import morfeusz2
class MorphologyError(Exception):
pass
morfeusz = morfeusz2.Morfeusz(generate=True, analyse=False, expand_tags=True)
LEMMA_KILL_LIST = {
'oko:Sn_ncol', 'ucho:Sn_ncol', # ~a
'łeb:Sm2', 'powód:Sm1', # ~owie
'lew:Sm2~ewa', # ~owi
'paragraf:Sm1', 'sen:Sm2.m3', 'lot:Sm3~a~u', 'lód:Sm2', # ~a; para-graf
'bat:Sm3~u', 'żywot:Sm3~u', # ~u
# fikać kozły, spuszczać basałyki
'kozioł:Sm1', 'basałyk:Sm1.m2', # ~ów
# ciągnąć druta, fiknąć kozła/koziołka, puścić kura, spiąć muła, popuścić pasa, zapuścić żurawia
'drut:Sm3~a~u', 'drut:Sm3~u', 'kozioł:Sm3', 'koziołek:Sm3', 'kur:Sm3', 'muł:Sm3', 'pas:Sm3~s~u', 'pas:Sn_ncol', 'żuraw:Sm3', # ~-
# m1:
'as:Sm1', 'baba:Sm1', 'biegun:Sm1', 'bzik:Sm1', 'fioł:Sm1', 'jeleń:Sm1', 'kułak:Sm1', 'lamus:Sm1', 'lis:Sm1.m2', 'nurek:Sm1', 'osioł:Sm1.m2', 'orzeł:Sm1',
'szach:Sm1', 'admirał:Sm2', 'bęben:Sm2', 'głup:Sm2', 'kasztan:Sm2', 'król:Sm2', 'kurek:Sm2', 'młot:Sm2', 'pajac:Sm2', 'pion:Sm2.m3',
# m2:
'grabarz:Sm2',
'płaz:Sm2', 'szatan:Sm2',
'tchórz:Sm2',
'Abraham:Sf', 'Grek:Sm1~kowie', 'Grek:Sf', 'Kajfasz:Sf', 'Marek:Sf', 'Polak:Sf', 'Polska:Sf~ej',
'Wisła:Sm1', 'Zawisza:Sf', # nazwiska (w tym żeńskie)
'Marcin:Sm3', # człon nazwy geogr.
'galop:Sm2', # chor.
'profit:Sm2', 'profit:Sm3', # pro-fit
'jeż:Sm3', 'kaduk:Sm3', 'lek:Sm2', 'smok:Sm3', 'ślimak:Sm3', # m3
'kapitan:Sf', # f
'dziób:Sm3~oba~obu', # żegl.
'mat:Sm1', 'mat:Sm3', # mors., matowy
'as:Sm2.m3', 'as:Sn_ncol', # hist., muz.
'przenosić:Vp',
'kasztan:Sm3',
'stać:Vp', # perf
'wpaść:Vp~sę', # wpasie
'należeć:Vp', # perf (należał się w łóżku)
'głąb:Sm2.m3', 'głąb:Sm1.m2', # zostawiamy żeńską „w głąb”
# z semantyki ==============================================================
# członek w znaczeniu części ciała:
'członek:Sm1', 'członek:Sm2',
# antytalent:s2 jest m1, anty-talent:s2 – m2 (monet.), chcemy antytalent m3
#'antytalent:Sm1',
# nie chcemy m1
'asfalt:Sm1',
# nie chcemy m2 leśń.
'aspirant:Sm3',
# nie chcemy m1
'bas:Sm1',
'samolot:Sm3~a~u', #~a samo-lot
'dopaść:Vp~sę', # dopasł
'napaść:Vp~sę', # napasł
'dostawać:Vi~wam', # dostawa
'reżyser:Sm1', 'sędzia:Sm1', # chcemy f, precz z patriarchatem
'operator:Sm1', # chcemy m3
'Rzym:Sm1', 'Rzym:Sf', # nazwiska, chcemy m3
'śpiewak:Sm2', #chcemy m1
'model:Sm1', # chcemy m3
'mikser:Sm1', # chcemy m3
'sport:Sm2.m3', # chcemy m3
'pilot:Sm2', 'pilot:Sm3', # chcemy m1
'oblec:Vp~egnę~egę', # oblókł
'wał:Sm1', 'wał:Sm2', # chcemy m3
'odlew:Sm2~ewa', 'odlew:Sm2~lwa', # od-lew...
