|
|
|
@@ -1,15 +1,174 @@
|
|
|
|
|
import re
|
|
|
|
|
from collections import OrderedDict
|
|
|
|
|
data = {'dan': OrderedDict([(u'Haner', u'Han er'), (u'JaveL', u'Javel'), (u'Pa//e', u'Palle'), (u'bffte', u'bitte'), (u'Utro//gt', u'Utroligt'), (u'Kommerdu', u'Kommer du'), (u'smi/er', u'smiler'), (u'/eg', u'leg'), (u'harvinger', u'har vinger'), (u'/et', u'let'), (u'erjeres', u'er jeres'), (u'hardet', u'har det'), (u't\xe6nktjer', u't\xe6nkt jer'), (u'erjo', u'er jo'), (u'sti/', u'stil'), (u'Iappe', u'lappe'), (u'Beklagel\xe7', u'Beklager,'), (u'vardet', u'var det'), (u'afden', u'af den'), (u'snupperjeg', u'snupper jeg'), (u'ikkejeg', u'ikke jeg'), (u'bliverjeg', u'bliver jeg'), (u'hartravit', u'har travlt'), (u'pandekagef/ag', u'pandekageflag'), (u'Stormvarsell', u'Stormvarsel!'), (u'stormvejn', u'stormvejr.'), (u'morgenkomp/et', u'morgenkomplet'), (u'/yv', u'lyv'), (u'varjo', u'var jo'), (u'/eger', u'leger'), (u'harjeg', u'har jeg'), (u'havdejeg', u'havde jeg'), (u'hvorjeg', u'hvor jeg'), (u'n\xe5rjeg', u'n\xe5r jeg'), (u'g\xe5rvi', u'g\xe5r vi'), (u'atjeg', u'at jeg'), (u'isine', u'i sine'), (u'f\xe5rjeg', u'f\xe5r jeg'), (u'k\xe6rtighed', u'k\xe6rlighed'), (u'skullejeg', u'skulle jeg'), (u'laest', u'l\xe6st'), (u'laese', u'l\xe6se'), (u'g\xf8rjeg', u'g\xf8r jeg'), (u'g\xf8rvi', u'g\xf8r vi'), (u'angrerjo', u'angrer jo'), (u'Hvergang', u'Hver gang'), (u'erder', u'er der'), (u'villetilgive', u'ville tilgive'), (u'\ufb01eme', u'fjeme'), (u'genopst\xe5ri', u'genopst\xe5r i'), (u'svigtejer', u'svigte jer'), (u'kommernu', u'kommer nu'), (u'n\xe5rman', u'n\xe5r man'), (u'erfire', u'er fire'), (u'Hvorfor\ufb01nderdu', u'Hvorfor \ufb01nder du'), (u'undertigt', u'underligt'), (u'itroen', u'i troen'), (u'erl\xf8gnt', u'er l\xf8gn!'), (u'g\xf8rden', u'g\xf8r den'), (u'forhelvede', u'for helvede'), (u'hjpe', u'hj\xe6lpe'), (u'togeti', u'toget i'), (u'M\xe5jeg', u'M\xe5 jeg'), (u'savnerjer', u'savner jer'), (u'erjeg', u'er jeg'), (u'vaere', u'v\xe6re'), (u'geme', u'gerne'), (u'trorp\xe5', u'tror p\xe5'), (u'forham', u'for ham'), (u'afham', u'af ham'), (u'harjo', u'har jo'), (u'ovema\ufb01et', u'overnattet'), (u'begae\ufb01ighed', u'beg\xe6rlighed'), (u'sy\u2019g', u'syg'), (u'Imensjeg', u'Imens jeg'), (u'bliverdu', u'bliver du'), (u'\ufb01ser', u'fiser'), (u'manipuierer', u'manipulerer'), (u'forjeg', u'for jeg'), (u'iivgivendefor', u'livgivende for'), (u'formig', u'for mig'), (u'Hardu', u'Har du'), (u'fornold', u'forhold'), (u'defrelste', u'de frelste'), (u'S\xe5jeg', u'S\xe5 jeg'), (u'varjeg', u'var jeg'), (u'g\xf8rved', u'g\xf8r ved'), (u'kalderjeg', u'kalder jeg'), (u'\ufb02ytte', u'flytte'), (u'handlerdet', u'handler det'), (u'trorjeg', u'tror jeg'), (u'\ufb02ytter', u'flytter'), (u'soverjeg', u'sover jeg'), (u'\ufb01nderud', u'\ufb01nder ud'), (u'naboerp\xe5', u'naboer p\xe5'), (u'ervildt', u'er vildt'), (u'v\xe6reher', u'v\xe6re her'), (u'hyggerjer', u'hygger jer'), (u'borjo', u'bor jo'), (u'kommerikke', u'kommer ikke'), (u'folkynde', u'forkynde'), (u'farglad', u'far glad'), (u'misterjeg', u'mister jeg'), (u'\ufb01nt', u'fint'), (u'Harl', u'Har I'), (u'bedejer', u'bede jer'), (u'synesjeg', u'synes jeg'), (u'vartil', u'var til'), (u'eren', u'er en'), (u'\\Al', u'Vil'), (u'\\A', u'Vi'), (u'fjeme', u'fjerne'), (u'Iigefyldt', u'lige fyldt'), (u'ertil', u'er til'), (u'fa\ufb01igt', u'farligt'), (u'\ufb01nder', u'finder'), (u'\ufb01ndes', u'findes'), (u'irettesae\ufb01else', u'irettes\xe6ttelse'), (u'ermed', u'er med'), (u'\xe8n', u'\xe9n'), (u'gikjoi', u'gik jo i'), (u'Hvisjeg', u'Hvis jeg'), (u'ovema\ufb01er', u'overnatter'), (u'hoident', u'holdent'), (u'\\Adne', u'Vidne'), (u'fori', u'for i'), (u'vei', u'vel'), (u'savnerjerjo', u'savner jer jo'), (u'elskerjer', u'elsker jer'), (u'harl\xf8jet', u'har l\xf8jet'), (u'eri', u'er i'), (u'\ufb01ende', u'fjende'), (u'derjo', u'der jo'), (u'sigerjo', u'siger jo'), (u'menerjeg', u'mener jeg'), (u'Harjeg', u'Har jeg'), (u'sigerjeg', u'siger jeg'), (u'splitterjeg', u'splitter jeg'), (u'erjournalist', u'er journalist'), (u'erjoumalist', u'er journalist'), (u'Forjeg', u'For jeg'), (u'g\xe2rjeg', u'g\xe5r jeg'), (u'N\xe2rjeg', u'N\xe5r jeg'), (u'a\ufb02lom', u'afkom'), (u'farerjo', u'farer jo'), (u'tagerjeg', u'tager jeg'), (u'Virkerjeg', u'Virker jeg'), (u'morerjer', u'morer jer'), (u'kommerjo', u'kommer jo'), (u'istand', u'i stand'), (u'b\xf8m', u'b\xf8rn'), (u'frygterjeg', u'frygter jeg'), (u'kommerjeg', u'kommer jeg'), (u'eriournalistelev', u'er journalistelev'), (u'harfat', u'har fat'), (u'f\xe5r\ufb01ngre', u'f\xe5r \ufb01ngre'), (u'sl\xe2rjeg', u'sl\xe5r jeg'), (u'bam', u'barn'), (u'erjournalistelev', u'er journalistelev'), (u'politietjo', u'politiet jo'), (u'elskerjo', u'elsker jo'), (u'vari', u'var i'), (u'fornemmerjeres', u'fornemmer jeres'), (u'udkl\xe6kketl', u'udkl\xe6kket!'), (u'\xed', u'i'), (u'nyi', u'ny i'), (u'Iumijelse', u'forn\xf8jelse'), (u'vures', u'vores'), (u'I/Vash\xedngtan', u'Washington'), (u'opleverjeg', u'oplever jeg'), (u'PANTEL\xc3NER', u'PANTEL\xc5NER'), (u'Gudmurgen', u'Godmorgen'), (u'SKYDEV\xc3BEN', u'SKYDEV\xc5BEN'), (u'P\xc3LIDELIG', u'P\xLine truncated
