||
oss | us
|
|
||||||
din | thy
|
|
||||||
dessa | these/those
|
|
||||||
några | some etc
|
|
||||||
deras | their
|
|
||||||
blir | from bli
|
|
||||||
mina | my
|
|
||||||
samma | (the) same
|
|
||||||
vilken | who, that
|
|
||||||
er | you, your
|
|
||||||
sådan | such a
|
|
||||||
vår | our
|
|
||||||
blivit | from bli
|
|
||||||
dess | its
|
|
||||||
inom | within
|
|
||||||
mellan | between
|
|
||||||
sådant | such a
|
|
||||||
varför | why
|
|
||||||
varje | each
|
|
||||||
vilka | who, that
|
|
||||||
ditt | thy
|
|
||||||
vem | who
|
|
||||||
vilket | who, that
|
|
||||||
sitta | his
|
|
||||||
sådana | such a
|
|
||||||
vart | each
|
|
||||||
dina | thy
|
|
||||||
vars | whose
|
|
||||||
vårt | our
|
|
||||||
våra | our
|
|
||||||
ert | your
|
|
||||||
era | your
|
|
||||||
vilkas | whose
|
|
||||||
|
|
|
@ -1,119 +0,0 @@
|
||||||
# Thai stopwords from:
|
|
||||||
# "Opinion Detection in Thai Political News Columns
|
|
||||||
# Based on Subjectivity Analysis"
|
|
||||||
# Khampol Sukhum, Supot Nitsuwat, and Choochart Haruechaiyasak
|
|
||||||
ไว้
|
|
||||||
ไม่
|
|
||||||
ไป
|
|
||||||
ได้
|
|
||||||
ให้
|
|
||||||
ใน
|
|
||||||
โดย
|
|
||||||
แห่ง
|
|
||||||
แล้ว
|
|
||||||
และ
|
|
||||||
แรก
|
|
||||||
แบบ
|
|
||||||
แต่
|
|
||||||
เอง
|
|
||||||
เห็น
|
|
||||||
เลย
|
|
||||||
เริ่ม
|
|
||||||
เรา
|
|
||||||
เมื่อ
|
|
||||||
เพื่อ
|
|
||||||
เพราะ
|
|
||||||
เป็นการ
|
|
||||||
เป็น
|
|
||||||
เปิดเผย
|
|
||||||
เปิด
|
|
||||||
เนื่องจาก
|
|
||||||
เดียวกัน
|
|
||||||
เดียว
|
|
||||||
เช่น
|
|
||||||
เฉพาะ
|
|
||||||
เคย
|
|
||||||
เข้า
|
|
||||||
เขา
|
|
||||||
อีก
|
|
||||||
อาจ
|
|
||||||
อะไร
|
|
||||||
ออก
|
|
||||||
อย่าง
|
|
||||||
อยู่
|
|
||||||
อยาก
|
|
||||||
หาก
|
|
||||||
หลาย
|
|
||||||
หลังจาก
|
|
||||||
หลัง
|
|
||||||
หรือ
|
|
||||||
หนึ่ง
|
|
||||||
ส่วน
|
|
||||||
ส่ง
|
|
||||||
สุด
|
|
||||||
สําหรับ
|
|
||||||
ว่า
|
|
||||||
วัน
|
|
||||||
ลง
|
|
||||||
ร่วม
|
|
||||||
ราย
|
|
||||||
รับ
|
|
||||||
ระหว่าง
|
|
||||||
รวม
|
|
||||||
ยัง
|
|
||||||
มี
|
|
||||||
มาก
|
|
||||||
มา
|
|
||||||
พร้อม
|
|
||||||
พบ
|
|
||||||
ผ่าน
|
|
||||||
ผล
|
|
||||||
บาง
|
|
||||||
น่า
|
|
||||||
นี้
|
|
||||||
นํา
|
|
||||||
นั้น
|
|
||||||
นัก
|
|
||||||
นอกจาก
|
|
||||||
ทุก
|
|
||||||
ที่สุด
|
|
||||||
ที่
|
|
||||||
ทําให้
|
|
||||||
ทํา
|
|
||||||
ทาง
|
|
||||||
ทั้งนี้
|
|
||||||
ทั้ง
|
|
||||||
ถ้า
|
|
||||||
ถูก
|
|
||||||
ถึง
|
|
||||||
ต้อง
|
|
||||||
ต่างๆ
|
|
||||||
ต่าง
|
|
||||||
ต่อ
|
|
||||||
ตาม
|
|
||||||
ตั้งแต่
|
|
||||||
ตั้ง
|
|
||||||
ด้าน
|
|
||||||
ด้วย
|
|
||||||
ดัง
|
|
||||||
ซึ่ง
|
|
||||||
ช่วง
|
|
||||||
จึง
|
|
||||||
จาก
|
|
||||||
จัด
|
|
||||||
จะ
|
|
||||||
คือ
|
|
||||||
ความ
|
|
||||||
ครั้ง
|
|
||||||
คง
|
|
||||||
ขึ้น
|
|
||||||
ของ
|
|
||||||
ขอ
|
|
||||||
ขณะ
|
|
||||||
ก่อน
|
|
||||||
ก็
|
|
||||||
การ
|
|
||||||
กับ
|
|
||||||
กัน
|
|
||||||
กว่า
|
|
||||||
กล่าว
|
|
|
@ -1,212 +0,0 @@
|
||||||
# Turkish stopwords from LUCENE-559
|
|
||||||
# merged with the list from "Information Retrieval on Turkish Texts"
|
|
||||||
# (http://www.users.muohio.edu/canf/papers/JASIST2008offPrint.pdf)
|
|
||||||
acaba
|
|
||||||
altmış
|
|
||||||
altı
|
|
||||||
ama
|
|
||||||
ancak
|
|
||||||
arada
|
|
||||||
aslında
|
|
||||||
ayrıca
|
|
||||||
bana
|
|
||||||
bazı
|
|
||||||
belki
|
|
||||||
ben
|
|
||||||
benden
|
|
||||||
beni
|
|
||||||
benim
|
|
||||||
beri
|
|
||||||
beş
|
|
||||||
bile
|
|
||||||
bin
|
|
||||||
bir
|
|
||||||
birçok
|
|
||||||
biri
|
|
||||||
birkaç
|
|
||||||
birkez
|
|
||||||
birşey
|
|
||||||
birşeyi
|
|
||||||
biz
|
|
||||||
bize
|
|
||||||
bizden
|
|
||||||
bizi
|
|
||||||
bizim
|
|
||||||
böyle
|
|
||||||
böylece
|
|
||||||
bu
|
|
||||||
buna
|
|
||||||
bunda
|
|
||||||
bundan
|
|
||||||
bunlar
|
|
||||||
bunları
|
|
||||||
bunların
|
|
||||||
bunu
|
|
||||||
bunun
|
|
||||||
burada
|
|
||||||
çok
|
|
||||||
çünkü
|
|
||||||
da
|
|
||||||
daha
|
|
||||||
dahi
|
|
||||||
de
|
|
||||||
defa
|
|
||||||
değil
|
|
||||||
diğer
|
|
||||||
diye
|
|
||||||
doksan
|
|
||||||
dokuz
|
|
||||||
dolayı
|
|
||||||
dolayısıyla
|
|
||||||
dört
|
|
||||||
edecek
|
|
||||||
eden
|
|
||||||
ederek
|
|
||||||
edilecek
|
|
||||||
ediliyor
|
|
||||||
edilmesi
|
|
||||||
ediyor
|
|
||||||
eğer
|
|
||||||
elli
|
|
||||||
en
|
|
||||||
etmesi
|
|
||||||
etti
|
|
||||||
ettiği
|
|
||||||
ettiğini
|
|
||||||
gibi
|
|
||||||
göre
|
|
||||||
halen
|
|
||||||
hangi
|
|
||||||
hatta
|
|
||||||
hem
|
|
||||||
henüz
|
|
||||||
hep
|
|
||||||
hepsi
|
|
||||||
her
|
|
||||||
herhangi
|
|
||||||
herkesin
|
|
||||||
hiç
|
|
||||||
hiçbir
|
|
||||||
için
|
|
||||||
iki
|
|
||||||
ile
|
|
||||||
ilgili
|
|
||||||
ise
|
|
||||||
işte
|
|
||||||
itibaren
|
|
||||||
itibariyle
|
|
||||||
kadar
|
|
||||||
karşın
|
|
||||||
katrilyon
|
|
||||||
kendi
|
|
||||||
kendilerine
|
|
||||||
kendini
|
|
||||||
kendisi
|
|
||||||
kendisine
|
|
||||||
kendisini
|
|
||||||
kez
|
|
||||||
ki
|
|
||||||
kim
|
|
||||||
kimden
|
|
||||||
kime
|
|
||||||
kimi
|
|
||||||
kimse
|
|
||||||
kırk
|
|
||||||
milyar
|
|
||||||
milyon
|
|
||||||
mu
|
|
||||||
mü
|
|
||||||
mı
|
|
||||||
nasıl
|
|
||||||
ne
|
|
||||||
neden
|
|
||||||
nedenle
|
|
||||||
nerde
|
|
||||||
nerede
|
|
||||||
nereye
|
|
||||||
niye
|
|
||||||
niçin
|
|
||||||
o
|
|
||||||
olan
|
|
||||||
olarak
|
|
||||||
oldu
|
|
||||||
olduğu
|
|
||||||
olduğunu
|
|
||||||
