Delete replaceWords.ipynb
Browse files- replaceWords.ipynb +0 -188
replaceWords.ipynb
DELETED
|
@@ -1,188 +0,0 @@
|
|
| 1 |
-
{
|
| 2 |
-
"cells": [
|
| 3 |
-
{
|
| 4 |
-
"cell_type": "code",
|
| 5 |
-
"execution_count": 7,
|
| 6 |
-
"id": "19bbb494-3054-48ae-9b64-7f0756c0532d",
|
| 7 |
-
"metadata": {},
|
| 8 |
-
"outputs": [],
|
| 9 |
-
"source": [
|
| 10 |
-
"import re\n",
|
| 11 |
-
"\n",
|
| 12 |
-
"def replace_words(sentence):\n",
|
| 13 |
-
" # Define a dictionary mapping a single word to a list of words or phrases\n",
|
| 14 |
-
" replacement_map = {\n",
|
| 15 |
-
" # Multiples of ten\n",
|
| 16 |
-
" 'twenty': ['ट्वेंटी', 'बीस'],\n",
|
| 17 |
-
" 'thirty': ['थर्टी', 'तीस'],\n",
|
| 18 |
-
" 'forty': ['फोर्टी', 'चालीस'],\n",
|
| 19 |
-
" 'fifty': ['फिफ्टी', 'पचास'],\n",
|
| 20 |
-
" 'sixty': ['सिक्स्टी', 'साठ'],\n",
|
| 21 |
-
" 'seventy': ['सेवंटी', 'सत्तर','सेवनटी','सेवेनटी','सेवांटी'],\n",
|
| 22 |
-
" 'eighty': ['एटी', 'अस्सी'],\n",
|
| 23 |
-
" 'ninety': ['नाइंटी', 'नब्बे'],\n",
|
| 24 |
-
" \n",
|
| 25 |
-
" # Numbers from 11 to 19\n",
|
| 26 |
-
" 'eleven': ['इलेवन', 'ग्यारह','इगारा'],\n",
|
| 27 |
-
" 'twelve': ['ट्वेल्व', 'बारह'],\n",
|
| 28 |
-
" 'thirteen': ['थर्टीन', 'तेरह','तेरा'],\n",
|
| 29 |
-
" 'fourteen': ['फोर्टीन', 'चौदह'],\n",
|
| 30 |
-
" 'fifteen': ['फिफ्टीन', 'पंद्रह','पंद्रा'],\n",
|
| 31 |
-
" 'sixteen': ['सिक्स्टीन', 'सोलह','सोल्ला'],\n",
|
| 32 |
-
" 'seventeen': ['सेवंटीन', 'सत्रह''सतरा'],\n",
|
| 33 |
-
" 'eighteen': ['एटीन', 'अठारह''अठारा'],\n",
|
| 34 |
-
" 'nineteen': ['नाइनटीन', 'उन्नीस','उन्नईस','उनाइस'],\n",
|
| 35 |
-
"\n",
|
| 36 |
-
" # Numbers from 21 to 29\n",
|
| 37 |
-
" 'twenty one': ['ट्वेंटी वन', 'इक्कीस'],\n",
|
| 38 |
-
" 'twenty two': ['ट्वेंटी टू', 'बाईस'],\n",
|
| 39 |
-
" 'twenty three': ['ट्वेंटी थ्री', 'तेईस'],\n",
|
| 40 |
-
" 'twenty four': ['ट्वेंटी फोर', 'चौबीस'],\n",
|
| 41 |
-
" 'twenty five': ['ट्वेंटी फाइव', 'पच्चीस'],\n",
|
| 42 |
-
" 'twenty six': ['ट्वेंटी सिक्स', 'छब्बीस'],\n",
|
| 43 |
-
" 'twenty seven': ['ट्वेंटी सेवन', 'सत्ताईस','सताईस'],\n",
|
| 44 |
-
" 'twenty eight': ['ट्वेंटी एट', 'अट्ठाईस','अठ्ठाइस','अठ्ठाईस'],\n",
|
| 45 |
-
" 'twenty nine': ['ट्वेंटी नाइन', 'उनतीस'],\n",
|
| 46 |
-
"\n",
|
| 47 |
-
" # Numbers from 31 to 39\n",