'odpaść:Vp~sę', # odpadł
'opaść:Vp~sę', # opadły
'pasać:Vi~am~zę', # pasa
#'pluskać', # ???
'Księżyc:Sm1', 'Księżyc:Sf', # nazwiska, chcemy m3
'podpaść:Vp~sę', # podpadł
'popaść:Vp~sę', # popadł
'pasza:Sm1', # chcemy f
'ssak:Sm3', # chcemy m2
'przypaść:Vp~sę', # przypadło
'fotograf:Sm3', # chcemy m1; foto-graf
'sygnalizator:Sm1', # chcemy m3
'pająk:Sm3', # chcemy m2
'wąż:Sm2.m3', # chcemy m2
'tłumacz:Sm2', # chcemy m1
'samiec:Sm1', # chcemy m2
'automat:Sm2', 'automat:Sm1', # auto-mat
'gad:Sm1', # chcemy m2
'ruda:Sf~ej', # chcemy rudę (metalu), nie rudą
'marsz:Sm3', # chcemy ~a
'drapieżnik:Sm1', # chcemy m2
'zbieg:Sm1', # chcemy m3 (zbieg okoliczności)
'polityk:S', # poli-tyk...
}
FORM_KILL_LIST = (
('amen', 'amen:S', 'subst:sg:nom:n:ncol', ['nazwa_pospolita'], []), # m3
('amen', 'amen:S', 'subst:sg:acc:n:ncol', ['nazwa_pospolita'], []),
('Amora', 'Amor', 'subst:sg:gen:m2', ['imię'], ['mit.']), # m1
('aniołków', 'aniołek', 'subst:pl:gen:m1', ['nazwa_pospolita'], []), # m2
('aniołów', 'anioł', 'subst:pl:gen:m2', ['nazwa_pospolita'], []), # m1
('awansy', 'awans', 'subst:pl:acc:m3', ['nazwa_pospolita'], []), # awanse
('baja', 'bajać', 'fin:sg:ter:imperf', [], []), # baje
('bambusa', 'bambus:Sm2.m3', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # w bambus
('blues', 'blues', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # bluesa
('bogowi', 'bóg', 'subst:sg:dat:m1', ['nazwa_pospolita'], []), # bogu
('burak', 'burak:Sm2.m3', 'subst:sg:nom:m2', ['nazwa_pospolita'], ['bot.']), # m3
('całuski', 'całusek', 'subst:pl:acc:m2', ['nazwa_pospolita'], []), # m3
('całusków', 'całusek', 'subst:pl:gen:m2', ['nazwa_pospolita'], []), # m3
('cepu', 'cep:Sm3', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # cepa
('chlaszcze', 'chlastać', 'fin:sg:ter:imperf', [], []), # chlasta
('chleje', 'chlać', 'fin:sg:ter:imperf', [], ['pot.,rzad.']), # chla
('chluszcze', 'chlustać', 'fin:sg:ter:imperf', [], []), # chlusta
('chujów', 'chuj:Sm1', 'subst:pl:acc:m1', ['nazwa_pospolita'], ['wulg.']), # obciągać chuja
('cudy', 'cud', 'subst:pl:acc:m3', ['nazwa_pospolita'], []), # wyczyniać cuda
('czartem', 'czart', 'subst:sg:inst:m2', ['nazwa_pospolita'], []), # m1
('czole', 'czoło:Sn_ncol~ole', 'subst:sg:loc:n:ncol', ['nazwa_pospolita'], []), # postawić na czele
('czort', 'czort', 'subst:sg:nom:m2', ['nazwa_pospolita'], ['pot.']), # m1
('diabeł', 'diabeł', 'subst:sg:nom:m2', ['nazwa_pospolita'], []), # m1
('diabła', 'diabeł', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # m1
('diabła', 'diabeł', 'subst:sg:gen:m2', ['nazwa_pospolita'], []), # m1
('diabłami', 'diabeł', 'subst:pl:inst:m2', ['nazwa_pospolita'], []), # m1
('diabłem', 'diabeł', 'subst:sg:inst:m2', ['nazwa_pospolita'], []), # m1
('diabłu', 'diabeł', 'subst:sg:dat:m2', ['nazwa_pospolita'], []), # m1
('diabłów', 'diabeł', 'subst:pl:acc:m1', ['nazwa_pospolita'], []), # w diabły
('diabłów', 'diabeł', 'subst:pl:gen:m2', ['nazwa_pospolita'], []), # m1
('diabły', 'diabeł', 'subst:pl:nom:m2', ['nazwa_pospolita'], []), # diabli wiedzą
('DNA', 'DNA', 'subst:sg:nom:m3', ['nazwa_pospolita'], []), # n