olduklarını
|
|
||||||
olmadı
|
|
||||||
olmadığı
|
|
||||||
olmak
|
|
||||||
olması
|
|
||||||
olmayan
|
|
||||||
olmaz
|
|
||||||
olsa
|
|
||||||
olsun
|
|
||||||
olup
|
|
||||||
olur
|
|
||||||
olursa
|
|
||||||
oluyor
|
|
||||||
on
|
|
||||||
ona
|
|
||||||
ondan
|
|
||||||
onlar
|
|
||||||
onlardan
|
|
||||||
onları
|
|
||||||
onların
|
|
||||||
onu
|
|
||||||
onun
|
|
||||||
otuz
|
|
||||||
oysa
|
|
||||||
öyle
|
|
||||||
pek
|
|
||||||
rağmen
|
|
||||||
sadece
|
|
||||||
sanki
|
|
||||||
sekiz
|
|
||||||
seksen
|
|
||||||
sen
|
|
||||||
senden
|
|
||||||
seni
|
|
||||||
senin
|
|
||||||
siz
|
|
||||||
sizden
|
|
||||||
sizi
|
|
||||||
sizin
|
|
||||||
şey
|
|
||||||
şeyden
|
|
||||||
şeyi
|
|
||||||
şeyler
|
|
||||||
şöyle
|
|
||||||
şu
|
|
||||||
şuna
|
|
||||||
şunda
|
|
||||||
şundan
|
|
||||||
şunları
|
|
||||||
şunu
|
|
||||||
tarafından
|
|
||||||
trilyon
|
|
||||||
tüm
|
|
||||||
üç
|
|
||||||
üzere
|
|
||||||
var
|
|
||||||
vardı
|
|
||||||
ve
|
|
||||||
veya
|
|
||||||
ya
|
|
||||||
yani
|
|
||||||
yapacak
|
|
||||||
yapılan
|
|
||||||
yapılması
|
|
||||||
yapıyor
|
|
||||||
yapmak
|
|
||||||
yaptı
|
|
||||||
yaptığı
|
|
||||||
yaptığını
|
|
||||||
yaptıkları
|
|
||||||
yedi
|
|
||||||
yerine
|
|
||||||
yetmiş
|
|
||||||
yine
|
|
||||||
yirmi
|
|
||||||
yoksa
|
|
||||||
yüz
|
|
||||||
zaten
|
|
|
@ -1,29 +0,0 @@
|
||||||
#
|
|
||||||
# This is a sample user dictionary for Kuromoji (JapaneseTokenizer)
|
|
||||||
#
|
|
||||||
# Add entries to this file in order to override the statistical model in terms
|
|
||||||
# of segmentation, readings and part-of-speech tags. Notice that entries do
|
|
||||||
# not have weights since they are always used when found. This is by-design
|
|
||||||
# in order to maximize ease-of-use.
|
|
||||||
#
|
|
||||||
# Entries are defined using the following CSV format:
|
|
||||||
# <text>,<token 1> ... <token n>,<reading 1> ... <reading n>,<part-of-speech tag>
|
|
||||||
#
|
|
||||||
# Notice that a single half-width space separates tokens and readings, and
|
|
||||||
# that the number tokens and readings must match exactly.
|
|
||||||
#
|
|
||||||
# Also notice that multiple entries with the same <text> is undefined.
|
|
||||||
#
|
|
||||||
# Whitespace only lines are ignored. Comments are not allowed on entry lines.
|
|
||||||
#
|
|
||||||
|
|
||||||
# Custom segmentation for kanji compounds
|
|
||||||
日本経済新聞,日本 経済 新聞,ニホン ケイザイ シンブン,カスタム名詞
|
|
||||||
関西国際空港,関西 国際 空港,カンサイ コクサイ クウコウ,カスタム名詞
|
|
||||||
|
|
||||||
# Custom segmentation for compound katakana
|
|
||||||
トートバッグ,トート バッグ,トート バッグ,かずカナ名詞
|
|
||||||
ショルダーバッグ,ショルダー バッグ,ショルダー バッグ,かずカナ名詞
|
|
||||||
|
|
||||||
# Custom reading for former sumo wrestler
|
|
||||||
朝青龍,朝青龍,アサショウリュウ,カスタム人名
|
|
|
@ -1,161 +0,0 @@
|
||||||
<?xml version="1.0" encoding="UTF-8" ?>
|
|
||||||
<schema name="example" version="1.6">
|
|
||||||
|
|
||||||
<!-- The StrField type is not analyzed, but indexed/stored verbatim. -->
|
|
||||||
<fieldType name="string" class="solr.StrField" sortMissingLast="true" docValues="true" />
|
|
||||||
<fieldType name="strings" class="solr.StrField" sortMissingLast="true" multiValued="true" docValues="true" />
|
|
||||||
|
|
||||||
<!-- boolean type: "true" or "false" -->
|
|
||||||
<fieldType name="boolean" class="solr.BoolField" sortMissingLast="true"/>
|
|
||||||
<fieldType name="booleans" class="solr.BoolField" sortMissingLast="true" multiValued="true"/>
|
|
||||||
|
|
||||||
<!--
|
|
||||||
Numeric field types that index values using KD-trees.
|
|
||||||
Point fields don't support FieldCache, so they must have docValues="true" if needed for sorting, faceting, functions, etc.
|
|
||||||
-->
|
|
||||||
<fieldType name="pint" class="solr.IntPointField" docValues="true"/>
|
|
||||||
<fieldType name="pfloat" class="solr.FloatPointField" docValues="true"/>
|
|
||||||
<fieldType name="plong" class="solr.LongPointField" docValues="true"/>
|
|
||||||
<fieldType name="pdouble" class="solr.DoublePointField" docValues="true"/>
|
|
||||||
|
|
||||||
<fieldType name="pints" class="solr.IntPointField" docValues="true" multiValued="true"/>
|
|
||||||
<fieldType name="pfloats" class="solr.FloatPointField" docValues="true" multiValued="true"/>
|
|
||||||
<fieldType name="plongs" class="solr.LongPointField" docValues="true" multiValued="true"/>
|
|
||||||
<fieldType name="pdoubles" class="solr.DoublePointField" docValues="true" multiValued="true"/>
|
|
||||||
<fieldType name="random" class="solr.RandomSortField" indexed="true"/>
|
|
||||||
|
|
||||||
<!-- since fields of this type are by default not stored or indexed,
|
|
||||||
any data added to them will be ignored outright. -->
|
|
||||||
<fieldType name="ignored" stored="false" indexed="false" multiValued="true" class="solr.StrField" />
|
|
||||||
|
|
||||||
<!-- The format for this date field is of the form 1995-12-31T23:59:59Z, and
|
|
||||||
is a more restricted form of the canonical representation of dateTime
|
|
||||||
http://www.w3.org/TR/xmlschema-2/#dateTime
|
|
||||||
The trailing "Z" designates UTC time and is mandatory.
|
|
||||||
Optional fractional seconds are allowed: 1995-12-31T23:59:59.999Z
|
|
||||||
All other components are mandatory.
|
|
||||||
|
|
||||||
Expressions can also be used to denote calculations that should be
|
|
||||||
performed relative to "NOW" to determine the value, ie...