|
|
|
|
|
'deu': OrderedDict([(u'/a', u'Ja'), (u'/ch', u'Ich'), (u'/d/of', u'Idiot'), (u'/ebte', u'lebte'), (u'/eid', u'leid'), (u'/hn', u'ihn'), (u'/hnen', u'Ihnen'), (u'/hr', u'Ihr'), (u'/hre', u'Ihre'), (u'/hren', u'Ihren'), (u'/m', u'im'), (u'/mmer', u'immer'), (u'/n', u'In'), (u'/ndividuen', u'Individuen'), (u'/nn', u'Inn'), (u'/oe', u'Joe'), (u'/sf', u'ist'), (u'/sf/0/1n', u'Ist John'), (u'/ungs', u'Jungs'), (u'/Vfinuten', u'Minuten'), (u'/\xe9nger', u'l\xe4nger'), (u'/\xe9uft', u'l\xe4uft'), (u'0/1', u'Oh'), (u'0/me', u'ohne'), (u'0/vne', u'ohne'), (u'00om', u'000 m'), (u'100m', u'100 m'), (u'120m', u'120 m'), (u'13Oj\xa7hrie', u'130-j\xe4hrige'), (u'145m', u'145 m'), (u'150m', u'150 m'), (u'160m', u'160 m'), (u'165m', u'165 m'), (u'19m', u'19 m'), (u'20m', u'20 m'), (u'27m', u'27 m'), (u'30m', u'30 m'), (u'37m', u'37 m'), (u'38m', u'38 m'), (u'3km', u'3 km'), (u'5/ch', u'sich'), (u'5/cher', u'sicher'), (u'5/cherer', u'sicherer'), (u'5/e', u'Sie'), (u'5/nd', u'Sind'), (u'500m', u'500 m'), (u'5ulSere', u'\xe4u\xdfere'), (u'60m', u'60 m'), (u'6de', u'\xf6de'), (u'6dere', u'\xf6dere'), (u'6ffne', u'\xf6ffne'), (u'6ffnen', u'\xf6ffnen'), (u'6ffnet', u'\xd6ffnet'), (u'6fter', u'\xf6fter'), (u'750m', u'750 m'), (u'85m', u'85 m'), (u'90m', u'90 m'), (u'a//em', u'allem'), (u'A//es', u'Alles'), (u'abbeif$en', u'abbei\xdfen'), (u'abdrficken', u'abdr\xfccken'), (u'aBen', u'a\xdfen'), (u'abergl\xe9iubischen', u'abergl\xe4ubischen'), (u'aberja', u'aber ja'), (u'aberjemand', u'aber jemand'), (u'Aberjetzt', u'Aber jetzt'), (u'abf\xe9hrt', u'abf\xe4hrt'), (u'abf\xe9illt', u'abf\xe4llt'), (u'abgef\xe9rbt', u'abgef\xe4rbt'), (u'abgeh\xe9ngt', u'abgeh\xe4ngt'), (u'abgeh\xe9rt', u'abgeh\xf6rt'), (u'abgelost', u'abgel\xf6st'), (u'abgesprengli', u'abgesprengt!'), (u'abgestfirztl', u'abgest\xfcrzt'), (u'abgestilrzt', u'abgest\xfcrzt'), (u'abgestofien', u'abgesto\xdfen'), (u'abgew\xe9hlt', u'abgew\xe4hlt'), (u'abgew\xe9hnen', u'abgew\xf6hnen'), (u'abgew\xe9hnt', u'abgew\xf6hnt'), (u'abge\xe9nderten', u'abge\xe4nderten'), (u'abh\xe9ingt', u'abh\xe4ngt'), (u'abh\xe9ngen', u'abh\xe4ngen'), (u'abh\xe9ngig', u'abh\xe4ngig'), (u'abh\xe9ngiges', u'abh\xe4ngiges'), (u'Abh\xe9rstationen', u'Abh\xf6rstationen'), (u'Abjetzt', u'Ab jetzt'), (u'abkfihlen', u'abk\xfchlen'), (u'Abkfirzung', u'Abk\xfcrzung'), (u'abkommlich', u'abk\xf6mmlich'), (u'Ablegenl', u'Ablegen!'), (u'ablfisen', u'abl\xf6sen'), (u'ablosen', u'abl\xf6sen'), (u'Ablosung', u'Abl\xf6sung'), (u'abreif$en', u'abrei\xdfen'), (u'Abrijcken', u'Abr\xfccken'), (u'abr\xe9umen', u'abr\xe4umen'), (u'Absch/ed', u'Abschied'), (u'abschiefien', u'abschie\xdfen'), (u'abschlief$en', u'abschlie\xdfen'), (u'abschliefien', u'abschlie\xdfen'), (u'abschwiiren', u'abschw\xf6ren'), (u'abstoflsend', u'absto\xdfend'), (u'Abtrijnnige', u'Abtr\xfcnnige'), (u'abwiirgt', u'abw\xfcrgt'), (u'abw\xe9gen', u'abw\xe4gen'), (u'abzuh\xe9ren', u'abzuh\xf6ren'), (u'abzuschwiiren', u'abzuschw\xf6ren'), (u'abzusfofien', u'abzusto\xdfen'), (u'ACh', u'Ach'), (u'Achtungl', u'Achtung!'), (u'Achzen', u'\xc4chzen'), (u'ACHZT', u'\xc4CHZT'), (u'Acic', u'Acid'), (u'ADDRESSDATEI', u'ADRESSDATEI'), (u'Adi\xf6s', u'Adi\xf3s'), (u'Admiralitat', u'Admiralit\xe4t'), (u'Admiralit\xe9it', u'Admiralit\xe4t'), (u'Admiralit\xe9t', u'Admiralit\xe4t'), (u'Aff\xe9re', u'Aff\xe4re'), (u'Aff\xe9ren', u'Aff\xe4ren'), (u'AFl', u'AFI'), (u'aggresivem', u'aggressivem'), (u'Agypten', u'\xc4gypten'), (u'aher', u'aber'), (u'AI/en/vichtigste', u'Allerwichtigste'), (u'Ain/vays', u'Airways'), (u'AIs', u'Als'), (u'Aktivit\xe9iten', u'Aktivit\xe4ten'), (u'Aktivit\xe9ten', u'Aktivit\xe4ten'), (u'AKTMERT', u'AKTIVIERT'), (u'Alarmsfufe', u'Alarmstufe'), (u'albem', u'albern'), (u'Albtriiume', u'Albtr\xe4ume'), (u'ale', u'als'), (u'alleinl', u'allein!'), (u'allejubeln', u'alle jubeln'), (u'allern\xe9chsten', u'allern\xe4chsten'), (u'Allmiichtigerl', u'Allm\xe4chtiger!'), (u'Allm\xe9chtige', u'Allm\xe4chtige'), (u'Allm\xe9chtiger', u'Allm\xe4chtiger'), (u'allm\xe9hlich', u'allm\xe4hlich'), (u'Allm\xe9ichtiger', u'Allm\xe4chtiger'), (u'Allsparkl', u'Allspark!'), (u'allt\xe9iglichen', u'allt\xe4glichen'), (u'ALTESTE', u'\xc4LTESTE'), (u'Altester', u'\xc4ltester'), (u'Alzte', u'\xc4rzte'), (u"Amerx'kaner", u'Amerikaner'), (u'amfisierst', u'am\xfcsierst'), (u'Amiilsierst', u'Am\xfcsierst'), (u'amiisieren', u'am\xfcsieren'), (u'amiisierenl', u'am\xfcsieren!'), (u'amiisierte', u'am\xfcsierte'), (u'Amijsant', u'Am\xfcsant'), (u'amlllsant', u'am\xfcsant'), (u'amlllsiert', u'am\xfcsiert'), (u'amtlsant', u'am\xfcsant'), (u'Amusanf', u'Am\xfcsant'), (u'amusant', u'am\xfcsant'), (u'Amusiert', u'Am\xfcsiert'), (u'Anderst', u'\xc4nderst'), (u'Anderung', u'\xc4nderung'), (u'Anderungen', u'\xc4nderungen'), (u"anfa'ngt", u'anf\xe4ngt'), (u'Anffihrer', u'Anf\xfchrer'), (u'Anffingerl', u'Anf\xe4nger!'), (u'Anfiihrer', u'Anf\xfchrer'), (u'anfijhlt', u'anf\xfchlt'), (u'Anfingerl', u'Anf\xe4nger!'), (u'Anfuhrer', u'Anf\xfchrer'), (u'Anfuhrern', u'Anf\xfchrern'), (u'Anf\xe9inger', Line truncated