('DNA', 'DNA', 'subst:sg:gen:m3', ['nazwa_pospolita'], []),
('drapak', 'drapak:Sm3', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # dać drapaka
('dwu', 'dwa', 'num:pl:loc:f:congr:ncol', [], []), # dwóch
('dwu', 'dwa', 'num:pl:acc:m1:rec:ncol', [], []),
('dwu', 'dwa', 'num:pl:loc:m1:rec:ncol', [], []),
('dwu', 'dwa', 'num:pl:inst:m3:congr:ncol', [], []),
('dwu', 'dwa', 'num:pl:loc:m3:congr:ncol', [], []),
('dwu', 'dwa', 'num:pl:loc:n:congr:ncol', [], []),
('dygocą', 'dygotać', 'fin:pl:ter:imperf', [], []), # dygoczą
('dzióba', 'dziób:Sm3~oba~óba', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # dzioba
('dzióbach', 'dziób:Sm3~oba~óba', 'subst:pl:loc:m3', ['nazwa_pospolita'], []),
('dzióbem', 'dziób:Sm3~oba~óba', 'subst:sg:inst:m3', ['nazwa_pospolita'], []),
('dzióby', 'dziób:Sm3~oba~óba', 'subst:pl:acc:m3', ['nazwa_pospolita'], []),
('figiel', 'figiel', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # figla
('garba', 'garb', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # wziąć sobie garb na plecy
('gąsiora', 'gąsior:Sm2', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # osuszać gąsior
#('głąba', 'głąb:Sm2.m3', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # uciec w głąb
('gore', 'gorzeć', 'fin:sg:ter:imperf', [], ['przest.,podniosłe']), # gorzeje
('gorze', 'gorzeć', 'fin:sg:ter:imperf', [], ['przest.,podniosłe']),
('gorą', 'gorzeć', 'fin:pl:ter:imperf', [], ['przest.,podniosłe']), # gorzeją
('gorzą', 'gorzeć', 'fin:pl:ter:imperf', [], ['przest.,podniosłe']),
('grzęzie', 'grzęznąć', 'fin:sg:ter:imperf', [], []), # grzęźnie
('grzybki', 'grzybek', 'subst:pl:acc:m2', ['nazwa_pospolita'], []), # m3
('grzyb', 'grzyb:Sm2.m3', 'subst:sg:nom:m2', ['nazwa_pospolita'], ['mikol.']), # m3
('grzyb', 'grzyb:Sm2.m3', 'subst:sg:acc:m3', ['nazwa_pospolita'], ['mikol.']), # grzyba
('grzyby', 'grzyb:Sm2.m3', 'subst:pl:nom:m2', ['nazwa_pospolita'], ['mikol.']), # m3
('guz', 'guz', 'subst:sg:nom:m2', ['nazwa_pospolita'], []), # m3
('guz', 'guz', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # ale: guza
('guza', 'guz', 'subst:sg:gen:m2', ['nazwa_pospolita'], []), # m3
('kaduk', 'kaduk:Sm1.m2', 'subst:sg:nom:m2', ['nazwa_pospolita'], ['przest.']), # m1
('kołata', 'kołatać', 'fin:sg:ter:imperf', [], []), # kołacze (kołace usunie filter_ending)
('kopniak', 'kopniak', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # kopniaka
('kloc', 'kloc:Sm3', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # walnąć kloca
('klientowi', 'klient:Sm2', 'subst:sg:dat:m2', ['nazwa_pospolita'], []), # m1
('klin', 'klin:Sm3', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # klina
('klina', 'klin:Sm2', 'subst:sg:gen:m2', ['nazwa_pospolita'], []), # m3
('klinem', 'klin:Sm2', 'subst:sg:inst:m2', ['nazwa_pospolita'], []), # m3
('kilku', 'kilka:N', 'num:pl:inst:m3:congr:ncol', [], []), # kilkoma
('kopniakiem', 'kopniak', 'subst:sg:inst:m2', ['nazwa_pospolita'], []), # m3
('kosz', 'kosz:Sm3', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # kosza
('kosza', 'kosz:Sm3', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # TODO do usunięcia po poprawce?