|
|
||||||
|
|
||||||
NOW/HOUR
|
|
||||||
... Round to the start of the current hour
|
|
||||||
NOW-1DAY
|
|
||||||
... Exactly 1 day prior to now
|
|
||||||
NOW/DAY+6MONTHS+3DAYS
|
|
||||||
... 6 months and 3 days in the future from the start of
|
|
||||||
the current day
|
|
||||||
|
|
||||||
-->
|
|
||||||
<!-- KD-tree versions of date fields -->
|
|
||||||
<fieldType name="pdate" class="solr.DatePointField" docValues="true"/>
|
|
||||||
<fieldType name="pdates" class="solr.DatePointField" docValues="true" multiValued="true"/>
|
|
||||||
|
|
||||||
<!--Binary data type. The data should be sent/retrieved in as Base64 encoded Strings -->
|
|
||||||
<fieldType name="binary" class="solr.BinaryField"/>
|
|
||||||
|
|
||||||
<!--
|
|
||||||
RankFields can be used to store scoring factors to improve document ranking. They should be used
|
|
||||||
in combination with RankQParserPlugin.
|
|
||||||
(experimental)
|
|
||||||
-->
|
|
||||||
<fieldType name="rank" class="solr.RankField"/>
|
|
||||||
|
|
||||||
<!-- solr.TextField allows the specification of custom text analyzers
|
|
||||||
specified as a tokenizer and a list of token filters. Different
|
|
||||||
analyzers may be specified for indexing and querying.
|
|
||||||
|
|
||||||
The optional positionIncrementGap puts space between multiple fields of
|
|
||||||
this type on the same document, with the purpose of preventing false phrase
|
|
||||||
matching across fields.
|
|
||||||
|
|
||||||
For more info on customizing your analyzer chain, please see
|
|
||||||
https://solr.apache.org/guide/solr/latest/indexing-guide/document-analysis.html#using-analyzers-tokenizers-and-filters
|
|
||||||
-->
|
|
||||||
|
|
||||||
<!-- One can also specify an existing Analyzer class that has a
|
|
||||||
default constructor via the class attribute on the analyzer element.
|
|
||||||
Example:
|
|
||||||
<fieldType name="text_greek" class="solr.TextField">
|
|
||||||
<analyzer class="org.apache.lucene.analysis.el.GreekAnalyzer"/>
|
|
||||||
</fieldType>
|
|
||||||
-->
|
|
||||||
|
|
||||||
<fieldType name="text_prefix" class="solr.TextField" positionIncrementGap="100">
|
|
||||||
<analyzer type="index">
|
|
||||||
<tokenizer name="standard"/>
|
|
||||||
<filter name="lowercase"/>
|
|
||||||
<filter class="solr.EdgeNGramFilterFactory" minGramSize="1" maxGramSize="20" />
|
|
||||||
</analyzer>
|
|
||||||
<analyzer type="query">
|
|
||||||
<tokenizer name="standard"/>
|
|
||||||
<filter name="lowercase"/>
|
|
||||||
</analyzer>
|
|
||||||
</fieldType>
|
|
||||||
|
|
||||||
<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100" multiValued="true">
|
|
||||||
<analyzer type="index">
|
|
||||||
<tokenizer name="standard"/>
|
|
||||||
<filter name="stop" ignoreCase="true" words="lang/stopwords_en.txt" />
|
|
||||||
<filter name="lowercase"/>
|
|
||||||
</analyzer>
|
|
||||||
<analyzer type="query">
|
|
||||||
<tokenizer name="standard"/>
|
|
||||||
<filter name="stop" ignoreCase="true" words="lang/stopwords_en.txt" />
|
|
||||||
<filter name="lowercase"/>
|
|
||||||
</analyzer>
|
|
||||||
</fieldType>
|
|
||||||
|
|
||||||
<fieldType name="text_en_number_splitting" class="solr.TextField" positionIncrementGap="100">
|
|
||||||
<analyzer type="index">
|
|
||||||
<tokenizer name="whitespace"/>
|
|
||||||
<filter name="stop" ignoreCase="true" words="lang/stopwords_en.txt"/>
|
|
||||||
<filter name="wordDelimiterGraph" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0" splitOnCaseChange="1"/>
|
|
||||||
<filter name="lowercase"/>
|
|
||||||
<filter name="porterStem"/>
|
|
||||||
<filter name="flattenGraph" />
|
|
||||||
</analyzer>
|
|
||||||
<analyzer type="query">
|
|
||||||
<tokenizer name="whitespace"/>
|
|
||||||
<filter name="stop" ignoreCase="true" words="lang/stopwords_en.txt"/>
|
|
||||||
<filter name="wordDelimiterGraph" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0" splitOnCaseChange="1"/>
|
|
||||||
<filter name="lowercase"/>
|
|
||||||
<filter name="porterStem"/>
|
|
||||||
</analyzer>
|
|
||||||
</fieldType>
|
|
||||||
|
|
||||||
<fieldType name="text_en_splitting" class="solr.TextField" positionIncrementGap="100" autoGeneratePhraseQueries="true">
|
|
||||||
<analyzer type="index">
|
|
||||||
<tokenizer name="whitespace"/>
|
|
||||||
<filter name="stop" ignoreCase="true" words="lang/stopwords_en.txt"/>
|
|
||||||
<filter name="wordDelimiterGraph" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0" splitOnCaseChange="1"/>
|
|
||||||
<filter name="lowercase"/>
|
|
||||||
<filter class="solr.PatternReplaceFilterFactory" pattern="(\d{2,})" replacement="" replace="all" />
|
|
||||||
<filter name="porterStem"/>
|
|
||||||
<filter name="flattenGraph" />
|
|
||||||
</analyzer>
|
|
||||||
<analyzer type="query">
|
|
||||||
<tokenizer name="whitespace"/>
|
|
||||||
<filter name="stop" ignoreCase="true" words="lang/stopwords_en.txt"/>
|
|
||||||
<filter name="wordDelimiterGraph" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0" splitOnCaseChange="1"/>
|
|
||||||
<filter name="lowercase"/>
|
|
||||||
<filter name="porterStem"/>
|
|
||||||
</analyzer>
|
|
||||||
</fieldType>
|
|
||||||
|
|
||||||
<!-- Fields -->
|
|
||||||
<field name="id" type="string" indexed="true" required="true" />
|
|
||||||
<field name="title" type="text_en_number_splitting" indexed="true" stored="true" required="true" />
|
|
||||||
<field name="body" type="text_en_splitting" indexed="true" stored="true" required="true" />
|
|
||||||
<field name="table" type="text_en_splitting" indexed="true" stored="false" required="true" />
|
|
||||||
<field name="len" type="pint" indexed="false" stored="true" required="true" />
|
|
||||||
|
|
||||||
<!-- Copy title to title_prefix for matching -->
|
|
||||||
<field name="title_prefix" type="text_prefix" indexed="true" stored="false" />
|
|
||||||
<copyField source="title" dest="title_prefix" />
|
|
||||||
|
|
||||||
<field name="_version_" type="plong" indexed="true" stored="true" multiValued="false"/>
|
|
||||||
|
|
||||||
<!-- Unique Key -->
|
|
||||||
<uniqueKey>id</uniqueKey>
|
|
||||||
</schema>
|
|
File diff suppressed because it is too large
Load diff
|
@ -7,7 +7,6 @@
|
||||||
local-encoded-url->segments
|
local-encoded-url->segments
|
||||||
url-segments->basename
|
url-segments->basename
|
||||||
local-encoded-url->basename
|
local-encoded-url->basename
|
||||||
title->basename
|
|
||||||
basename->name-for-query
|
basename->name-for-query
|
||||||
url-segments->guess-title)
|
url-segments->guess-title)
|
||||||
|
|
||||||
|
@ -22,12 +21,6 @@
|
||||||
(define (local-encoded-url->basename str) ; '("wiki" "Page_title"), no extension or dir prefix
|
(define (local-encoded-url->basename str) ; '("wiki" "Page_title"), no extension or dir prefix
|
||||||
(url-segments->basename (local-encoded-url->segments str)))
|
(url-segments->basename (local-encoded-url->segments str)))
|
||||||
|
|
||||||
(define (title->basename title) ; "Page title/Strategies" -> "Page_title#Strategies" filename encoded, no extension or dir prefi
|
|
||||||
(define elements (string-split (string-replace title " " "_") "/"))
|
|
||||||
(define extra-encoded (map (λ (s) (bytes->string/latin-1 (percent-encode s filename-set #f))) elements))
|
|
||||||
(define basic-filename (string-join extra-encoded "#"))
|
|
||||||
basic-filename)
|
|
||||||
|
|
||||||
(define (basename->name-for-query str)
|
(define (basename->name-for-query str)
|
||||||
(uri-decode (regexp-replace* #rx"#" str "/")))
|
(uri-decode (regexp-replace* #rx"#" str "/")))
|
||||||
|
|
||||||
|
|
|
@ -22,7 +22,6 @@ image/x-jng jng
|
||||||
image/x-ms-bmp bmp
|
image/x-ms-bmp bmp
|
||||||
image/svg+xml svg
|
image/svg+xml svg
|
||||||
image/webp webp
|
image/webp webp
|
||||||
image/avif avif
|
|
||||||
|
|
||||||
application/font-woff2 woff2
|