|
|
|
|
|
'eng': OrderedDict([(u'H ey.', u'Hey.'), (u'He)\u2019-', u'Hey.'), (u'N0.', u'No.'), (u'-N0.', u'-No.'), (u'Noll', u'No!!'), (u'(G ROANS)', u'(GROANS)'), (u'[G ROANS]', u'[GROANS]'), (u'(M EOWS)', u'(MEOWS)'), (u'[M EOWS]', u'[MEOWS]'), (u'Uaughs]', u'[laughs]'), (u'[chitte rs]', u'[chitters]'), (u'Hil\u2018 it!', u'Hit it!'), (u'<i>Hil\u2018 it!</i>', u'<i>Hit it!</i>'), (u'ISIGHS]', u'[SIGHS]'), (u'$COff$', u'scoffs'), (u'$ergei', u'Sergei'), (u"$'llOp", u'Stop'), (u"/'//", u"I'll"), (u"/'/I", u"I'll"), (u'/ennifer', u'Jennifer'), (u'/got', u'I got'), (u'/have', u'I have'), (u'/hope', u'I hope'), (u'/just', u'I just'), (u'/love', u'I love'), (u"/'m", u"I'm"), (u'/mmerse', u'immerse'), (u'/nsu/ts', u'Insults'), (u'/ong', u'long'), (u'/ook', u'look'), (u"/t's", u"It's"), (u"/'ve", u"I've"), (u"\\/\\/e'd", u"We'd"), (u"\\/\\/e're", u"We're"), (u"\\/\\/e've", u"We've"), (u'\\/\\/hat', u'What'), (u"\\/\\/here'd", u"Where'd"), (u'\\/\\/hoo', u'Whoo'), (u'\\/\\/hy', u'Why'), (u"\\/\\/hy'd", u"Why'd"), (u"\\/\\le're", u"We're"), (u'\\/Ve', u'We'), (u"\\Ne're", u"We're"), (u"\\Nhat's", u"What's"), (u"\\Nhere's", u"Where's"), (u"|'mjust", u"I'm just"), (u'\xa4ff', u'off'), (u'\xa4Id', u'old'), (u'\xa4Ids', u'olds'), (u'\xa4n', u'on'), (u'\xa4ne', u'one'), (u'\xa4nly', u'only'), (u'\xa4pen', u'open'), (u'\xa4r', u'or'), (u'\xa4rder', u'order'), (u'\xa4ther', u'other'), (u'\xa4ur', u'our'), (u'\xa4ut', u'out'), (u'\xa4ver', u'over'), (u'\xa4wn', u'own'), (u"\u20acV\u20acI'y", u'every'), (u"0'clock", u"o'clock"), (u'0f', u'of'), (u'0fEngland', u'of England'), (u'0fft0', u'off to'), (u'0l/er', u'over'), (u'0n', u'on'), (u'0ne', u'one'), (u"0ne's", u"one's"), (u'0r', u'or'), (u'0rders', u'orders'), (u"0thers'", u"others'"), (u'0ut', u'out'), (u"0utlaw's", u"outlaw's"), (u"0utlaws'", u"outlaws'"), (u'0ver', u'over'), (u'13oos', u'1300s'), (u'18oos', u'1800s'), (u'195os', u'1950s'), (u"1et's", u"let's"), (u'1o', u'10'), (u'1oo', u'100'), (u'1ooth', u'100th'), (u'1oth', u'10th'), (u'2E_', u'2E.'), (u"2'IST", u'21ST'), (u"2'Ist_", u"2'1st."), (u'2o', u'20'), (u'2oth', u'20th'), (u'3o', u'30'), (u'3oth', u'30th'), (u'4o', u'40'), (u'4os', u'40s'), (u'4oth', u'40th'), (u'50rry', u'sorry'), (u'5o', u'50'), (u'5oth', u'50th'), (u'6o', u'60'), (u'6os', u'60s'), (u"'6os", u"'60s"), (u'6oth', u'60th'), (u'7o', u'70'), (u"'7os", u"'70s"), (u'7oth', u'70th'), (u'8o', u'80'), (u"'8os", u"'80s"), (u'8oth', u'80th'), (u'9/aim', u'alarm'), (u'9o', u'90'), (u'9oth', u'90th'), (u'9UnShQt', u'gunshot'), (u'a//', u'all'), (u'a/bum', u'album'), (u'a/so', u'also'), (u'A/ways', u'Always'), (u'abcut', u'about'), (u'aboutjoining', u'about joining'), (u'aboutposh', u'about posh'), (u'aboutus', u'about us'), (u'aboutyou', u'about you'), (u'accldent', u'accident'), (u'Acool', u'A cool'), (u'afier', u'after'), (u'affraid', u'afraid'), (u'Afriend', u'A friend'), (u'afterall', u'after all'), (u'afterthe', u'after the'), (u'afulcrum', u'a fulcrum'), (u'Afunny', u'A funny'), (u'aga/nst', u'against'), (u'ahsolutes', u'absolutes'), (u'AI_I_', u'ALL'), (u'AIien', u'Alien'), (u'AIex', u'Alex'), (u'AII', u'All'), (u'AIIan', u'Allan'), (u'AIIow', u'Allow'), (u'AIive', u'Alive'), (u"ain'tgotno", u"ain't got no"), (u"Ain'tgotno", u"Ain't got no"), (u'airstrike', u'air strike'), (u'AIVIBULANCE', u'AMBULANCE'), (u'ajob', u'a job'), (u'ajockey_', u'a jockey.'), (u'ajoke', u'a joke'), (u'Ajoke', u'A joke'), (u'ajoking', u'a joking'), (u'al/', u'all'), (u'al/en', u'alien'), (u'alittle', u'a little'), (u'allgasp', u'all gasp'), (u'alljustforshow', u'all just for show'), (u"aln't", u"ain't"), (u'alot', u'a lot'), (u'Alot', u'A lot'), (u'An5wer', u'Answer'), (u'Andit', u'And it'), (u"Andit's", u"And it's"), (u'andl', u'and I'), (u'andlaughs', u'and laughs'), (u'andleave', u'and leave'), (u'andthe', u'and the'), (u'andyou', u'and you'), (u'Andyou', u'And you'), (u'ANNOUNC/NG', u'ANNOUNCING'), (u'anotherstep', u'another step'), (u'ANSWER/NG', u'ANSWERING'), (u'answerwhat', u'answer what'), (u'antiquejoke', u'antique joke'), (u"anyhcdy's", u"anybody's"), (u'Anyidea', u'Any idea'), (u"anyone's_", u"anyone's."), (u'apejust', u'ape just'), (u'ARABlc', u'ARABIC'), (u"aren't_", u"aren't."), (u"arerl't", u"aren't"), (u"Arnsteln's", u"Arnstein's"), (u'atleast', u'at least'), (u'Atough', u'A tough'), (u'Awhole', u'A whole'), (u'awoman', u'a woman'), (u'Awoman', u'A woman'), (u'barelytalked', u'barely talked'), (u'bcat', u'boat'), (u'Bcllvla', u'Bolivia'), (u'bcmb', u'bomb'), (u'bcmbs', u'bombs'), (u'be//y', u'belly'), (u'becuase', u'because'), (u"Beep/'ng", u'Beeping'), (u'bejumpy', u'be jumpy'), (u'besldes', u'besides'), (u'bestfriend', u'best friend'), (u'bestguy', u'best guy'), (u'bestjob', u'best job'), (u'BIack', u'Black'), (u'BIess', u'Bless'), (u'bigos___', u'bigos...'), (u'BIame', u'Blame'), (u'BIind', u'Blind'), (u'BIood', u'Blood'), (u'BIue', u'Blue'), (u'BLOVVS', u'BLOWS'), (u'blowholel', u'blowhole!'), (u'blt', u'bit'), (u'Bo99', u'Bogg'), (u'bodiedyoung', u'bodied Line truncated