('koszu', 'kosz:Sm2', 'subst:sg:loc:m2', ['nazwa_pospolita'], []), # m3
('koszty', 'koszt', 'subst:pl:acc:m3', ['nazwa_pospolita'], []), # koszta
('krzaku', 'krzak', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # krzaka
('krzyw', 'krzywy', 'adj:sg:nom:m1:pos', [], []), # krzywy
('kserze', 'ksero', 'subst:sg:loc:n:ncol', ['nazwa_pospolita'], []), # na ksero
('łga', 'łgać', 'fin:sg:ter:imperf', [], ['przest.,rzad.']), # łże
('marsz', 'marsz:Sm2.m3', 'subst:sg:acc:m3', ['nazwa_pospolita'], ['muz.']), # grać marsza
('marźnie', 'marznąć', 'fin:sg:ter:imperf', [], []), # marznie
('napoi', 'napój', 'subst:pl:gen:m3', ['nazwa_pospolita'], []), # napojów
('nasiąknął', 'nasiąknąć', 'praet:sg:m1:perf', [], []), # nasiąkł
('nasiąknął', 'nasiąknąć', 'praet:sg:m3:perf', [], []),
('nieciekaw', 'nieciekawy', 'adj:sg:nom:m1:pos', [], []), # nieciekawy
#('nasiąknęła', 'nasiąknąć', 'praet:sg:f:perf', [], []),
('nic', 'nic', 'subst:sg:gen:n:ncol', [], []), # niczego
('oboruje', 'oborywać', 'fin:sg:ter:imperf', [], []), # oborywa
('obydwóch', 'obydwa', 'num:pl:loc:f:congr:ncol', [], []), # obydwu
('obydwóch', 'obydwa', 'num:pl:loc:m3:congr:ncol', [], []),
('obydwóch', 'obydwa', 'num:pl:loc:n:congr:ncol', [], []),
('odtchu', 'oddech', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # od-tchu ;)
('oczyma', 'oko:Sn_col', 'subst:pl:inst:n:col', ['nazwa_pospolita'], ['anat.']), # oczami
('oczów', 'oko:Sn_col', 'subst:pl:gen:n:col', ['nazwa_pospolita'], ['anat.']), # oczu
('ofiarowywa', 'ofiarowywać', 'fin:sg:ter:imperf', [], ['rzad.']), # ofiarowuje
#('oklapnęła', 'oklapnąć', 'praet:sg:f:perf', [], []), # oklapła
('oklapnął', 'oklapnąć', 'praet:sg:m3:perf', [], []),
('oklapnęło', 'oklapnąć', 'praet:sg:n:perf', [], []),
('otworzoną', 'otworzyć', 'ppas:sg:inst:f:perf:aff', [], []), # otwartą
('otworzony', 'otworzyć', 'ppas:sg:nom:m1:perf:aff', [], []), # otwarty
('paple', 'paplać', 'fin:sg:ter:imperf', [], ['pot.']), # papla
('paru', 'parę', 'num:pl:inst:m3:congr', [], []), # paroma
('pasjanse', 'pasjans', 'subst:pl:acc:m2', ['nazwa_pospolita'], []), # pasjanse m3
('pasjansy', 'pasjans', 'subst:pl:acc:m2', ['nazwa_pospolita'], []),
('pasjansy', 'pasjans', 'subst:pl:acc:m3', ['nazwa_pospolita'], []),
('pełen', 'pełny', 'adj:sg:nom:m1:pos', [], []), # pełny
('pełźnie', 'pełznąć', 'fin:sg:ter:imperf', [], []), # pełznie
('pewien', 'pewny', 'adj:sg:nom:m1:pos', [], []), # pewny
('pewien', 'pewny', 'adj:sg:acc:m3:pos', [], []),
#('pierzchnęła', 'pierzchnąć:Vp', 'praet:sg:f:perf', [], []), # pierzchła
('podobien', 'podobny', 'adj:sg:nom:m1:pos', [], []), # podobny
('policzeki', 'policzek', 'subst:pl:nom:m3', ['nazwa_pospolita'], []), # poli-czeki ;)
('procha', 'proch', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # prochu
('proga', 'próg', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # progu
('programa', 'program', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # pro-gram ;)
