harness/string_trim.json

{
 "doc": "String span boundary cleanup, two tiers. Tier 1 (always): never end on a function word, particle, or dangling punctuation. Tier 2 (only when the schema contains a datetime field): temporal expressions at the span tail are cross-field leakage; trim via the relative-date lexicon. Interior words never touched.",
 "trailing_function_words": [
  "a",
  "aan",
  "af",
  "alla",
  "am",
  "an",
  "and",
  "at",
  "att",
  "au",
  "aux",
  "av",
  "avec",
  "bij",
  "com",
  "con",
  "da",
  "dal",
  "das",
  "de",
  "der",
  "des",
  "di",
  "die",
  "dla",
  "do",
  "du",
  "e",
  "ed",
  "een",
  "el",
  "en",
  "et",
  "for",
  "fra",
  "från",
  "für",
  "gli",
  "het",
  "hos",
  "i",
  "il",
  "im",
  "in",
  "la",
  "las",
  "le",
  "les",
  "lo",
  "los",
  "med",
  "met",
  "mit",
  "na",
  "o",
  "och",
  "of",
  "og",
  "on",
  "op",
  "or",
  "para",
  "per",
  "pour",
  "przy",
  "på",
  "the",
  "til",
  "to",
  "um",
  "uma",
  "und",
  "van",
  "von",
  "voor",
  "w",
  "with",
  "y",
  "z",
  "zu",
  "à"
 ],
 "trailing_particles": [
  "の",
  "に",
  "で",
  "と",
  "へ",
  "が",
  "を",
  "は",
  "も"
 ],
 "trailing_punctuation": " \t,.;:!?、。·-–"
}