Ejemplo n.º 1
0
def twoGramFingerprint(field):
    if len(field) > 1:
        return (u''.join(
            sorted(gram.strip()
                   for gram in set(ngrams(field.replace(' ', ''), 2)))), )
    else:
        return ()
Ejemplo n.º 2
0
def commonSixGram(field):
    """Split the field into overlapping windows of 6 characters (spaces removed).

    Examples:
    .. code:: python
        > print(commonFourGram('John Woodward'))
        > {'JohnWo', 'Woodwa', 'hnWood', 'nWoodw', 'odward', 'ohnWoo', 'oodwar'}
    """
    return set(ngrams(field.replace(' ', ''), 6))
Ejemplo n.º 3
0
def commonSixGram(field):
    """return 6-grams"""
    return ngrams(field, 6)
Ejemplo n.º 4
0
def commonFourGram(field):
    """return 4-grams"""
    return ngrams(field, 4)
Ejemplo n.º 5
0
def commonSixGram(field):
    """return 6-grams"""
    return set(ngrams(field.replace(' ', ''), 6))
Ejemplo n.º 6
0
def twoGramFingerprint(field):
    return (u''.join(sorted(gram.strip() for gram in ngrams(field, 2))), )
Ejemplo n.º 7
0
def commonFourGram(field):
    """return 4-grams"""
    return set(ngrams(field.replace(' ', ''), 4))
Ejemplo n.º 8
0
def oneGramFingerprint(field):
    return (u''.join(sorted(set(ngrams(field.replace(' ', ''), 1)))).strip(), )
Ejemplo n.º 9
0
def commonSixGram(field: str) -> Set[str]:
    """return 6-grams"""
    return set(ngrams(field.replace(' ', ''), 6))
Ejemplo n.º 10
0
 def preprocess(self, doc) :
     return tuple(ngrams(doc.replace(' ', ''), 2))
Ejemplo n.º 11
0
def commonSixGram(field):
    """return 6-grams"""
    return ngrams(field, 6)
Ejemplo n.º 12
0
def commonFourGram(field):
    """return 4-grams"""
    return ngrams(field, 4)
Ejemplo n.º 13
0
def twoGramFingerprint(field) :
    return (u''.join(sorted(gram.strip() for gram in ngrams(field, 2))),)
Ejemplo n.º 14
0
def oneGramFingerprint(field) :
    return (u''.join(sorted(ngrams(field, 1))).strip(),)
Ejemplo n.º 15
0
 def preprocess(self, doc):
     return tuple(sorted(ngrams(" ".join(strip_punc(doc).split()), 2)))
Ejemplo n.º 16
0
def commonFourGram(field: str) -> Set[str]:
    """return 4-grams"""
    return set(ngrams(field.replace(' ', ''), 4))
Ejemplo n.º 17
0
 def preprocess(self, doc):
     return tuple(sorted(ngrams(" ".join(strip_punc(doc).split()), 2)))
Ejemplo n.º 18
0
 def preprocess(self, doc):
     return tuple(ngrams(doc.replace(' ', ''), 2))
Ejemplo n.º 19
0
def oneGramFingerprint(field):
    return (u''.join(sorted(set(ngrams(field.replace(' ', ''), 1)))).strip(),)
Ejemplo n.º 20
0
def twoGramFingerprint(field):
    if len(field) > 1:
        return (u''.join(sorted(gram.strip() for gram
                                in set(ngrams(field.replace(' ', ''), 2)))),)
    else:
        return ()
Ejemplo n.º 21
0
def commonFourGram(field):
    """return 4-grams"""
    return set(ngrams(field.replace(' ', ''), 4))
Ejemplo n.º 22
0
def commonSixGram(field):
    """return 6-grams"""
    return set(ngrams(field.replace(' ', ''), 6))
Ejemplo n.º 23
0
def oneGramFingerprint(field):
    return (u''.join(sorted(ngrams(field, 1))).strip(), )