application/font-woff2 woff2
|
||||||
application/acad woff2
|
application/acad woff2
|
||||||
|
@ -32,7 +31,6 @@ font/woff woff
|
||||||
application/x-font-ttf ttf
|
application/x-font-ttf ttf
|
||||||
application/x-font-truetype ttf
|
application/x-font-truetype ttf
|
||||||
application/x-truetype-font ttf
|
application/x-truetype-font ttf
|
||||||
font/ttf ttf
|
|
||||||
application/font-sfnt ttf
|
application/font-sfnt ttf
|
||||||
font/sfnt ttf
|
font/sfnt ttf
|
||||||
application/vnd.oasis.opendocument.formula-template otf
|
application/vnd.oasis.opendocument.formula-template otf
|
||||||
|
|
|
@ -47,7 +47,6 @@
|
||||||
(feature_offline::enabled . "false")
|
(feature_offline::enabled . "false")
|
||||||
(feature_offline::format . "json.gz")
|
(feature_offline::format . "json.gz")
|
||||||
(feature_offline::only . "false")
|
(feature_offline::only . "false")
|
||||||
(feature_offline::search . "fandom")
|
|
||||||
|
|
||||||
(access_log::enabled . "false")
|
(access_log::enabled . "false")
|
||||||
|
|
||||||
|
|
|
@ -377,7 +377,7 @@
|
||||||
'("runescape") 'default
|
'("runescape") 'default
|
||||||
'RuneScape
|
'RuneScape
|
||||||
"RuneScape Wiki"
|
"RuneScape Wiki"
|
||||||
"https://runescape.wiki/w/Main_Page"
|
"https://runescape.wiki/"
|
||||||
"https://runescape.wiki/images/Wiki.png"
|
"https://runescape.wiki/images/Wiki.png"
|
||||||
(λ (props)
|
(λ (props)
|
||||||
`((p "The RuneScape Wiki was founded on April 8, 2005. In October 2018, the wiki left Fandom (then Wikia), citing their apathy towards the wiki and excessive advertisements."))))
|
`((p "The RuneScape Wiki was founded on April 8, 2005. In October 2018, the wiki left Fandom (then Wikia), citing their apathy towards the wiki and excessive advertisements."))))
|
||||||
|
@ -386,7 +386,7 @@
|
||||||
'("oldschoolrunescape") 'default
|
'("oldschoolrunescape") 'default
|
||||||
'RuneScape
|
'RuneScape
|
||||||
"Old School RuneScape Wiki"
|
"Old School RuneScape Wiki"
|
||||||
"https://oldschool.runescape.wiki/w/Main_Page"
|
"https://oldschool.runescape.wiki/"
|
||||||
"https://oldschool.runescape.wiki/images/Wiki.png"
|
"https://oldschool.runescape.wiki/images/Wiki.png"
|
||||||
(λ (props)
|
(λ (props)
|
||||||
`((p "The Old School RuneScape Wiki was founded on February 14, 2013. In October 2018, the RuneScape Wiki left Fandom (then Wikia), citing their apathy towards the wiki and excessive advertisements, with the Old School RuneScape Wiki following suit."))))
|
`((p "The Old School RuneScape Wiki was founded on February 14, 2013. In October 2018, the RuneScape Wiki left Fandom (then Wikia), citing their apathy towards the wiki and excessive advertisements, with the Old School RuneScape Wiki following suit."))))
|
||||||
|
@ -395,7 +395,7 @@
|
||||||
'("runescapeclassic") 'default
|
'("runescapeclassic") 'default
|
||||||
'RuneScape
|
'RuneScape
|
||||||
"RuneScape Classic Wiki"
|
"RuneScape Classic Wiki"
|
||||||
"https://classic.runescape.wiki/w/Main_Page"
|
"https://classic.runescape.wiki/"
|
||||||
"https://classic.runescape.wiki/images/Wiki.png"
|
"https://classic.runescape.wiki/images/Wiki.png"
|
||||||
(λ (props)
|
(λ (props)
|
||||||
`((p "The Old School RuneScape Wiki was founded on April 19, 2009. In October 2018, the RuneScape Wiki left Fandom (then Wikia), citing their apathy towards the wiki and excessive advertisements, with the RuneScape Classic Wiki following suit."))))
|
`((p "The Old School RuneScape Wiki was founded on April 19, 2009. In October 2018, the RuneScape Wiki left Fandom (then Wikia), citing their apathy towards the wiki and excessive advertisements, with the RuneScape Classic Wiki following suit."))))
|
||||||
|
@ -423,7 +423,7 @@
|
||||||
(extwiki^ '("aether") 'empty 'empty "Aether Wiki" "https://aether.wiki.gg/wiki/Aether_Wiki" #f #f)
|
(extwiki^ '("aether") 'empty 'empty "Aether Wiki" "https://aether.wiki.gg/wiki/Aether_Wiki" #f #f)
|
||||||
(extwiki^ '("before-darkness-falls") 'empty 'empty "Before Darkness Falls Wiki" "https://beforedarknessfalls.wiki.gg/wiki/Before_Darkness_Falls_Wiki" #f #f)
|
(extwiki^ '("before-darkness-falls") 'empty 'empty "Before Darkness Falls Wiki" "https://beforedarknessfalls.wiki.gg/wiki/Before_Darkness_Falls_Wiki" #f #f)
|
||||||
(extwiki^ '("chivalry" "chivalry2") 'empty 'empty "Official Chivalry Wiki" "https://chivalry.wiki.gg/wiki/Chivalry_Wiki" #f #f)
|
(extwiki^ '("chivalry" "chivalry2") 'empty 'empty "Official Chivalry Wiki" "https://chivalry.wiki.gg/wiki/Chivalry_Wiki" #f #f)
|
||||||
(extwiki^ '("clockup") 'empty 'empty "CLOCKUP WIKI" "https://en.clockup.wiki/wiki/Main_Page" #f #f)
|
(extwiki^ '("clockup") 'empty 'empty "CLOCKUP WIKI" "https://en.clockupwiki.org/wiki/CLOCKUP_WIKI:Plan" #f #f)
|
||||||
(extwiki^ '("half-life") 'empty 'empty "Combine OverWiki" "https://combineoverwiki.net/wiki/Main_Page" #f #f)
|
(extwiki^ '("half-life") 'empty 'empty "Combine OverWiki" "https://combineoverwiki.net/wiki/Main_Page" #f #f)
|
||||||
(extwiki^ '("coromon") 'empty 'empty "Coromon Wiki" "https://coromon.wiki.gg/wiki/Coromon_Wiki" #f #f)
|
(extwiki^ '("coromon") 'empty 'empty "Coromon Wiki" "https://coromon.wiki.gg/wiki/Coromon_Wiki" #f #f)
|
||||||
(extwiki^ '("cosmoteer") 'empty 'empty "Cosmoteer Wiki" "https://cosmoteer.wiki.gg/wiki/Cosmoteer_Wiki" #f #f)
|
(extwiki^ '("cosmoteer") 'empty 'empty "Cosmoteer Wiki" "https://cosmoteer.wiki.gg/wiki/Cosmoteer_Wiki" #f #f)
|
||||||
|
|
|
@ -19,7 +19,7 @@
|
||||||
[(not wikiname)
|
[(not wikiname)
|
||||||
(response/output
|
(response/output
|
||||||
#:code 400
|
#:code 400
|
||||||
#:mime-type #"text/plain"
|
#:mime-type "text/plain"
|
||||||
(λ (out)
|
(λ (out)
|
||||||
(displayln "Requires wikiname and q parameters." out)))]
|
(displayln "Requires wikiname and q parameters." out)))]
|
||||||
[(or (not q) (equal? q ""))
|
[(or (not q) (equal? q ""))
|
||||||
|
|
|
@ -13,8 +13,6 @@
|
||||||
"application-globals.rkt"
|
"application-globals.rkt"
|
||||||
"config.rkt"
|
"config.rkt"
|
||||||
"data.rkt"
|
"data.rkt"
|
||||||
"search-provider-fandom.rkt"
|
|
||||||
"search-provider-solr.rkt"
|
|
||||||
"../lib/syntax.rkt"
|
"../lib/syntax.rkt"
|
||||||
"../lib/thread-utils.rkt"
|
"../lib/thread-utils.rkt"
|
||||||
"../lib/url-utils.rkt"
|
"../lib/url-utils.rkt"
|
||||||
|
@ -24,22 +22,47 @@
|
||||||
(provide
|
(provide
|
||||||
page-search)
|
page-search)
|
||||||
|
|
||||||
(define search-providers
|
(module+ test
|
||||||
(hash "fandom" generate-results-content-fandom
|
(require rackunit
|
||||||
"solr" generate-results-content-solr))
|
"test-utils.rkt")
|
||||||
|
(define search-json-data
|
||||||
|
'#hasheq((batchcomplete . #t) (query . #hasheq((search . (#hasheq((ns . 0) (pageid . 219) (size . 1482) (snippet . "") (timestamp . "2022-08-21T08:54:23Z") (title . "Gacha Capsule") (wordcount . 214)) #hasheq((ns . 0) (pageid . 201) (size . 1198) (snippet . "") (timestamp . "2022-07-11T17:52:47Z") (title . "Badges") (wordcount . 181)))))))))
|
||||||
|
|
||||||
;; this takes the info we gathered from fandom and makes the big fat x-expression page
|
;; this takes the info we gathered from fandom and makes the big fat x-expression page
|
||||||
(define (generate-results-page req source-url wikiname query results-content #:siteinfo [siteinfo #f])
|
(define (generate-results-page req dest-url wikiname query data #:siteinfo [siteinfo #f])
|
||||||
|
(define search-results (jp "/query/search" data))
|
||||||
;; this is *another* helper that builds the wiki page UI and lets me put the search results (or whatever else) in the middle
|
;; this is *another* helper that builds the wiki page UI and lets me put the search results (or whatever else) in the middle
|
||||||
(generate-wiki-page
|
(generate-wiki-page
|
||||||
;; so I provide my helper function with the necessary context...