|
|
|
|
|
'fin': OrderedDict([(u'Katsokaa pa.', u'Katsokaapa.'), (u'Mik!\r\n""e\u201c9ir\xe4\u0131', u'Mik!\r\n-Hengit\xe4!'), (u'Tu lta!', u'Tulta!'), (u'...0I1...', u'...on...'), (u'Ken g\xe4n nauh oja?', u'Keng\xe4nnauhoja?'), (u'k\xe3mmott\xe3V\xe3ll\xe3 mUiStoll\xe3.', u'kammottavana muistona.'), (u'H\xe4n n\xe4ki naisen menev\xe4n\r\nkellarikerroksen ksen asun to o ns\xe4.', u'H\xe4n n\xe4ki naisen menev\xe4n\r\nkellarikerroksen asuntoonsa.'), (u'Min\xe4 etsin k\xe4siini miehen, joka\r\non aurtanutiestradea ja minua:', u'Min\xe4 etsin k\xe4siini miehen, joka\r\non auttanut Lestradea ja minua:'), (u'Huomaa erityisesti\r\npunaisella merkitty "kitoris.', u'Huomaa erityisesti\r\npunaisella merkitty "klitoris".'), (u'Tulkaa, meill\xe4 on\r\nHa va\u0131ji-bileet suihkussa', u'Tulkaa, meill\xe4 on\r\nHavaiji-bileet suihkussa'), (u'Ta rkoitatko ett\xe4\r\nh\xe4net myrkytettiin?', u'Tarkoitatko ett\xe4\r\nh\xe4net myrkytettiin?'), (u'Odotta kaa soittoani\r\nIev\xe4hdyspaikalla.', u'Odottakaa soittoani\r\nlev\xe4hdyspaikalla.'), (u'Nyt kuuntelet, perska rva.', u'Nyt kuuntelet, perskarva.'), (u'Ta patko h\xe4net sitten?', u'Tapatko h\xe4net sitten?'), (u'Seuraa vissa va/oissa.', u'Seuraavissa valoissa.'), (u'A\u0131o\u0131t rapattaa minut.\r\n- En.', u'Aioit tapattaa minut.\r\n- En.'), (u'Todella vaku uttavaa.', u'Todella vakuuttavaa.'), (u'I-le ovat tuolla alhaalla', u'He ovat tuolla alhaalla'), (u'Nainen kuuluu minulle.\r\n- I-I\xe0ivy siit\xe4, ylikasvuinen hyttynen!', u'Nainen kuuluu minulle.\r\n- H\xe4ivy siit\xe4, ylikasvuinen hyttynen!'), (u'I-Ialuatte k\xe4ytt\xe4\xe4 pyh\xe0\xe0 kive\xe4\r\ndynastian aarteen l\xf6yt\xe4miseksi.', u'Haluatte k\xe4ytt\xe4\xe4 pyh\xe0\xe0 kive\xe4\r\ndynastian aarteen l\xf6yt\xe4miseksi.'), (u'Mit\xe4f?', u'Mit\xe4.. ?'), (u'Kuuluuko Hiru ko-klaanista mit\xe4\xe4n?\r\n- Ninjasoturit ovat edell\xe4mme.', u'Kuuluuko Hiruko-klaanista mit\xe4\xe4n?\r\n- Ninjasoturit ovat edell\xe4mme.'), (u'Anteeks\u0131} painoin kai... -', u'Anteeksi, painoin kai... -'), (u'ja Rea! Ho usew\xedves.', u'ja Real Housewives.'), (u'Et halu n n ut Julkkistansseihinkaan.', u'Et halunnut Julkkistansseihinkaan.'), (u'Laard i k\xe4si?', u'Laardik\xe4si?'), (u'Varo kaa!', u'Varokaa!'), (u'N\xe4ytt\xe4v\xe4t k\xf6 tyt\xf6t v\xe4h \xe4n\r\nh uorahtavi m m i lta?', u'N\xe4ytt\xe4v\xe4tk\xf6 tyt\xf6t v\xe4h\xe4n\r\nhuorahtavimmilta?'), (u'Stif... Ier.', u'Stif... ler.'), (u'J u mantsu kka! M it\xe4?', u'Jumantsukka! Mit\xe4?'), (u'Varasin Ch u m bawam ban,', u'Varasin Chumbawamban,'), (u'J u malavita!', u'Jumalavita!'), (u'S', u'Isi...'), (u'Haluan kertoa jotai n', u'Haluan kertoa jotain'), (u'I-Ialuatte', u'Haluatte'), (u'kellojo', u'kello jo'), (u'onjo', u'on jo'), (u'senj\xe4lkeen', u'sen j\xe4lkeen'), (u'Ts\xe4u', u'Tsau'), (u'hydraulinenjousitus', u'hydraulinen jousitus'), (u'Kevyetja', u'Kevyet ja'), (u'Oleijo', u'Olet jo'), (u'viimeinenjuna', u'viimeinen juna'), (u'n\xe4ytt\xe4\xe4jotenkin', u'n\xe4ytt\xe4\xe4 jotenkin'), (u'onjoku', u'on joku'), (u'Iapsuuteen', u'Lapsuuteen'), (u'Ieikitjunill\xe4', u'leikit junilla'), (u'Sfiy', u'Stig'), (u'Iukulasejani', u'Lukulasejani'), (u'Ieikkiminen', u'Leikkiminen'), (u'K\xe4\xe4lik\xe4\xe4rylepizz\xe4', u'Kaalik\xe4\xe4rylepizza'), (u'sukl\xe4\xe4k\xe4stikkeen', u'suklaakastikkeen'), (u'p\xe4istetun', u'paistetun'), (u'b\xe4n\xe4\xe4nin', u'banaanin'), (u'pifi', u'piti'), (u'a\u0131keasfaan', u'oikeastaan'), (u'Stg', u'Stig'), (u'sikain\ufb02uenssatja', u'sikainfluenssat ja'), (u'Hienojuna', u'Hieno juna'), (u'kiinnostuajunista', u'kiinnostua junista'), (u'h\xe4y\u0131yvetu\u0131\xedn', u'h\xf6yryveturin'), (u'pienaismalli', u'pienoismalli'), (u'ena', u'eno'), (u'racfios\xe3hk\xe4ff\xe1j\xe3n\xe3', u'radios\xe4hk\xf6tt\xe4j\xe4n\xe4'), (u'Amenkan', u'Amerikan'), (u'laiva/la', u'laivalla'), (u'0/in', u'Olin'), (u'Junaha\u0131rasfus', u'Junaharrastus'), (u'enasfa', u'enosta'), (u'/V\u0131\xedn', u'Niin'), (u'Oliivarmasii', u'Olit varmasti'), (u'Internetist\xe4juuri', u'Internetist\xe4 juuri'), (u'hu\u0131janj\xe3nniff\xe5v\xe3\xe0l', u'hurjan j\xe4nnitt\xe4v\xe4\xe4.'), (u'Vaikkajunat', u'Vaikka junat'), (u'k\xe4\xe4ntyija', u'k\xe4\xe4ntyi ja'), (u'osaajotain', u'osaa jotain'), (u'Ieikill\xe4mme', u'leikill\xe4mme'), (u'Bellinjuna', u'Beltin juna'), (u't\xe4st\xe4johtolangasta', u't\xe4st\xe4 johtolangasta'), (u'tuntisijonkun', u'tuntisi jonkun'), (u'Olgajotain', u'Olga jotain'), (u'tulokseivuodesia', u'tulokset vuodesta'), (u'tuloksetvuodesta', u'tulokset vuodesta'), (u'Vainjalkapallo', u'Vain jalkapallo'), (u'lloveyou', u'I love you'), (u'po\ufb02\u2039aisi', u'potkaisi'), (u'minufulos', u'minut ulos'), (u'Ieiv\xe4npaahdinl', u'leiv\xe4npaahdin!'), (u'Ieiv\xe4npaahdinta', u'leiv\xe4npaahdinta'), (u'asuajossain', u'asua jossain'), (u'Koiratjuoksentelivat', u'Koirat juoksentelivat'), (u'tiet\xe4\xe4jotain', u'tiet\xe4\xe4 jotain'), (u'osaatjuna', u'osaat juna'), (u'va/as', u'valas'), (u'va/asperhe', u'valasperhe'), (u'koskeejotain', u'koskee jotain'), (u'I\xe4\xe4kkeeLine truncated
|