|
| 48 |
-
" 'thirty one': ['थर्टी वन', 'इकतीस'],\n",
|
| 49 |
-
" 'thirty two': ['थर्टी टू', 'बत्तीस'],\n",
|
| 50 |
-
" 'thirty three': ['थर्टी थ्री', 'तेतीस'],\n",
|
| 51 |
-
" 'thirty four': ['थर्टी फोर', 'चौंतीस'],\n",
|
| 52 |
-
" 'thirty five': ['थर्टी फाइव', 'पैंतीस'],\n",
|
| 53 |
-
" 'thirty six': ['थर्टी सिक्स', 'छत्तीस'],\n",
|
| 54 |
-
" 'thirty seven': ['थर्टी सेवन', 'सैंतीस'],\n",
|
| 55 |
-
" 'thirty eight': ['थर्टी एट', 'अड़तीस'],\n",
|
| 56 |
-
" 'thirty nine': ['थर्टी नाइन', 'उनतालीस'],\n",
|
| 57 |
-
"\n",
|
| 58 |
-
" # Numbers from 41 to 49\n",
|
| 59 |
-
" 'forty one': ['फोर्टी वन', 'इकतालीस'],\n",
|
| 60 |
-
" 'forty two': ['फोर्टी टू', 'बयालीस'],\n",
|
| 61 |
-
" 'forty three': ['फोर्टी थ्री', 'तैंतालीस'],\n",
|
| 62 |
-
" 'forty four': ['फोर्टी फोर', 'चौंतालीस'],\n",
|
| 63 |
-
" 'forty five': ['फोर्टी फाइव', 'पैंतालीस'],\n",
|
| 64 |
-
" 'forty six': ['फोर्टी सिक्स', 'छयालिस'],\n",
|
| 65 |
-
" 'forty seven': ['फोर्टी सेवन', 'सैंतालीस'],\n",
|
| 66 |
-
" 'forty eight': ['फोर्टी एट', 'अड़तालीस'],\n",
|
| 67 |
-
" 'forty nine': ['फोर्टी नाइन', 'उनचास'],\n",
|
| 68 |
-
"\n",
|
| 69 |
-
" # Numbers from 51 to 59\n",
|
| 70 |
-
" 'fifty one': ['फिफ्टी वन', 'इक्यावन'],\n",
|
| 71 |
-
" 'fifty two': ['फिफ्टी टू', 'बावन'],\n",
|
| 72 |
-
" 'fifty three': ['फिफ्टी थ्री', 'तिरेपन'],\n",
|
| 73 |
-
" 'fifty four': ['फिफ्टी फोर', 'चौवन'],\n",
|
| 74 |
-
" 'fifty five': ['फिफ्टी फाइव', 'पचपन'],\n",
|
| 75 |
-
" 'fifty six': ['फिफ्टी सिक्स', 'छप्पन','छपपन'],\n",
|
| 76 |
-
" 'fifty seven': ['फिफ्टी सेवन', 'सत्तावन','संताबन','संतावन'],\n",
|
| 77 |
-
" 'fifty eight': ['फिफ्टी एट', 'अट्��ावन','अंठावन'],\n",
|
| 78 |
-
" 'fifty nine': ['फिफ्टी नाइन', 'उनसठ','उंसट'],\n",
|
| 79 |
-
"\n",
|
| 80 |
-
" # Numbers from 61 to 69\n",
|
| 81 |
-
" 'sixty one': ['सिक्स्टी वन', 'इकसठ'],\n",
|
| 82 |
-
" 'sixty two': ['सिक्स्टी टू', 'बासठ'],\n",
|
| 83 |
-
" 'sixty three': ['सिक्स्टी थ्री', 'तिरसठ'],\n",
|
| 84 |
-
" 'sixty four': ['सिक्स्टी फोर', 'चौंसठ'],\n",
|
| 85 |
-
" 'sixty five': ['सिक्स्टी फाइव', 'पैंसठ'],\n",
|
| 86 |
-
" 'sixty six': ['सिक्स्टी सिक्स', 'छियासठ'],\n",
|
| 87 |
-
" 'sixty seven': ['सिक्स्टी सेवन', 'सड़सठ'],\n",
|
| 88 |
-
" 'sixty eight': ['सिक्स्टी एट', 'अड़सठ'],\n",