('prysznicu', 'prysznic', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # prysznica
('przedzie', 'przód', 'subst:sg:loc:m3', ['nazwa_pospolita'], []), # na przodzie
('przekonywa', 'przekonywać', 'fin:sg:ter:imperf', [], []), # przekonuje
('przemyśliwuje', 'przemyśliwać', 'fin:sg:ter:imperf', [], []), # przemyśliwa
('przykląkł', 'przyklęknąć', 'praet:sg:m1:perf', [], []), # przyklęknął
('rażony', 'razić', 'ppas:sg:nom:m1:imperf:aff', [], []), # perf (jak rażony piorunem)
('rażonego', 'razić', 'ppas:sg:acc:m1:imperf:aff', [], []),
('ręku', 'ręka', 'subst:sg:loc:m3', ['nazwa_pospolita'], ['anat.']), # ręce
('rękoma', 'ręka', 'subst:pl:inst:f', ['nazwa_pospolita'], ['anat.']), # rękami
('rówien', 'równy', 'adj:sg:nom:m1:pos', [], []), # równy
('rynsztoku', 'rynsztok', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # rynsztoka
('rzeknąć', 'rzec:Vp', 'inf:perf', [], []), # rzec
('rządu', 'rząd:Sm3~ądu', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # rosnąć do rzędu czegoś
('rzędów', 'rząd:Sm3~ędu', 'subst:pl:gen:m3', ['nazwa_pospolita'], []), # objąć ster rządów
('rzędy', 'rząd:Sm3~ędu', 'subst:pl:acc:m3', ['nazwa_pospolita'], []), # objąć rządy
('sierpa', 'sierp', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # sierpu
('skomli', 'skomleć', 'fin:sg:ter:imperf', [], []), # skomle
('sondażów', 'sondaż', 'subst:pl:gen:m3', ['nazwa_pospolita'], []), # sondaży
('steka', 'stek:Sm2.m3', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # wysmażyć stek
('strach', 'strach:Sm2', 'subst:sg:nom:m2', ['nazwa_pospolita'], []), # m3 (strach obleciał)
('stracha', 'strach:Sm2', 'subst:sg:gen:m2', ['nazwa_pospolita'], []), # napędzić stracha/strachu, ale umrzeć ze strachu
('strachu', 'strach:Sm2', 'subst:sg:loc:m2', ['nazwa_pospolita'], []), # m3
('syfon', 'syfon:Sm3', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # dać syfona
('szampan', 'szampan', 'subst:sg:nom:m2', ['nazwa_pospolita'], []), # m3
('szampana', 'szampan', 'subst:sg:gen:m2', ['nazwa_pospolita'], []),
('szatan', 'szatan:Sm1.m2', 'subst:sg:nom:m2', ['nazwa_pospolita'], []), # m1
('szatanem', 'szatan:Sm1.m2', 'subst:sg:inst:m2', ['nazwa_pospolita'], []), # m1
('szczy', 'szczać', 'fin:sg:ter:imperf', [], ['pot.']), # szcza
('szeląga', 'szeląg', 'subst:sg:gen:m2', ['nazwa_pospolita'], []), # m3
('szmerglu', 'szmergiel', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # szmergla
('śmiecie', 'śmieć:Sm2.m3', 'subst:pl:acc:m3', ['nazwa_pospolita'], []), # śmieci
('ukląkł', 'uklęknąć', 'praet:sg:m1:perf', [], []), # uklęknął
('usty', 'usta', 'subst:pl:inst:n:pt', ['nazwa_pospolita'], ['przest.']), # ustami
('walkowera', 'walkower', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # m3
('woła', 'wół', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # wołu
('woru', 'wór', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # wora
('wykonywa', 'wykonywać', 'fin:sg:ter:imperf', [], []), # wykonuje
('ziaja', 'ziajać', 'fin:sg:ter:imperf', [], []), # ziaje