|
;; so I provide my helper function with the necessary context...
|
||||||
#:req req
|
#:req req
|
||||||
#:source-url source-url
|
#:source-url dest-url
|
||||||
#:wikiname wikiname
|
#:wikiname wikiname
|
||||||
#:title query
|
#:title query
|
||||||
#:siteinfo siteinfo
|
#:siteinfo siteinfo
|
||||||
;; and here's the actual results to display in the wiki page layout
|
;; and here's the actual results to display in the wiki page layout
|
||||||
results-content))
|
`(div (@ (class "mw-parser-output"))
|
||||||
|
;; header before the search results showing how many we found
|
||||||
|
(p ,(format "~a results found for " (length search-results))
|
||||||
|
(strong ,query))
|
||||||
|
;; *u*nordered *l*ist of matching search results
|
||||||
|
(ul ,@(map
|
||||||
|
(λ (result) ;; for each result, run this code...
|
||||||
|
(let* ([title (jp "/title" result)]
|
||||||
|
[page-path (page-title->path title)]
|
||||||
|
[timestamp (jp "/timestamp" result)]
|
||||||
|
[wordcount (jp "/wordcount" result)]
|
||||||
|
[size (jp "/size" result)])
|
||||||
|
;; and make this x-expression...
|
||||||
|
`(li (@ (class "my-result"))
|
||||||
|
(a (@ (class "my-result__link") (href ,(format "/~a/wiki/~a" wikiname page-path))) ; using unquote to insert the result page URL
|
||||||
|
,title) ; using unquote to insert the result page title
|
||||||
|
(div (@ (class "my-result__info")) ; constructing the line under the search result
|
||||||
|
"last edited "
|
||||||
|
(time (@ (datetime ,timestamp)) ,(list-ref (string-split timestamp "T") 0))
|
||||||
|
,(format ", ~a words, ~a kb"
|
||||||
|
wordcount
|
||||||
|
(exact->inexact (/ (round (/ size 100)) 10)))))))
|
||||||
|
search-results)))))
|
||||||
|
|
||||||
;; will be called when the web browser asks to load the page
|
;; will be called when the web browser asks to load the page
|
||||||
(define (page-search req)
|
(define (page-search req)
|
||||||
|
@ -48,32 +71,34 @@
|
||||||
;; the URL will look like "/minecraft/wiki/Special:Search?q=Spawner"
|
;; the URL will look like "/minecraft/wiki/Special:Search?q=Spawner"
|
||||||
;; grab the first part to use as the wikiname, in this case, "minecraft"
|
;; grab the first part to use as the wikiname, in this case, "minecraft"
|
||||||
(define wikiname (path/param-path (first (url-path (request-uri req)))))
|
(define wikiname (path/param-path (first (url-path (request-uri req)))))
|
||||||
;; grab a dict of url search params
|
|
||||||
(define params (url-query (request-uri req)))
|
|
||||||
;; grab the part after ?q= which is the search terms
|
;; grab the part after ?q= which is the search terms
|
||||||
(define query (dict-ref params 'q #f))
|
(define query (dict-ref (url-query (request-uri req)) 'q #f))
|
||||||
;; figure out which search provider we're going to use
|
;; constructing the URL where I want to get fandom data from...
|
||||||
(define search-provider (hash-ref search-providers (config-get 'feature_offline::search)
|
(define origin (format "https://~a.fandom.com" wikiname))
|
||||||
(λ () (error 'search-provider "unknown search provider configured"))))
|
;; the dest-URL will look something like https://minecraft.fandom.com/api.php?action=query&list=search&srsearch=Spawner&formatversion=2&format=json
|
||||||
|
(define dest-url
|
||||||
|
(format "~a/api.php?~a"
|
||||||
|
origin
|
||||||
|
(params->query `(("action" . "query")
|
||||||
|
("list" . "search")
|
||||||
|
("srsearch" . ,query)
|
||||||
|
("formatversion" . "2")
|
||||||
|
("format" . "json")))))
|
||||||
|
|
||||||
;; external special:search url to link at the bottom of the page as the upstream source
|
;; simultaneously get the search results from the fandom API, as well as information about the wiki as a whole (its license, icon, name)
|
||||||
(define external-search-url
|
(define-values (dest-res siteinfo)
|
||||||
(format "https://~a.fandom.com/wiki/Special:Search?~a"
|
|
||||||
wikiname
|
|
||||||
(params->query `(("query" . ,query)
|
|
||||||
("search" . "internal")))))
|
|
||||||
|
|
||||||
;; simultaneously get the search results, as well as information about the wiki as a whole (its license, icon, name)
|
|
||||||
(define-values (results-content siteinfo)
|
|
||||||
(thread-values
|
(thread-values
|
||||||
(λ ()
|
(λ ()
|
||||||
(search-provider wikiname query params)) ;; call the search provider (see file "search-provider-fandom.rkt")
|
(log-outgoing dest-url)
|
||||||
|
(easy:get dest-url #:timeouts timeouts)) ;; HTTP request to dest-url for search results
|
||||||
(λ ()
|
(λ ()
|
||||||
(siteinfo-fetch wikiname)))) ;; helper function in another file to get information about the wiki
|
(siteinfo-fetch wikiname)))) ;; helper function in another file to get information about the wiki
|
||||||
|
|
||||||
|
;; search results are a JSON string. parse JSON into racket data structures
|
||||||
|
(define data (easy:response-json dest-res))
|
||||||
;; calling my generate-results-page function with the information so far in order to get a big fat x-expression
|
;; calling my generate-results-page function with the information so far in order to get a big fat x-expression
|
||||||
;; big fat x-expression goes into the body variable
|
;; big fat x-expression goes into the body variable
|
||||||
(define body (generate-results-page req external-search-url wikiname query results-content #:siteinfo siteinfo))
|
(define body (generate-results-page req dest-url wikiname query data #:siteinfo siteinfo))
|
||||||
;; error checking
|
;; error checking
|
||||||
(when (config-true? 'debug)
|
(when (config-true? 'debug)
|
||||||
; used for its side effects
|
; used for its side effects
|
||||||
|
@ -85,4 +110,7 @@
|
||||||