|
|
|
|
'fra': OrderedDict([(u'"D\'ac:c:ord."', u'"D\'accord."'), (u'\u201ci QU\xce gagne, qui perd,', u'ni qui gagne, qui perd,'), (u"L'ac:c:ent est mis \r\n \r\n sur son trajet jusqu'en Suisse.", u"L'accent est mis \r\n \r\n sur son trajet jusqu'en Suisse."), (u"C'est la plus gentille chose \r\n \r\n qu'Hitchc:oc:k m'ait jamais dite.", u"C'est la plus gentille chose \r\n \r\n qu'Hitchcock m'ait jamais dite."), (u"Tout le monde, en revanche, qualifie \r\n \r\n Goldfinger d'aventu re structur\xe9e,", u"Tout le monde, en revanche, qualifie \r\n \r\n Goldfinger d'aventure structur\xe9e,"), (u'et le film Shadow of a man \r\n \r\n a lanc\xe9 sa carri\xe8re au cin\xe9ma.', u'et le film <i>Shadow of a man</i> \r\n \r\n a lanc\xe9 sa carri\xe8re au cin\xe9ma.'), (u'En 1948, Young est pass\xe9 \xe0 la r\xe9alisation \r\n \r\n avec One night with you.', u'En 1948, Young est pass\xe9 \xe0 la r\xe9alisation \r\n \r\n avec <i>One night with you</i>.'), (u'Il a construit tous ces v\xe9hicules \r\n \r\n \xe0 C)c:ala, en Floride.', u'Il a construit tous ces v\xe9hicules \r\n \r\n \xe0 Ocala, en Floride.'), (u'Tokyo Pop et A Taxing Woman? Return.', u"Tokyo Pop et A Taxing Woman's Return."), (u'Peter H u nt.', u'Peter Hunt.'), (u'"C\'est bien mieux dans Peau. \r\n \r\n On peut s\ufb02\xe9clabousser, faire du bruit."', u'"C\'est bien mieux dans l\'eau. \r\n \r\n On peut s\'\xe9clabousser, faire du bruit."'), (u'@immatriculation', u"d'immatriculation"), (u'acquer', u'acqu\xe9r'), (u'acteurjoue', u'acteur joue'), (u'aerien', u'a\xe9rien'), (u'agreable', u'agr\xe9able'), (u'aientjamais', u'aient jamais'), (u'AII', u'All'), (u'aitjamais', u'ait jamais'), (u'aitjus', u'ait jus'), (u'alle', u'all\xe9'), (u'alles', u'all\xe9s'), (u'appele', u'appel\xe9'), (u'apres', u'apr\xe8s'), (u'aujourdhui', u"aujourd'hui"), (u'aupres', u'aupr\xe8s'), (u'beaute', u'beaut\xe9'), (u'cabossee', u'caboss\xe9e'), (u"carj'", u"car j'"), (u"Carj'", u"Car j'"), (u'carla', u'car la'), (u'CEdipe', u'\u0152dipe'), (u'Cest', u"C'est"), (u"c'etaient", u"c'\xe9taient"), (u'C\xe9taient', u"C'\xe9taient"), (u"c'etait", u"c'\xe9tait"), (u"C'etait", u"C'\xe9tait"), (u'C\xe9tait', u"C'\xe9tait"), (u'choregraphiee', u'chor\xe9graphi\xe9e'), (u'cinema', u'cin\xe9ma'), (u"cl'AIcatraz", u"d'Alcatraz"), (u'cles', u'cl\xe9s'), (u'c\u0153urjoie', u'c\u0153ur-joie'), (u'completer', u'compl\xe9ter'), (u'costumiere', u'costumi\xe8re'), (u'cree', u'cr\xe9\xe9'), (u'daccord', u"d'accord"), (u"d'AIbert", u"d'Albert"), (u"d'AIdous", u"d'Aldous"), (u"d'AIec", u"d'Alec"), (u'danniversaire', u"d'anniversaire"), (u"d'Arra'bida", u"d'Arrabida"), (u"d'autod\xe9rision", u"d'auto-d\xe9rision"), (u'dautres', u"d'autres"), (u'debattait', u'd\xe9battait'), (u'decor', u'd\xe9cor'), (u'decorateurs', u'd\xe9corateurs'), (u'decors', u'd\xe9cors'), (u'defi', u'd\xe9fi'), (u'dej\xe0', u'd\xe9j\xe0'), (u'd\xe9j\xe0m', u'd\xe9j\xe0...'), (u'dejeunait', u'd\xe9jeunait'), (u'dengager', u"d'engager"), (u'd\xe9quipement', u"d'\xe9quipement"), (u'd\xe9rni\xe8r\xe9', u'derni\xe8re'), (u'Desole', u'D\xe9sol\xe9'), (u'dessayage', u"d'essayage"), (u'dessence', u"d'essence"), (u'd\xe9taient', u"c'\xe9taient"), (u'detail', u'd\xe9tail'), (u'dexcellents', u"d'excellents"), (u'dexp\xe9rience', u"d'exp\xe9rience"), (u'dexp\xe9riences', u"d'exp\xe9riences"), (u"d'h\xe9ro'l'ne", u"d'h\xe9ro\xefne"), (u"d'idees", u"d'id\xe9es"), (u"d'intensite", u"d'intensit\xe9"), (u'dontj', u'dont j'), (u'doublaitAlfo', u'doublait Alfo'), (u'DrNo', u'Dr No'), (u"e'", u'\xe9'), (u'ecrit', u'\xe9crit'), (u'elegant', u'\xe9l\xe9gant'), (u'Ell\xe9', u'Elle'), (u'\xe9n', u'en'), (u'equipe', u'\xe9quipe'), (u'erjus', u'er jus'), (u'estjamais', u'est jamais'), (u'\xe9t', u'et'), (u'etaient', u'\xe9taient'), (u'etait', u'\xe9tait'), (u'ete', u'\xe9t\xe9'), (u'etiez', u'\xe9tiez'), (u"etj'", u"et j'"), (u"Etj'", u"Et j'"), (u'etje', u'et je'), (u'Etje', u'Et je'), (u'EtsouvenL', u'Et souvent'), (u'eviter', u'\xe9viter'), (u'Fabsence', u"l'absence"), (u'fadapter', u"t'adapter"), (u'fadore', u"j'adore"), (u'F\xe2ge', u"l'\xe2ge"), (u'Fagent', u"l'agent"), (u'faiessay\xe9', u"j'ai essay\xe9"), (u'Failure', u"l'alllure"), (u'Fambiance', u"l'ambiance"), (u'Famener', u"l'amener"), (u'Fanniversaire', u"l'anniversaire"), (u'Fapparence', u"l'apparence"), (u'Fapres', u"l'apres"), (u'Fapr\xe8s', u"l'apr\xe8s"), (u'Farm\xe9e', u"l'arm\xe9e"), (u'Farri\xe8re', u"l'arri\xe8re"), (u'Farriv\xe9e', u"l'arriv\xe9e"), (u'Fascenseur', u"l'ascenseur"), (u'Fascension', u"l'ascension"), (u'Fassaut', u"l'assaut"), (u'Fassomme', u"l'assomme"), (u'Fatmosph\xe8re', u"l'atmosph\xe8re"), (u'Fattention', u"l'attention"), (u'Favalanche', u"l'avalanche"), (u'F\xe9clairage', u"l'\xe9clairage"), (u'F\xe9cran', u"l'\xe9cran"), (u'F\xe9motion', u"l'\xe9motion"), (u'Femplacement', u"l'emplacement"), (u'Fendroit', u"l'endroit"), (u'Fenseigne', u"l'enseigne"), (u'Fensemble', u"l'ensemble"), (u'Fentouraient', u"l'entouraient"), (u'Fentr\xe9e', u"l'entr\xe9e"), (u'F\xe9paisseur', uLine truncated
|
|
|
|
|