('zeprzała', 'zeprzeć:Vp~zeję', 'praet:sg:f:perf', [], ['rzad.']), # sparła
('zeprzał', 'zeprzeć:Vp~zeję', 'praet:sg:m1:perf', [], ['rzad.']),
('zeprzało', 'zeprzeć:Vp~zeję', 'praet:sg:n:perf', [], ['rzad.']),
('zjednywa', 'zjednywać', 'fin:sg:ter:imperf', [], []), # zjednuje
('zwierzę', 'zwierzę', 'subst:sg:nom:n:ncol', ['nazwa_pospolita'], []), # col
('zwierzę', 'zwierzę', 'subst:sg:acc:n:ncol', ['nazwa_pospolita'], []),
('zwierzęcia', 'zwierzę', 'subst:sg:gen:n:ncol', ['nazwa_pospolita'], []),
('zwierzęciem', 'zwierzę', 'subst:sg:inst:n:ncol', ['nazwa_pospolita'], []),
('zwierzęciu', 'zwierzę', 'subst:sg:dat:n:ncol', ['nazwa_pospolita'], []),
('zwierzęciu', 'zwierzę', 'subst:sg:loc:n:ncol', ['nazwa_pospolita'], []),
('zwierzęta', 'zwierzę', 'subst:pl:nom:n:ncol', ['nazwa_pospolita'], []),
('zżarła', 'zeżreć', 'praet:sg:f:perf', [], []), # zeżarła
('zżarł', 'zeżreć', 'praet:sg:m1:perf', [], []),
('zżarł', 'zeżreć', 'praet:sg:m3:perf', [], []),
('żłobu', 'żłób:Sm3', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # dopchać się do żłoba
('żurnalów', 'żurnal', 'subst:pl:gen:m3', ['nazwa_pospolita'], []), # żurnali
('żywcem', 'żywiec:Sm2', 'subst:sg:inst:m2', ['nazwa_pospolita'], []), # m3
('swe', 'swój', 'adj:sg:acc:n:pos', [], []), # dostać za swoje
('swym', 'swój', 'adj:sg:loc:n:pos', [], []), # obstawać przy swoim
('swojego', 'swój', 'adj:sg:gen:n:pos', [], []), # dopiąć swego
('swe', 'swój', 'adj:pl:acc:f:pos', [], []), # swoje in adjp(agr)
('swe', 'swój', 'adj:pl:acc:m3:pos', [], []),
('swe', 'swój', 'adj:sg:nom:n:pos', [], []),
('swe', 'swój', 'adj:pl:acc:n:pos', [], []),
('swej', 'swój', 'adj:sg:gen:f:pos', [], []), # swojej
('swej', 'swój', 'adj:sg:loc:f:pos', [], []),
('swego', 'swój', 'adj:sg:acc:m1:pos', [], []), # swojego
('swego', 'swój', 'adj:sg:gen:m3:pos', [], []),
('swych', 'swój', 'adj:pl:gen:f:pos', [], []), # swoich
('swych', 'swój', 'adj:pl:loc:f:pos', [], []),
('swych', 'swój', 'adj:pl:gen:m3:pos', [], []),
('swych', 'swój', 'adj:pl:loc:m3:pos', [], []),
('swych', 'swój', 'adj:pl:loc:n:pos', [], []),
('swym', 'swój', 'adj:pl:dat:m3:pos', [], []),
('swym', 'swój', 'adj:sg:loc:m3:pos', [], []), # swoim
('swym', 'swój', 'adj:sg:inst:m3:pos', [], []),
('swym', 'swój', 'adj:pl:dat:n:pos', [], []),
('swym', 'swój', 'adj:sg:inst:n:pos', [], []),
('swymi', 'swój', 'adj:pl:inst:f:pos', [], []), # swoimi
('swymi', 'swój', 'adj:pl:inst:m3:pos', [], []),
('swymi', 'swój', 'adj:pl:inst:n:pos', [], []),
('swą', 'swój', 'adj:sg:acc:f:pos', [], []), # swoją
('swą', 'swój', 'adj:sg:inst:f:pos', [], []),
('mej', 'mój:A', 'adj:sg:gen:f:pos', [], []), # mojej
('mej', 'mój:A', 'adj:sg:dat:f:pos', [], []),
('mej', 'mój:A', 'adj:sg:loc:f:pos', [], []),
('memu', 'mój:A', 'adj:sg:dat:m3:pos', [], []), # mojemu
('mego', 'mój:A', 'adj:sg:acc:m2:pos', [], []), # mojego
('mego', 'mój:A', 'adj:sg:gen:m3:pos', [], []),
('mego', 'mój:A', 'adj:sg:gen:n:pos', [], []),
('mych', 'mój:A', 'adj:pl:loc:n:pos', [], []), # moich
('me', 'mój:A', 'adj:pl:nom:f:pos', [], []),