#:headers (build-headers always-headers)
|
#:headers (build-headers always-headers)
|
||||||
(λ (out)
|
(λ (out)
|
||||||
(write-html body out)))))
|
(write-html body out)))))
|
||||||
|
(module+ test
|
||||||
|
(parameterize ([(config-parameter 'feature_offline::only) "false"])
|
||||||
|
(check-not-false ((query-selector (attribute-selector 'href "/test/wiki/Gacha_Capsule")
|
||||||
|
(generate-results-page test-req "" "test" "Gacha" search-json-data))))))
|
||||||
|
|
|
@ -30,19 +30,16 @@
|
||||||
(string-contains? url "/drm_fonts/")
|
(string-contains? url "/drm_fonts/")
|
||||||
(string-contains? url "//db.onlinewebfonts.com/")
|
(string-contains? url "//db.onlinewebfonts.com/")
|
||||||
(string-contains? url "//bits.wikimedia.org/")
|
(string-contains? url "//bits.wikimedia.org/")
|
||||||
(string-contains? url "mygamercard.net/")
|
|
||||||
(string-contains? url "dropbox")
|
(string-contains? url "dropbox")
|
||||||
(string-contains? url "only=styles")
|
(string-contains? url "only=styles")
|
||||||
(string-contains? url "https://https://")
|
(string-contains? url "https://https://")
|
||||||
(regexp-match? #rx"^%20|^'" url)
|
(regexp-match? #rx"^%20|^'" url)
|
||||||
(regexp-match? #rx"^\"?data:" url)
|
(regexp-match? #rx"^\"?data:" url))
|
||||||
(regexp-match? #rx"^file:" url))
|
|
||||||
url
|
url
|
||||||
(let* ([norm-url
|
(let* ([norm-url
|
||||||
(cond
|
(cond
|
||||||
[(string-prefix? url "https://") url]
|
[(string-prefix? url "https://") url]
|
||||||
[(string-prefix? url "http://") (regexp-replace #rx"http:" url "https:")]
|
[(string-prefix? url "http://") (regexp-replace #rx"http:" url "https:")]
|
||||||
[(string-prefix? url "httpshttps://") (regexp-replace #rx"httpshttps://" url "https://")]
|
|
||||||
[(string-prefix? url "//") (string-append "https:" url)]
|
[(string-prefix? url "//") (string-append "https:" url)]
|
||||||
[(string-prefix? url "/") (format "https://~a.fandom.com~a" wikiname url)]
|
[(string-prefix? url "/") (format "https://~a.fandom.com~a" wikiname url)]
|
||||||
[else (error 'replace-style-for-images "unknown URL format: ~a" url)])])
|
[else (error 'replace-style-for-images "unknown URL format: ~a" url)])])
|
||||||
|
|
|
@ -20,7 +20,6 @@
|
||||||
web-server/dispatchers/dispatch
|
web-server/dispatchers/dispatch
|
||||||
; my libs
|
; my libs
|
||||||
"application-globals.rkt"
|
"application-globals.rkt"
|
||||||
"../archiver/archiver-database.rkt"
|
|
||||||
"config.rkt"
|
"config.rkt"
|
||||||
"data.rkt"
|
"data.rkt"
|
||||||
"log.rkt"
|
"log.rkt"
|
||||||
|
@ -41,9 +40,6 @@
|
||||||
|
|
||||||
(define path-archive (anytime-path ".." "storage/archive"))
|
(define path-archive (anytime-path ".." "storage/archive"))
|
||||||
|
|
||||||
(when (config-true? 'feature_offline::only)
|
|
||||||
(void (get-slc)))
|
|
||||||
|
|
||||||
(define (page-wiki-offline req)
|
(define (page-wiki-offline req)
|
||||||
(response-handler
|
(response-handler
|
||||||
(define wikiname (path/param-path (first (url-path (request-uri req)))))
|
(define wikiname (path/param-path (first (url-path (request-uri req)))))
|
||||||
|
@ -68,94 +64,84 @@
|
||||||
[else (error 'archive-format "unknown archive format configured")]))
|
[else (error 'archive-format "unknown archive format configured")]))
|
||||||
(define fs-path (build-path path-archive wikiname (format (car archive-format) maybe-hashed-basename)))
|
(define fs-path (build-path path-archive wikiname (format (car archive-format) maybe-hashed-basename)))
|
||||||
(define source-url (format "https://~a.fandom.com/wiki/~a" wikiname (basename->name-for-query basename)))
|
(define source-url (format "https://~a.fandom.com/wiki/~a" wikiname (basename->name-for-query basename)))
|
||||||
(cond/var
|
(cond
|
||||||
|
[(not (file-exists? fs-path))
|
||||||
[(file-exists? fs-path)
|
(unless (config-true? 'feature_offline::only)
|
||||||
(when (config-true? 'debug)
|
(next-dispatcher))
|
||||||
(printf "using offline mode for ~v~n" fs-path))
|
(define mirror-path (url->string (request-uri req)))
|
||||||
(response-handler
|
|
||||||
(define data (with-input-from-file fs-path (cdr archive-format)))
|
|
||||||
(define article-title (jp "/parse/title" data))
|
|
||||||
(define original-page (html->xexp (preprocess-html-wiki (jp "/parse/text" data))))
|
|
||||||
(define page ((query-selector (λ (t a c) (has-class? "mw-parser-output" a)) original-page)))
|
|
||||||
(define initial-head-data ((head-data-getter wikiname) data))
|
|
||||||
(define head-data
|
|
||||||
(case theme
|
|
||||||
[(light dark)
|
|
||||||
(struct-copy head-data^ initial-head-data
|
|
||||||
[body-class (regexp-replace #rx"(theme-fandomdesktop-)(light|dark)"
|
|
||||||
(head-data^-body-class initial-head-data)
|
|
||||||
(format "\\1~a" theme))])]
|
|
||||||
[else initial-head-data]))
|
|
||||||
(define body
|
(define body
|
||||||
(generate-wiki-page
|
(generate-wiki-page
|
||||||
(update-tree-wiki page wikiname)
|
`(div (@ (class "unsaved-page"))
|
||||||
|
(style ".unsaved-page a { text-decoration: underline !important }")
|
||||||
|
(p "breezewiki.com doesn't have this page saved.")
|
||||||
|
(p "You can see this page by visiting a BreezeWiki mirror:")
|
||||||
|
(ul
|
||||||
|
(li (a (@ (href ,(format "https://antifandom.com~a" mirror-path))) "View on antifandom.com"))
|
||||||
|
(li (a (@ (href ,(format "https://bw.artemislena.eu~a" mirror-path))) "View on artemislena.eu"))
|
||||||
|
(li (a (@ (href ,source-url)) "or, you can see the original page on Fandom (ugh)")))
|
||||||
|
(p "If you'd like " ,wikiname ".fandom.com to be added to breezewiki.com, " (a (@ (href "https://lists.sr.ht/~cadence/breezewiki-requests")) "let me know about it!")))