'hrv': OrderedDict([(u'advokati', u'odvjetnici'), (u'Advokati', u'Odvjetnici'), (u'advokatima', u'odvjetnicima'), (u'Advokatima', u'Odvjetnicima'), (u'amin', u'amen'), (u'Amin', u'Amen'), (u'ba\u0161ta', u'vrt'), (u'Ba\u0161ta', u'Vrt'), (u'ba\u0161te', u'vrtovi'), (u'Ba\u0161te', u'Vrtovi'), (u'ba\u0161ti', u'vrtu'), (u'ba\u0161tu', u'vrt'), (u'Ba\u0161tu', u'Vrt'), (u'ba\u0161tom', u'vrtom'), (u'bedan', u'bijedan'), (u'bede', u'bijede'), (u'bedi', u'bijedi'), (u'bejah', u'bijah'), (u'bele\u0161ci', u'bilje\u0161ci'), (u'bimso', u'bismo'), (u'bioskop', u'kino'), (u'bioskopi', u'kina'), (u'bitci', u'bitki'), (u'blije\u0111i', u'blje\u0111i'), (u'beg', u'bijeg'), (u'begu', u'bijegu'), (u'beja\u0161e', u'bija\u0161e'), (u'bekstvo', u'bijeg'), (u'bekstvu', u'bijegu'), (u'begstvu', u'bijegu'), (u'bes', u'bijes'), (u'besa', u'bijesa'), (u'besan', u'bijesan'), (u'besom', u'bijesom'), (u'besu', u'bijesu'), (u'be\u0161e', u'bje\u0161e'), (u'bioje', u'bio je'), (u'bi smo', u'bismo'), (u'bi ste', u'biste'), (u'bled', u'blijed'), (u'blede', u'blijede'), (u'boksuje\u0161', u'boksa\u0161'), (u'bolesan', u'bolestan'), (u'braon', u'sme\u0111a'), (u'bregu', u'brijegu'), (u'bti', u'biti'), (u'ceo', u'cijeli'), (u'Ceo', u'Cijeli'), (u'cepa', u'cijepa'), (u'cev', u'cijev'), (u'cevi', u'cijevi'), (u'cev\u010dica', u'cjev\u010dica'), (u'cev\u010dicu', u'cjev\u010dicu'), (u'cvetu', u'cvijetu'), (u'cvjetu', u'cvijetu'), (u'cvjetom', u'cvijetom'), (u'\u010dar\u0161av', u'plahta'), (u'\u010dar\u0161ave', u'plahte'), (u'\u010dar\u0161avima', u'plahtama'), (u'\u010das', u'sat'), (u'\u010detvoro', u'\u010detvero'), (u'\u010cita\u0107u', u'\u010citat \u0107u'), (u'\u010derku', u'k\u0107er'), (u'\u010cerku', u'K\u0107er'), (u'\u0107erku', u'k\u0107er'), (u'\u0106erku', u'K\u0107er'), (u'\u0107erkama', u'k\u0107erima'), (u'\u010derkama', u'k\u0107erima'), (u'\u0107erkom', u'k\u0107eri'), (u'\u010derkom', u'k\u0107eri'), (u'k\u0107erkom', u'k\u0107eri'), (u'k\u010derkom', u'k\u0107eri'), (u'\u0107ebe', u'deku'), (u'\u0107ebetu', u'deki'), (u'\u010dk', u'\u010dak'), (u'\u0107\u0161', u'\u0107e\u0161'), (u'\u0107ale', u'tata'), (u'\u0107aletom', u'ocem'), (u'\u0107aleta', u'oca'), (u'\u0107aletu', u'ocu'), (u'\u0107orsokak', u'slijepa ulica'), (u'\u0107orsokaku', u'slijepoj ulici'), (u'\u0107o\u0161ak', u'ugao'), (u'\u0107o\u0161ku', u'uglu'), (u'\u0107erka', u'k\u0107i'), (u'\u0106erka', u'K\u0107i'), (u'\u0107mo', u'\u0107emo'), (u'\u0107te', u'\u0107ete'), (u'\u010du\u0107e', u'\u010dut \u0107e'), (u'\u010du\u0107emo', u'\u010dut \u0107emo'), (u'\u010cu\u0107ete', u'\u010cut \u0107ete'), (u'\u010cu\u0107e', u'\u010cut \u0107e'), (u'\u0107utao', u'\u0161utio'), (u'\u0106utao', u'\u0160utio'), (u'daga', u'da ga'), (u'damas', u'danas'), (u'deda', u'djed'), (u'Deda', u'Djed'), (u'dede', u'djeda'), (u'dedi', u'djedu'), (u'dedom', u'djedom'), (u'defini\u0161e', u'definira'), (u'dele\u0107i', u'dijele\u0107i'), (u'deo', u'dio'), (u'Deo', u'Dio'), (u'de\u0161ava', u'doga\u0111a'), (u'dete', u'dijete'), (u'djete', u'dijete'), (u'Dete', u'Dijete'), (u'Djete', u'Dijete'), (u'detektuje', u'detektira'), (u'dodju', u'do\u0111u'), (u'dole', u'dolje'), (u'Dole', u'Dolje'), (u'Donije\u0107u', u'Donijet \u0107u'), (u'do ovde', u'dovde'), (u'dospeo', u'dospio'), (u'dospeju', u'dospiju'), (u'do\u0111avola', u'dovraga'), (u'Do\u0111avola', u'Dovraga'), (u'drug', u'prijatelj'), (u'drugde', u'drugdje'), (u'duuga', u'd\xfaga'), (u'dve', u'dvije'), (u'Dve', u'Dvije'), (u'\u0111avo', u'vrag'), (u'\u0111avola', u'vraga'), (u'\u0111emper', u'd\u017eemper'), (u'd\u017eanki', u'ovisnik'), (u'\u0111ubre', u'sme\u0107e'), (u'eksperti', u'stru\u010dnjaci'), (u'Eksperti', u'Stru\u010dnjaci'), (u'ekspertima', u'stru\u010dnjacima'), (u'en', u'ne'), (u'emitovao', u'emitirao'), (u'emituje', u'emitira'), (u'emitujem', u'emitiram'), (u'emituju', u'emitiraju'), (u'familijama', u'obiteljima'), (u'familiji', u'obitelji'), (u'flertuje', u'o\u010dijuka'), (u'foka', u'tuljan'), (u'foku', u'tuljana'), (u'foke', u'tuljani'), (u'fokama', u'tuljanima'), (u'gde', u'gdje'), (u'Gde', u'Gdje'), (u'Gre\u010den', u'Gretchen'), (u'gre\u0161e', u'grije\u0161e'), (u'gre\u0161ki', u'gre\u0161ci'), (u'Historija', u'Povijest'), (u'Historiju', u'Povijest'), (u'Historije', u'Povijesti'), (u'Historiji', u'Povijesti'), (u'Istorija', u'Povijest'), (u'Istoriju', u'Povijest'), (u'Istorije', u'Povijesti'), (u'Istoriji', u'Povijesti'), (u'historije', u'povijesti'), (u'historiji', u'povijesti'), (u'istorije', u'povijesti'), (u'istoriji', u'povijesti'), (u'ho\u010du', u'ho\u0107u'), (u'Ho\u010du', u'Ho\u0107u'), (u'hte\u0107e', u'htjet \u0107e'), (u'htedoh', u'htjedoh'), (u'i\u010di', u'i\u0107i'), (u'I\u010di', u'I\u0107i'), (u'iko', u'itko'), (u'ignori\u0161i', u'ignoriraj'), (u'Ignori\u0161i', u'Ignoriraj'), (u'ignori\u0161ite', u'ignorirajte'), (u'Ignori\u0161ite', u'Ignorirajte'), (u'ignori\u0161u', u'ignoriraju'), (u'Interesuje', u'Zanima'), (u'Interesuju', u'Zanimaju'), (u'interesuju', u'zanimaju'), Line truncated
|
|
|
|
|
'hun': OrderedDict(),
|
|
|
|
|