('me', 'mój:A', 'adj:pl:acc:f:pos', [], []), # moje
('me', 'mój:A', 'adj:pl:acc:m2:pos', [], []),
('me', 'mój:A', 'adj:pl:nom:m3:pos', [], []),
('me', 'mój:A', 'adj:pl:acc:m3:pos', [], []),
('me', 'mój:A', 'adj:sg:nom:n:pos', [], []),
('me', 'mój:A', 'adj:pl:nom:n:pos', [], []),
('me', 'mój:A', 'adj:sg:acc:n:pos', [], []),
('me', 'mój:A', 'adj:pl:acc:n:pos', [], []),
('ma', 'mój:A', 'adj:sg:nom:f:pos', [], []), # moja
('mą', 'mój:A', 'adj:sg:acc:f:pos', [], []), # moją
('mą', 'mój:A', 'adj:sg:inst:f:pos', [], []),
('mym', 'mój:A', 'adj:sg:loc:m3:pos', [], []), # moim
('mym', 'mój:A', 'adj:sg:inst:m3:pos', [], []),
('mym', 'mój:A', 'adj:pl:dat:n:pos', [], []),
('mym', 'mój:A', 'adj:sg:loc:n:pos', [], []),
('mym', 'mój:A', 'adj:sg:inst:n:pos', [], []),
('mymi', 'mój:A', 'adj:pl:inst:f:pos', [], []), # moimi
('mymi', 'mój:A', 'adj:pl:inst:m3:pos', [], []),
('mymi', 'mój:A', 'adj:pl:inst:n:pos', [], []),
('mych', 'mój:A', 'adj:pl:gen:f:pos', [], []), # moich
('mych', 'mój:A', 'adj:pl:loc:f:pos', [], []),
('mych', 'mój:A', 'adj:pl:gen:m3:pos', [], []),
('mych', 'mój:A', 'adj:pl:loc:m3:pos', [], []),
('mych', 'mój:A', 'adj:pl:gen:n:pos', [], []),
('twej', 'twój:A', 'adj:sg:gen:f:pos', [], []), # twojej
('twej', 'twój:A', 'adj:sg:loc:f:pos', [], []),
('twych', 'twój:A', 'adj:pl:gen:f:pos', [], []), # twoich
('twych', 'twój:A', 'adj:pl:loc:m3:pos', [], []),
('twych', 'twój:A', 'adj:pl:loc:n:pos', [], []),
('twą', 'twój:A', 'adj:sg:acc:f:pos', [], []), # twoją
('twą', 'twój:A', 'adj:sg:inst:f:pos', [], []),
('twe', 'twój:A', 'adj:pl:acc:m3:pos', [], []), # twoje
('twym', 'twój:A', 'adj:sg:loc:m3:pos', [], []), # twoim
('twym', 'twój:A', 'adj:sg:inst:m3:pos', [], []),
('twych', 'twój:A', 'adj:pl:loc:f:pos', [], []), # twoich
('wkląsł', 'wklęsnąć', 'praet:sg:m3:perf', [], []), # wklęsł
('wsze', 'wszystek', 'adj:pl:nom:f:pos', [], []), # wszystkie
('wsze', 'wszystek', 'adj:pl:acc:f:pos', [], []),
('wsze', 'wszystek', 'adj:pl:nom:m3:pos', [], []),
('wsze', 'wszystek', 'adj:pl:acc:m3:pos', [], []),
('wsze', 'wszystek', 'adj:pl:acc:n:pos', [], []),
('wszech', 'wszystek', 'adj:pl:gen:m1:pos', [], []), # wszystkich
('wszech', 'wszystek', 'adj:pl:loc:m3:pos', [], []),
('wszemi', 'wszystek', 'adj:pl:inst:m3:pos', [], []), # wszystkimi
('ziemniak', 'ziemniak', 'subst:sg:nom:m2', ['nazwa_pospolita'], []), # m3
('zwierząt', 'zwierzę', 'subst:pl:gen:n:ncol', ['nazwa_pospolita'], []), # col
)
KWAL_KILL_LIST = {'niepopr.', 'niezal.', 'pot.', 'slang', 'rzad.', 'daw.', 'przest.', 'podniosłe', 'gwar.', 'pogard.', 'char.', 'po_liczebniku', 'monet.', 'muz.',}
# don’t put posp/kwal in the key (lists are unhashable)
FORM_MAP = {
('gwintu', 'gwint', 'subst:sg:gen:m3') : ('gwinta', 'gwint', 'subst:sg:gen:m3', [], []), # nie ma w Morfeuszu (pić z gwinta)
}
OVERRIDE = {
'hopel' : ('hopla', 'subst:sg:acc:m2'),
'łupień' : ('łupnia', 'subst:sg:acc:m2'),
# kropka nad „i”
'i' : ('„i”', 'subst:sg:inst:n'),
'zamian' : ('zamian', 'subst:sg:acc:m3'),