|
| 89 |
-
" 'sixty nine': ['सिक्स्टी नाइन', 'उनहत्तर'],\n",
|
| 90 |
-
"\n",
|
| 91 |
-
" # Numbers from 71 to 79\n",
|
| 92 |
-
" 'seventy one': ['सेवंटी वन', 'इकहत्तर','इखत्तर','इकत्तर'],\n",
|
| 93 |
-
" 'seventy two': ['सेवंटी टू', 'बहत्तर'],\n",
|
| 94 |
-
" 'seventy three': ['सेवंटी थ्री', 'तिहत्तर','तियत्र','तियत्तर','तीहत्तर','तिहत्थर'],\n",
|
| 95 |
-
" 'seventy four': ['सेवंटी फोर', 'चौहत्तर',],\n",
|
| 96 |
-
" 'seventy five': ['सेवंटी फाइव', 'पचहत्तर','पछत्तर','पिछत्तर','पचहत्तर','पचत्तर'],\n",
|
| 97 |
-
" 'seventy six': ['सेवंटी सिक्स', 'छिहत्तर','छीहत्तर'],\n",
|
| 98 |
-
" 'seventy seven': ['सेवंटी सेवन', 'सतहत्तर','सतात्तर','सतत्तर','सतहत्थर'],\n",
|
| 99 |
-
" 'seventy eight': ['सेवंटी एट', 'अठहत्तर','अठत्तर'],\n",
|
| 100 |
-
" 'seventy nine': ['सेवंटी नाइन', 'उन्यासी','उनासी'],\n",
|
| 101 |
-
"\n",
|
| 102 |
-
" # Numbers from 81 to 89\n",
|
| 103 |
-
" 'eighty one': ['एटी वन', 'इक्यासी'],\n",
|
| 104 |
-
" 'eighty two': ['एटी टू', 'बयासी'],\n",
|
| 105 |
-
" 'eighty three': ['एटी थ्री', 'तिरासी'],\n",
|
| 106 |
-
" 'eighty four': ['एटी फोर', 'चौरासी'],\n",
|
| 107 |
-
" 'eighty five': ['एटी फाइव', 'पचासी'],\n",
|
| 108 |
-
" 'eighty six': ['एटी सिक्स', 'छियासी'],\n",
|
| 109 |
-
" 'eighty seven': ['एटी सेवन', 'सतासी'],\n",
|
| 110 |
-
" 'eighty eight': ['एटी एट', 'अठासी'],\n",
|
| 111 |
-
" 'eighty nine': ['एटी नाइन', 'नवासी'],\n",
|
| 112 |
-
"\n",
|
| 113 |
-
" # Numbers from 91 to 99\n",
|
| 114 |
-
" 'ninety one': ['नाइंटी वन', 'इक्यानवे'],\n",
|
| 115 |
-
" 'ninety two': ['नाइंटी टू', 'बानवे'],\n",
|
| 116 |
-
" 'ninety three': ['नाइंटी थ्री', 'तिरानवे'],\n",
|
| 117 |
-
" 'ninety four': ['नाइंटी फोर', 'चौरानवे'],\n",
|
| 118 |
-
" 'ninety five': ['नाइंटी फाइव', 'पचानवे'],\n",
|
| 119 |
-
" 'ninety six': ['नाइंटी सिक्स', 'छियानवे'],\n",
|
| 120 |
-
" 'ninety seven': ['नाइंटी सेवन', 'सतानवे'],\n",
|
| 121 |
-
" 'ninety eight': ['नाइंटी एट', 'अठानवे'],\n",
|
| 122 |
-
" 'ninety nine': ['नाइंटी नाइन', 'निन्यानवे'],\n",
|
| 123 |
-
" # Numbers from one to ten\n",
|
| 124 |
-
" 'seven': ['सेवन', 'सात'],\n",
|
| 125 |
-
" 'zero': ['शून्य', 'जेरो', 'शुन्ना', 'जीरो'],\n",
|
| 126 |
-
" 'one': ['वन', 'एंक', 'इक', 'एक'],\n",
|
| 127 |
-
" 'two': ['टू', 'दो'],\n",
|
| 128 |
-