'nld': OrderedDict([(u'ls', u'Is'), (u'ln', u'In'), (u'lk', u'Ik'), (u'ledereen', u'Iedereen'), (u'ledere', u'Iedere'), (u'lemand', u'Iemand')]),
|
|
|
|
|
'nor': OrderedDict(),
|
|
|
|
|
'por': OrderedDict([(u'abitual', u'habitual'), (u'\xe0cerca', u'acerca'), (u'acessor', u'assessor'), (u'ac\xf3lico', u'ac\xf3lito'), (u'a\xe7oreano', u'a\xe7oriano'), (u'actuacao', u'actua\xe7\xe3o'), (u'acucar', u'a\xe7\xfacar'), (u'a\xe7ucar', u'a\xe7\xfacar'), (u'advinhar', u'adivinhar'), (u'africa', u'\xc1frica'), (u'ajuisar', u'ajuizar'), (u'album', u'\xe1lbum'), (u'alcool\xe9mia', u'alcoolemia'), (u'aldi\xe3o', u'alde\xe3o'), (u'algerino', u'argelino'), (u'ameixeal', u'ameixial'), (u'amia\xe7a', u'amea\xe7a'), (u'analizar', u'analisar'), (u'and\xe1ste', u'andaste'), (u'anemona', u'an\xe9mona'), (u'antartico', u'ant\xe1rctico'), (u'ant\xe1rtico', u'ant\xe1rctico'), (u'antep\xf4r', u'antepor'), (u'ap\xe1rte', u'aparte'), (u'apiadeiro', u'apeadeiro'), (u'apiar', u'apear'), (u'apreciacao', u'aprecia\xe7\xe3o'), (u'arctico', u'\xe1rctico'), (u'arrazar', u'arrasar'), (u'\xe1rtico', u'\xe1rctico'), (u'artifice', u'art\xedfice'), (u'artif\xedcial', u'artificial'), (u'ascen\xe7\xe3o', u'ascens\xe3o'), (u'ass\xfacar', u'a\xe7\xfacar'), (u'aste', u'haste'), (u'aster\xedstico', u'asterisco'), (u'aver\xe7\xe3o', u'avers\xe3o'), (u'avizar', u'avisar'), (u'avulsso', u'avulso'), (u'ba\xednha', u'bainha'), (u'banca-rota', u'bancarrota'), (u'bandeija', u'bandeja'), (u'b\xe9b\xe9', u'beb\xe9'), (u'beige', u'bege'), (u'ben\xe7\xe3o', u'b\xean\xe7\xe3o'), (u'benefici\xeancia', u'benefic\xeancia'), (u'beneficiente', u'beneficente'), (u'benvinda', u'bem-vinda'), (u'benvindo', u'bem-vindo'), (u'boasvindas', u'boas-vindas'), (u'borborinho', u'burburinho'), (u'Brazil', u'Brasil'), (u'bussula', u'b\xfassola'), (u'cabo-verdeano', u'cabo-verdiano'), (u'caimbras', u'c\xe3ibras'), (u'calc\xe1reo', u'calc\xe1rio'), (u'calsado', u'cal\xe7ado'), (u'calv\xedce', u'calv\xedcie'), (u'camoneano', u'camoniano'), (u'campi\xe3o', u'campe\xe3o'), (u'can\xe7acos', u'cansa\xe7os'), (u'caracter', u'car\xe1cter'), (u'caract\xe9res', u'caracteres'), (u'catequeze', u'catequese'), (u'catequisador', u'catequizador'), (u'catequisar', u'catequizar'), (u'ch\xedcara', u'x\xedcara'), (u'ciclano', u'sicrano'), (u'cicrano', u'sicrano'), (u'cidad\xe3es', u'cidad\xe3os'), (u'cidad\xf5es', u'cidad\xe3os'), (u'cincoenta', u'cinquenta'), (u'cinseiro', u'cinzeiro'), (u'cinsero', u'sincero'), (u'citacoes', u'cita\xe7\xf5es'), (u'coaliz\xe3o', u'colis\xe3o'), (u'c\xf4dia', u'c\xf4dea'), (u'comb\xf3io', u'comboio'), (u'comp\xf4r', u'compor'), (u'concerteza', u'com certeza'), (u'constituia', u'constitu\xeda'), (u'constitu\xedu', u'constituiu'), (u'contato', u'contacto'), (u'contens\xe3o', u'conten\xe7\xe3o'), (u'contribuicoes', u'contribui\xe7\xf5es'), (u'c\xf4r', u'cor'), (u'corass\xe3o', u'cora\xe7\xe3o'), (u'cor\xe7ario', u'cors\xe1rio'), (u'cor\xe7\xe1rio', u'cors\xe1rio'), (u'cornprimidosinbo', u'comprimidozinho'), (u'cr\xe2neo', u'cr\xe2nio'), (u'dE', u'de'), (u'defeni\xe7\xe3o', u'defini\xe7\xe3o'), (u'defenido', u'definido'), (u'defenir', u'definir'), (u'deficite', u'd\xe9fice'), (u'degladiar', u'digladiar'), (u'deiche', u'deixe'), (u'desinteria', u'disenteria'), (u'despendio', u'disp\xeandio'), (u'desp\xeandio', u'disp\xeandio'), (u'desplic\xeancia', u'displic\xeancia'), (u'dificulidade', u'dificuldade'), (u'dispender', u'despender'), (u'dispendio', u'disp\xeandio'), (u'distribuido', u'distribu\xeddo'), (u'dru\xedda', u'druida'), (u'\xe9cr\xe3', u'ecr\xe3'), (u'ecran', u'ecr\xe3'), (u'\xe9cran', u'ecr\xe3'), (u'\xeale', u'ele'), (u'elice', u'h\xe9lice'), (u'\xe9lice', u'h\xe9lice'), (u'emiratos', u'emirados'), (u'engolis-te', u'engoliste'), (u'engulir', u'engolir'), (u'enguliste', u'engoliste'), (u'entertido', u'entretido'), (u'entitular', u'intitular'), (u'entreterimento', u'entretenimento'), (u'entreti-me', u'entretive-me'), (u'env\xf3lucro', u'inv\xf3lucro'), (u'er\xf3i', u'her\xf3i'), (u'escluir', u'excluir'), (u'esclus\xe3o', u'exclus\xe3o'), (u'escriv\xf5es', u'escriv\xe3es'), (u'esqueiro', u'isqueiro'), (u'esquesito', u'esquisito'), (u'estacoes', u'esta\xe7\xf5es'), (u'esteje', u'esteja'), (u'excava\xe7\xe3o', u'escava\xe7\xe3o'), (u'excavar', u'escavar'), (u'exdr\xfaxula', u'esdr\xfaxula'), (u'exdr\xfaxulas', u'esdr\xfaxulas'), (u'exitar', u'hesitar'), (u'explicacoes', u'explica\xe7\xf5es'), (u'exquisito', u'esquisito'), (u'extende', u'estende'), (u'extender', u'estender'), (u'f\xe0cilmenfe', u'facilmente'), (u'f\xe0cilmente', u'facilmente'), (u'fariam-lhe', u'far-lhe-iam'), (u'FARM\xc1ClAS', u'FARM\xc1CIAS'), (u'farmec\xeautico', u'farmac\xeautico'), (u'fassa', u'fa\xe7a'), (u'f\xe9bre', u'febre'), (u'fecula', u'f\xe9cula'), (u'f\xe9mea', u'f\xeamea'), (u'femenino', u'feminino'), (u'femininismo', u'feminismo'), (u'f\xedsiologista', u'fisiologista'), (u'fiz\xe9mos', u'fizemos'), (u'fizes-te', u'fizeste'), (u'fl\xf4r', u'flor'), (u'for\xe3o', u'foram'), (u'formalisar', u'formalizar'), (u'f\xf4ro', u'foro'), (u'fos-te', u'foste'), (u'frag\xe2ncia', u'fragr\xe2ncia'), (u'fran\xe7\xeas', u'franc\xeas'), (u'frasqutnho', u'frasquinho'), (u'frustado', u'fLine truncated