# chcemy tylko pred
'słychać' : ('słychać', 'pred'),
}
def filter_kwal(forms):
return list(filter(lambda f: not any(KWAL_KILL_LIST.intersection(k.split(',')) for k in f[4]), forms))
def filter_ending(forms):
if len(forms) != 2:
return forms
f1, f2 = sorted(forms)
if set(f[2] for f in forms) == {'fin:sg:ter:imperf'}:
if f1[0].endswith('ce') and f2[0].endswith('cze'):
# drepce, drepcze -> drepcze
return [f2]
if f1[0].endswith('cze') and f2[0].endswith('ta'):
# bełcze, bełta -> bełta
return [f2]
if f1[0].endswith('ra') and f2[0].endswith('rze'):
# gdera, gderze -> gdera
return [f1]
if f1[0].endswith('cze') and f2[0].endswith('ka'):
# gdacze, gdaka -> gdacze
return [f1]
if f1[0].endswith('ka') and f2[0].endswith('cze'):
# klaska, klaszcze -> klaszcze
return [f2]
if set(f[2].split(':')[0] for f in forms) == {'praet'}:
if 'lekł' in f1[0] and 'lokł' in f2[0]:
# dowlekła, dowlokła -> dowlekła
return [f1]
if 'lekł' in f1[0] and 'lókł' in f2[0]:
# dowlekł, dowlókł -> dowlekł
return [f1]
if 'nęł' in f1[0] and 'ł' in f2[0]:
# oklapła, oklapnęła -> oklapła
return [f2]
if 'nął' in f1[0] and 'ł' in f2[0]:
# oklapł, oklapnął -> oklapł
return [f2]
return forms
def filter_by_feature(feature, forms):
if feature:
return list(filter(lambda f: feature in f[2], forms))
else:
return forms
def select_form(lemma, feats):
if lemma == 'poprzysiąc':
lemma = 'poprzysięgnąć'
if lemma == 'sprząc':
lemma = 'sprzęgnąć'
if lemma == 'zaprząc':
lemma = 'zaprzęgnąć'
if lemma in OVERRIDE:
return OVERRIDE[lemma]
if lemma == 'odmaterializować':
assert('praet' in feats and 'sg' in feats)
if 'm1' in feats:
return ('odmaterializował', 'praet:sg:m1:perf')
if 'n' in feats:
return ('odmaterializowało', 'praet:sg:n:perf')
# forms: list of tuples in format: ('herb', 'herb', 'subst:sg:nom.acc:m3', ['nazwa_pospolita'], [])
# split the tags for filtering
forms = [FORM_MAP.get(tuple(f[:3]), f) for f in morfeusz.generate(lemma)]
forms = [(orth, base, tag.split(':'), posp, kwal) for orth, base, tag, posp, kwal in forms]
for feat in feats:
# single feature: just filter
if type(feat) == str:
forms = filter_by_feature(feat, forms)
# priority list of features: filter by first that yields non-empty result
else:
forms2 = []
for ft in feat:
forms2 = filter_by_feature(ft, forms)
if forms2:
break
forms = forms2
# join the tags back
forms = [(orth, base, ':'.join(tag), posp, kwal) for orth, base, tag, posp, kwal in forms]
selected_forms = list(filter(lambda f: f[1] not in LEMMA_KILL_LIST and f not in FORM_KILL_LIST, forms))
if len(selected_forms) > 1:
filtered_forms = filter_kwal(selected_forms)
if filtered_forms:
selected_forms = filtered_forms
if len(selected_forms) > 1:
filtered_forms = filter_ending(selected_forms)
if filtered_forms:
selected_forms = filtered_forms
selected_orth_tags = set((f[0], f[2]) for f in selected_forms)
if len(selected_orth_tags) != 1:
#print('----------', lemma, feats)
raise MorphologyError(str(selected_forms))
return selected_orth_tags.pop()