|
||||||
#:req req
|
#:req req
|
||||||
#:source-url source-url
|
#:source-url source-url
|
||||||
#:wikiname wikiname
|
#:wikiname wikiname
|
||||||
#:title article-title
|
#:title (url-segments->guess-title segments)
|
||||||
#:online-styles #f
|
#:online-styles #f
|
||||||
#:head-data head-data
|
|
||||||
#:siteinfo (siteinfo-fetch wikiname)
|
#:siteinfo (siteinfo-fetch wikiname)
|
||||||
))
|
))
|
||||||
(define redirect-msg ((query-selector (attribute-selector 'class "redirectMsg") body)))
|
|
||||||
(define redirect-query-parameter (dict-ref (url-query (request-uri req)) 'redirect "yes"))
|
|
||||||
(define headers
|
|
||||||
(build-headers
|
|
||||||
always-headers
|
|
||||||
; redirect-query-parameter: only the string "no" is significant:
|
|
||||||
; https://github.com/Wikia/app/blob/fe60579a53f16816d65dad1644363160a63206a6/includes/Wiki.php#L367
|
|
||||||
(when (and redirect-msg
|
|
||||||
(not (equal? redirect-query-parameter "no")))
|
|
||||||
(let* ([dest (get-attribute 'href (bits->attributes ((query-selector (λ (t a c) (eq? t 'a)) redirect-msg))))]
|
|
||||||
[value (bytes-append #"0;url=" (string->bytes/utf-8 dest))])
|
|
||||||
(header #"Refresh" value)))))
|
|
||||||
(when (config-true? 'debug)
|
(when (config-true? 'debug)
|
||||||
; used for its side effects
|
; used for its side effects
|
||||||
; convert to string with error checking, error will be raised if xexp is invalid
|
; convert to string with error checking, error will be raised if xexp is invalid
|
||||||
(xexp->html body))
|
(xexp->html body))
|
||||||
(response/output
|
(response/output
|
||||||
#:code 200
|
#:code 200
|
||||||
#:headers headers
|
#:headers always-headers
|
||||||
(λ (out)
|
(λ (out)
|
||||||
(write-html body out))))]
|
(write-html body out)))]
|
||||||
|
[#t
|
||||||
;; page not found on disk, perhaps it's a redirect? redirects are stored in the database
|
(when (config-true? 'debug)
|
||||||
(var target (query-maybe-value* "select redirect from page where wikiname = ? and basename = ?" wikiname basename))
|
(printf "using offline mode for ~v~n" fs-path))
|
||||||
[target
|
(response-handler
|
||||||
(generate-redirect (basename->name-for-query target))]
|
(define data (with-input-from-file fs-path (cdr archive-format)))
|
||||||
|
(define article-title (jp "/parse/title" data))
|
||||||
;; breezewiki doesn't have the page archived, see if we can make a network request for it
|
(define original-page (html->xexp (preprocess-html-wiki (jp "/parse/text" data))))
|
||||||
[(not (config-true? 'feature_offline::only))
|
(define page ((query-selector (λ (t a c) (has-class? "mw-parser-output" a)) original-page)))
|
||||||
(next-dispatcher)]
|
(define initial-head-data ((head-data-getter wikiname) data))
|
||||||
|
(define head-data
|
||||||
;; no possible way to provide the page
|
(case theme
|
||||||
[else
|
[(light dark)
|
||||||
(define mirror-path (url->string (request-uri req)))
|
(struct-copy head-data^ initial-head-data
|
||||||
(define body
|
[body-class (regexp-replace #rx"(theme-fandomdesktop-)(light|dark)"
|
||||||
(generate-wiki-page
|
(head-data^-body-class initial-head-data)
|
||||||
`(div (@ (class "unsaved-page"))
|
(format "\\1~a" theme))])]
|
||||||
(style ".unsaved-page a { text-decoration: underline !important }")
|
[else initial-head-data]))
|
||||||
(p "breezewiki.com doesn't have this page saved.")
|
(define body
|
||||||
(p "You can see this page by visiting a BreezeWiki mirror:")
|
(generate-wiki-page
|
||||||
(ul
|
(update-tree-wiki page wikiname)
|
||||||
(li (a (@ (href ,(format "https://antifandom.com~a" mirror-path))) "View on antifandom.com"))
|
#:req req
|
||||||
(li (a (@ (href ,(format "https://bw.artemislena.eu~a" mirror-path))) "View on artemislena.eu"))
|
#:source-url source-url
|
||||||
(li (a (@ (href ,source-url)) "or, you can see the original page on Fandom (ugh)")))
|
#:wikiname wikiname
|
||||||
(p "If you'd like " ,wikiname ".fandom.com to be added to breezewiki.com, " (a (@ (href "https://lists.sr.ht/~cadence/breezewiki-requests")) "let me know about it!")))
|
#:title article-title
|
||||||
#:req req
|
#:online-styles #f
|
||||||
#:source-url source-url
|
#:head-data head-data
|
||||||
#:wikiname wikiname
|
#:siteinfo (siteinfo-fetch wikiname)
|
||||||
#:title (url-segments->guess-title segments)
|
))
|
||||||
#:online-styles #f
|
(define redirect-msg ((query-selector (attribute-selector 'class "redirectMsg") body)))
|
||||||
#:siteinfo (siteinfo-fetch wikiname)
|
(define redirect-query-parameter (dict-ref (url-query (request-uri req)) 'redirect "yes"))
|
||||||
))
|
(define headers
|
||||||
(when (config-true? 'debug)
|
(build-headers
|
||||||
; used for its side effects
|
always-headers
|
||||||
; convert to string with error checking, error will be raised if xexp is invalid
|
; redirect-query-parameter: only the string "no" is significant:
|
||||||
(xexp->html body))
|
; https://github.com/Wikia/app/blob/fe60579a53f16816d65dad1644363160a63206a6/includes/Wiki.php#L367
|
||||||
(response/output
|
(when (and redirect-msg
|
||||||
#:code 200
|
(not (equal? redirect-query-parameter "no")))
|
||||||
#:headers always-headers
|
(let* ([dest (get-attribute 'href (bits->attributes ((query-selector (λ (t a c) (eq? t 'a)) redirect-msg))))]
|
||||||
(λ (out)
|
[value (bytes-append #"0;url=" (string->bytes/utf-8 dest))])
|
||||||
(write-html body out)))])))
|
(header #"Refresh" value)))))
|
||||||
|
(when (config-true? 'debug)
|
||||||
|
; used for its side effects
|
||||||
|
; convert to string with error checking, error will be raised if xexp is invalid
|
||||||
|
(xexp->html body))
|
||||||
|
(response/output
|
||||||
|
#:code 200
|
||||||
|
#:headers headers
|
||||||
|
(λ (out)
|
||||||
|
(write-html body out))))])))
|
||||||
|
|
|
@ -1,63 +0,0 @@
|
||||||
#lang racket/base
|
|
||||||
(require racket/string
|
|
||||||
(prefix-in easy: net/http-easy)
|
|
||||||
"application-globals.rkt"
|
|
||||||
"config.rkt"
|
|
||||||
"../lib/url-utils.rkt"
|
|
||||||
"whole-utils.rkt"
|
|
||||||
"../lib/xexpr-utils.rkt")
|
|
||||||
|
|
||||||
(provide
|
|
||||||
generate-results-content-fandom)
|
|
||||||
|
|
||||||
(module+ test
|
|
||||||
(require rackunit
|
|
||||||
"test-utils.rkt")
|
|
||||||
(define search-json-data
|
|
||||||
'#hasheq((batchcomplete . #t) (query . #hasheq((search . (#hasheq((ns . 0) (pageid . 219) (size . 1482) (snippet . "") (timestamp . "2022-08-21T08:54:23Z") (title . "Gacha Capsule") (wordcount . 214)) #hasheq((ns . 0) (pageid . 201) (size . 1198) (snippet . "") (timestamp . "2022-07-11T17:52:47Z") (title . "Badges") (wordcount . 181)))))))))
|
|
||||||
|
|
||||||
(define (generate-results-content-fandom wikiname query params)
|
|
||||||
;; constructing the URL where I want to get fandom data from...
|
|
||||||
(define origin (format "https://~a.fandom.com" wikiname))
|
|
||||||
;; the dest-URL will look something like https://minecraft.fandom.com/api.php?action=query&list=search&srsearch=Spawner&formatversion=2&format=json
|
|
||||||
(define dest-url
|
|
||||||
(format "~a/api.php?~a"
|
|
||||||
origin
|
|
||||||
(params->query `(("action" . "query")
|
|
||||||
("list" . "search")
|
|
||||||
("srsearch" . ,query)
|
|
||||||
("formatversion" . "2")
|
|
||||||
("format" . "json")))))
|
|
||||||
;; HTTP request to dest-url for search results
|
|
||||||
(log-outgoing dest-url)
|
|
||||||
(define res (easy:get dest-url #:timeouts timeouts))
|
|
||||||
(define json (easy:response-json res))
|
|
||||||
(define search-results (jp "/query/search" json))
|
|
||||||
|
|
||||||
;; generate content for display in the wiki page layout
|
|
||||||
`(div (@ (class "mw-parser-output"))
|
|
||||||
;; header before the search results showing how many we found
|
|
||||||
(p ,(format "~a results found for " (length search-results))
|
|
||||||
(strong ,query))
|
|
||||||
;; *u*nordered *l*ist of matching search results
|
|
||||||
(ul ,@(for/list ([result search-results])
|
|
||||||
(let* ([title (jp "/title" result)]
|
|
||||||
[page-path (page-title->path title)]
|
|
||||||
[timestamp (jp "/timestamp" result)]
|
|
||||||
[wordcount (jp "/wordcount" result)]
|
|
||||||
[size (jp "/size" result)])
|
|
||||||
;; and make this x-expression...
