54 lines
1.6 KiB
Python
54 lines
1.6 KiB
Python
|
import pytest
|
|||
|
|
|
|||
|
|
|
|||
|
|
def test_lt_tokenizer_handles_long_text(lt_tokenizer):
|
|||
|
|
text = """Tokios sausros kriterijus atitinka pirmadienį atlikti skaičiavimai, palyginus faktinį ir žemiausią vidutinį daugiametį vandens lygį. Nustatyta, kad iš 48 šalies vandens matavimo stočių 28-iose stotyse vandens lygis yra žemesnis arba lygus žemiausiam vidutiniam daugiamečiam šiltojo laikotarpio vandens lygiui."""
|
|||
|
|
tokens = lt_tokenizer(text)
|
|||
|
|
assert len(tokens) == 42
|
|||
|
|
|
|||
|
|
|
|||
|
|
@pytest.mark.parametrize(
|
|||
|
|
"text,length",
|
|||
|
|
[
|
|||
|
|
(
|
|||
|
|
"177R Parodų rūmai–Ozo g. nuo vasario 18 d. bus skelbiamas interneto tinklalapyje.",
|
|||
|
|
17,
|
|||
|
|
),
|
|||
|
|
(
|
|||
|
|
"ISM universiteto doc. dr. Ieva Augutytė-Kvedaravičienė pastebi, kad tyrimais nustatyti elgesio pokyčiai.",
|
|||
|
|
18,
|
|||
|
|
),
|
|||
|
|
],
|
|||
|
|
)
|
|||
|
|
def test_lt_tokenizer_handles_punct_abbrev(lt_tokenizer, text, length):
|
|||
|
|
tokens = lt_tokenizer(text)
|
|||
|
|
assert len(tokens) == length
|
|||
|
|
|
|||
|
|
|
|||
|
|
@pytest.mark.parametrize("text", ["km.", "pvz.", "biol."])
|
|||
|
|
def test_lt_tokenizer_abbrev_exceptions(lt_tokenizer, text):
|
|||
|
|
tokens = lt_tokenizer(text)
|
|||
|
|
assert len(tokens) == 2
|
|||
|
|
|
|||
|
|
|
|||
|
|
@pytest.mark.parametrize(
|
|||
|
|
"text,match",
|
|||
|
|
[
|
|||
|
|
("10", True),
|
|||
|
|
("1", True),
|
|||
|
|
("10,000", True),
|
|||
|
|
("10,00", True),
|
|||
|
|
("999.0", True),
|
|||
|
|
("vienas", True),
|
|||
|
|
("du", True),
|
|||
|
|
("milijardas", True),
|
|||
|
|
("šuo", False),
|
|||
|
|
(",", False),
|
|||
|
|
("1/2", True),
|
|||
|
|
],
|
|||
|
|
)
|
|||
|
|
def test_lt_lex_attrs_like_number(lt_tokenizer, text, match):
|
|||
|
|
tokens = lt_tokenizer(text)
|
|||
|
|
assert len(tokens) == 1
|
|||
|
|
assert tokens[0].like_num == match
|