" 'three': ['थ्री', 'तीना', 'तीन', 'त्री'],\n",
|
| 129 |
-
" 'four': ['फोर', 'फॉर', 'च्यार', 'चार'],\n",
|
| 130 |
-
" 'five': ['फाइव', 'पाँच', 'पांच'],\n",
|
| 131 |
-
" 'six': ['सिक्स', 'चह', 'छौ', 'छै', 'छह', 'छे'],\n",
|
| 132 |
-
" 'eight': ['एट', 'अट', 'आठ'],\n",
|
| 133 |
-
" 'nine': ['नाइन', 'नौ'],\n",
|
| 134 |
-
" 'ten': ['टेन', 'दस'],\n",
|
| 135 |
-
" # Hundred\n",
|
| 136 |
-
" 'hundred': ['हंड्रेड', 'सौ','सो','साव'],\n",
|
| 137 |
-
" # Thousand\n",
|
| 138 |
-
" 'thousand' : ['हजार','थौजनड','थाउजंड','हज़ार'],\n",
|
| 139 |
-
" # Lakhs\n",
|
| 140 |
-
" 'lac' : ['लाख'],\n",
|
| 141 |
-
"\n",
|
| 142 |
-
" # Special for double digits\n",
|
| 143 |
-
" 'डबल': ['दबल', 'डबल', 'दुबाल'],\n",
|
| 144 |
-
" }\n",
|
| 145 |
-
"\n",
|
| 146 |
-
" words = sentence.split() # Split the sentence by spaces\n",
|
| 147 |
-
"\n",
|
| 148 |
-
" # Replace words using the mapping\n",
|
| 149 |
-
" for i, word in enumerate(words):\n",
|
| 150 |
-
" for replacement, patterns in replacement_map.items():\n",
|
| 151 |
-
" if word in patterns:\n",
|
| 152 |
-
" words[i] = replacement # Replace the word if it's fully matched\n",
|
| 153 |
-
"\n",
|
| 154 |
-
" # Join the processed words back into a sentence\n",
|
| 155 |
-
" return ' '.join(words)"
|
| 156 |
-
]
|
| 157 |
-
},
|
| 158 |
-
{
|
| 159 |
-
"cell_type": "code",
|
| 160 |
-
"execution_count": null,
|
| 161 |
-
"id": "7bdb593a-cb68-4b04-af8d-b61ea396a5eb",
|
| 162 |
-
"metadata": {},
|
| 163 |
-
"outputs": [],
|
| 164 |
-
"source": []
|
| 165 |
-
}
|
| 166 |
-
],
|
| 167 |
-
"metadata": {
|
| 168 |
-
"kernelspec": {
|
| 169 |
-
"display_name": "Python 3 (ipykernel)",
|
| 170 |
-
"language": "python",
|
| 171 |
-
"name": "python3"
|
| 172 |
-
},
|
| 173 |
-
"language_info": {
|
| 174 |
-
"codemirror_mode": {
|
| 175 |
-
"name": "ipython",
|
| 176 |
-
"version": 3
|
| 177 |
-
},
|
| 178 |
-
"file_extension": ".py",
|
| 179 |
-
"mimetype": "text/x-python",
|
| 180 |
-
"name": "python",
|
| 181 |
-
"nbconvert_exporter": "python",
|
| 182 |
-
"pygments_lexer": "ipython3",
|
| 183 |
-
"version": "3.11.7"
|
| 184 |
-
}
|
| 185 |
-
},
|
| 186 |
-
"nbformat": 4,
|
| 187 |
-
"nbformat_minor": 5
|
| 188 |
-
}
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|