|
|
||||||
`(li (@ (class "my-result"))
|
|
||||||
(a (@ (class "my-result__link") (href ,(format "/~a/wiki/~a" wikiname page-path))) ; using unquote to insert the result page URL
|
|
||||||
,title) ; using unquote to insert the result page title
|
|
||||||
(div (@ (class "my-result__info")) ; constructing the line under the search result
|
|
||||||
"last edited "
|
|
||||||
(time (@ (datetime ,timestamp)) ,(list-ref (string-split timestamp "T") 0))
|
|
||||||
,(format ", ~a words, ~a kb"
|
|
||||||
wordcount
|
|
||||||
(exact->inexact (/ (round (/ size 100)) 10))))))))))
|
|
||||||
|
|
||||||
(module+ test
|
|
||||||
(parameterize ([(config-parameter 'feature_offline::only) "false"])
|
|
||||||
(check-not-false ((query-selector (attribute-selector 'href "/test/wiki/Gacha_Capsule")
|
|
||||||
(generate-results-content-fandom test-req "" "test" "Gacha" search-json-data))))))
|
|
|
@ -1,91 +0,0 @@
|
||||||
#lang racket/base
|
|
||||||
(require racket/dict
|
|
||||||
racket/string
|
|
||||||
(prefix-in easy: net/http-easy)
|
|
||||||
"application-globals.rkt"
|
|
||||||
"../lib/html-parsing/main.rkt"
|
|
||||||
"../lib/url-utils.rkt"
|
|
||||||
"whole-utils.rkt"
|
|
||||||
"../lib/xexpr-utils.rkt")
|
|
||||||
|
|
||||||
(provide
|
|
||||||
generate-results-content-solr)
|
|
||||||
|
|
||||||
(struct result^ (hl-title hl-body kb words page-path) #:transparent)
|
|
||||||
|
|
||||||
(define (generate-results-content-solr wikiname query params)
|
|
||||||
;; grab things from params that would modify the search
|
|
||||||
(define op (if (equal? (dict-ref params 'op #f) "or") '("or" . "OR") '("and" . "AND")))
|
|
||||||
(define sort (if (equal? (dict-ref params 'sort #f) "len") '("len" . "len desc") '("relevance" . "score desc")))
|
|
||||||
|
|
||||||
;; the dest-URL will look something like http://localhost:8983/solr/bloons/select?defType=edismax&fl=id%2Clen&hl.defaultSummary=true&hl.encoder=html&hl.fl=title%2Cbody&hl.method=unified&hl.tag.post=%3C%2Fmark%3E&hl.tag.pre=%3Cmark%3E&hl=true&indent=true&q.op=AND&q=blo&qf=title_prefix%20title%5E2.0%20body%20table%5E0.3&useParams=
|
|
||||||
(define dest-url
|
|
||||||
(format "http://localhost:8983/solr/~a/select?~a"
|
|
||||||
wikiname
|
|
||||||
(params->query `(("defType" . "edismax")
|
|
||||||
("q" . ,query)
|
|
||||||
("q.op" . ,(cdr op))
|
|
||||||
("qf" . "title_prefix title^2.0 body table^0.3")
|
|
||||||
("hl" . "true")
|
|
||||||
("hl.method" . "unified")
|
|
||||||
("hl.defaultSummary" . "true")
|
|
||||||
("hl.fl" . "title,body")
|
|
||||||
("fl" . "id,len,title")
|
|
||||||
("hl.encoder" . "html")
|
|
||||||
("hl.tag.pre" . "<mark>")
|
|
||||||
("hl.tag.post" . "</mark>")
|
|
||||||
("sort" . ,(cdr sort))))))
|
|
||||||
;; HTTP request to dest-url for search results
|
|
||||||
(log-outgoing dest-url)
|
|
||||||
(define res (easy:get dest-url #:timeouts timeouts))
|
|
||||||
(define json (easy:response-json res))
|
|
||||||
|
|
||||||
;; build result objects
|
|
||||||
(define highlighting (jp "/highlighting" json))
|
|
||||||
(define results
|
|
||||||
(for/list ([doc (jp "/response/docs" json)])
|
|
||||||
(define id (jp "/id" doc))
|
|
||||||
(define len (jp "/len" doc))
|
|
||||||
(define title (let ([t (jp "/title" doc)])
|
|
||||||
(if (list? t) (car t) t)))
|
|
||||||
(define page-path (page-title->path title))
|
|
||||||
(define kb (exact->inexact (/ (round (/ len 100)) 10))) ; divide by 1000 and round to nearest 0.1
|
|
||||||
(define words (* (round (/ len 60)) 10)) ; divide by 6 and round to nearest 10
|
|
||||||
(define hl (hash-ref highlighting (string->symbol id)))
|
|
||||||
(define hl-title (cdr (html->xexp (jp "/title/0" hl))))
|
|
||||||
(define hl-body (cdr (html->xexp (string-trim (jp "/body/0" hl)))))
|
|
||||||
(result^ hl-title hl-body kb words page-path)))
|
|
||||||
|
|
||||||
(define qtime (exact->inexact (/ (round (/ (jp "/responseHeader/QTime" json) 10)) 100)))
|
|
||||||
|
|
||||||
(define (value-selected? value current-value)
|
|
||||||
(append
|
|
||||||
`((value ,value))
|
|
||||||
(if (equal? value current-value)
|
|
||||||
`((selected))
|
|
||||||
`())))
|
|
||||||
|
|
||||||
;; generate content for display in the wiki page layout
|
|
||||||
`(div (@ (class "mw-parser-output"))
|
|
||||||
(form (@ (class "my-result__filter"))
|
|
||||||
(input (@ (type "hidden") (name "q") (value ,query)))
|
|
||||||
(select (@ (name "op"))
|
|
||||||
(option (@ ,@(value-selected? "and" (car op))) "All words must match")
|
|
||||||
(option (@ ,@(value-selected? "or" (car op))) "Some words must match"))
|
|
||||||
(select (@ (name "sort"))
|
|
||||||
(option (@ ,@(value-selected? "relevance" (car sort))) "Relevant articles")
|
|
||||||
(option (@ ,@(value-selected? "len" (car sort))) "Wordiest articles"))
|
|
||||||
(button "Filter results"))
|
|
||||||
;; header before the search results showing how many we found
|
|
||||||
(p ,(format "~a results (~a seconds) found for " (jp "/response/numFound" json) qtime)
|
|
||||||
(strong ,query))
|
|
||||||
;; *u*nordered *l*ist of matching search results
|
|
||||||
(ul ,@(for/list ([result results])
|
|
||||||
`(li (@ (class "my-result"))
|
|
||||||
(a (@ (class "my-result__link") (href ,(format "/~a/wiki/~a" wikiname (result^-page-path result)))) ; url
|
|
||||||
,@(result^-hl-title result)) ; title
|
|
||||||
(p (@ (class "my-result__description")) ,@(result^-hl-body result)) ; result preview
|
|
||||||
(div (@ (class "my-result__info")) ; line under the search result
|
|
||||||
,(format "~a words, ~a kb of readable stuff"
|
|
||||||
(result^-words result)
|
|
||||||
(result^-kb result))))))))
|
|
|
@ -256,24 +256,11 @@ a.ext-audiobutton { /* see hearthstone/wiki/Diablo_(Duels_hero) */
|
||||||
.my-result__link {
|
.my-result__link {
|
||||||
font-size: 1.2em;
|
font-size: 1.2em;
|
||||||
}
|
}
|
||||||
.my-result__description {
|
|
||||||
font-size: 0.8em;
|
|
||||||
white-space: pre-line;
|
|
||||||
margin-left: 1.2em;
|
|
||||||
}
|
|
||||||
.my-result mark {
|
|
||||||
background: rgba(255, 255, 0, 0.4);
|
|
||||||
}
|
|
||||||
.my-result__info {
|
.my-result__info {
|
||||||
font-size: 0.8em;
|
font-size: 0.8em;
|
||||||
color: var(--theme-page-text-color--hover);
|
color: var(--theme-page-text-color--hover);
|
||||||
margin-left: 1.2em;
|
margin-left: 1.2em;
|
||||||
}
|
}
|
||||||
.my-result__filter {
|
|
||||||
display: grid;
|
|
||||||
grid-template-columns: auto auto auto 1fr;
|
|
||||||
grid-gap: 8px;
|
|
||||||
}
|
|
||||||
|
|
||||||
/* (breezewiki) search suggestions */
|
/* (breezewiki) search suggestions */
|
||||||
.bw-search-form {
|
.bw-search-form {
|
||||||
|
|
Loading…
Reference in a new issue