|
|
|
|
|
'rus': OrderedDict([(u'\u041d\u0404\u0419', u'\u041d\u0415\u0419'), (u'\u041e\u0420\u0413\u0417\u041d\u0418\u0417\u041c\u041e\u0411', u'\u041e\u0420\u0413\u0410\u041d\u0418\u0417\u041c\u0410'), (u'\u0427\u04570', u'\u0427\u0422\u041e'), (u'\u041d\u042d', u'\u041d\u0410'), (u'\u0421\u041e\u0421\u0404\u0414\u041d\u042e\u042e', u'\u0421\u041e\u0421\u0415\u0414\u041d\u042e\u042e'), (u'\u041f\u041b\u0417\u041d\u0404\u0422\u0423', u'\u041f\u041b\u0410\u041d\u0415\u0422\u0423'), (u'\u0417\u0417\u0413\u042d\u0414\u041e\u041a', u'\u0417\u0410\u0413\u0410\u0414\u041e\u041a'), (u'\u0421\u041e\u0422\u0412\u041e\u0420\u0404\u041d\u0418\u042f', u'\u0421\u041e\u0422\u0412\u041e\u0420\u0415\u041d\u0418\u042f'), (u'\u041c\u0418\u0420\u042d', u'\u041c\u0418\u0420\u0410'), (u'\u041f\u041e\u042f\u0411\u041b\u0404\u041d\u0418\u042f', u'\u041f\u041e\u042f\u0412\u041b\u0415\u041d\u0418\u042f'), (u'\u0417\u0404\u041c\u041b\u0404', u'\u0417\u0415\u041c\u041b\u0415'), (u'\u0404\u0429\u0404', u'\u0415\u0429\u0401'), (u'\u0422\u0404\u041c\u041d\u042c\u0406\u0425', u'\u0422\u0415\u041c\u041d\u042b\u0425'), (u'\u0421\u0404\u0420\u042c\u0404\u0417\u041d\u042c\u0406\u041c', u'\u0421\u0415\u0420\u042c\u0415\u0417\u041d\u042b\u041c'), (u'\u041f\u041e\u0428\u0406\u04060', u'\u041f\u041e\u0428\u041b\u041e'), (u'\u041f\u04400\u0418\u04170\u0428\u0404\u041b', u'\u041f\u0420\u041e\u0418\u0417\u041e\u0428\u0415\u041b'), (u'\u0421\u0404\u041a\u0420\u0404\u0422\u042d\u041c\u0418', u'\u0421\u0415\u041a\u0420\u0415\u0422\u0410\u041c\u0418'), (u'\u041c\u042d\u0422\u0404\u0420\u0418\u0417\u041b\u042c\u0406', u'\u041c\u0410\u0422\u0415\u0420\u0418\u0410\u041b\u042b'), (u'\u041f\u042f\u0422\u0404\u041d', u'\u041f\u042f\u0422\u0415\u041d'), (u'\u041f\u041b\u0430\u041d\u0404\u0457\u0404', u'\u041f\u041b\u0410\u041d\u0415\u0422\u0415'), (u'\u041a\u0417\u0422\u042d\u041a\u041b\u0418\u0417\u041c', u'\u041a\u0410\u0422\u0410\u041a\u041b\u0418\u0417\u041c'), (u'\u041e\u041a\u0417\u0417\u0417\u041b\u0421\u042f', u'\u041e\u041a\u0410\u0417\u0410\u041b\u0421\u042f'), (u'\u0414\u042d\u041b\u042c\u0428\u0415', u'\u0414\u0410\u041b\u042c\u0428\u0415'), (u'\u0422\u0412\u041a', u'\u0422\u0410\u041a'), (u'\u041f\u041b\u0417\u041d\u0404\u0422\u0417', u'\u041f\u041b\u0410\u041d\u0415\u0422\u0410'), (u'\u0427\u0404\u0413\u041e', u'\u0427\u0415\u0413\u041e'), (u'\u0423\u0417\u041d\u042d\u0422\u042c', u'\u0423\u0417\u041d\u0410\u0422\u042c'), (u'\u041f\u041b\u042d\u041d\u0404\u0422\u0404', u'\u041f\u041b\u0410\u041d\u0415\u0422\u0415'), (u'\u041d\u0404\u041c', u'\u041d\u0415\u041c'), (u'\u0411\u041e\u0417\u041c\u041e\u0416\u041d\u0417', u'\u0412\u041e\u0417\u041c\u041e\u0416\u041d\u0410'), (u'\u0421\u041e\u0411\u0404\u0420\u0428\u0404\u041d\u041d\u041e', u'\u0421\u041e\u0412\u0415\u0420\u0428\u0415\u041d\u041d\u041e'), (u'\u0418\u041d\u042d\u0427\u0404', u'\u0418\u041d\u0410\u0427\u0415'), (u'\u0411\u0421\u0404', u'\u0412\u0421\u0415'), (u'\u041d\u0415\u0414\u041e\u0421\u0422\u0417\u0422\u041a\u0418', u'\u041d\u0415\u0414\u041e\u0421\u0422\u0410\u0422\u041a\u0418'), (u'\u041d\u041e\u0412\u042c\u0406\u0404', u'\u041d\u041e\u0412\u042b\u0415'), (u'\u0412\u0404\u041b\u0418\u041a\u041e\u041b\u0404\u041f\u041d\u042d\u042f', u'\u0412\u0415\u041b\u0418\u041a\u041e\u041b\u0415\u041f\u041d\u0410\u042f'), (u'\u041e\u0421\u0422\u042d\u0406\u0406\u041e\u0421\u042c', u'\u041e\u0421\u0422\u0410\u041b\u041e\u0421\u042c'), (u'\u041d\u0417\u041b\u0418\u0427\u0418\u0404', u'\u041d\u0410\u041b\u0418\u0427\u0418\u0415'), (u'\u0431\u042b', u'\u0431\u044b'), (u'\u041f\u0420\u041e\u0426\u0412\u0415\u0422\u0412\u0422\u042c', u'\u041f\u0420\u041e\u0426\u0412\u0415\u0422\u0410\u0422\u042c'), (u'\u041a\u0417\u041a', u'\u041a\u0410\u041a'), (u'\u0412\u041e\u0414\u0417', u'\u0412\u041e\u0414\u0410'), (u'\u041d\u0417\u0428\u0415\u041b', u'\u041d\u0410\u0428\u0415\u041b'), (u'\u041d\u0404', u'\u041d\u0415'), (u'\u0422\u041e\u0416\u0404', u'\u0422\u041e\u0416\u0415'), (u'\u0412\u0423\u041b\u041a\u042d\u041d\u0418\u0427\u0404\u0421\u041a\u041e\u0419', u'\u0412\u0423\u041b\u041a\u0410\u041d\u0418\u0427\u0415\u0421\u041a\u041e\u0419'), (u'\u042d\u041a\u0422\u0418\u0411\u041d\u041e\u0421\u0422\u0418', u'\u0410\u041a\u0422\u0418\u0412\u041d\u041e\u0421\u0422\u0418'), (u'\u041f\u041e\u042f\u0412\u0418\u041b\u0417\u0421\u042c', u'\u041f\u041e\u042f\u0412\u0418\u041b\u0410\u0421\u042c'), (u'\u041d\u041e\u0412\u0417\u042f', u'\u041d\u041e\u0412\u0410\u042f'), (u'\u0421\u0422\u0420\u042d\u0422\u0404\u0413\u0418\u042f', u'\u0421\u0422\u0420\u0410\u0422\u0415\u0413\u0418\u042f'), (u'\u0423\u0421\u041f\u0404\u0428\u041d0', u'\u0423\u0421\u041f\u0415\u0428\u041d\u041e'), (u'\u041f\u041e\u0421\u0417\u0414\u041a\u0423', u'\u041f\u041e\u0421\u0410\u0414\u041a\u0423'), (u'\u0413\u041e\u0422\u041e\u0411\u042b', u'\u0413\u041e\u0422\u041e\u0412\u042b'), (u'\u041d\u0417\u0427\u0417\u0422\u042c', u'\u041d\u0410\u0427\u0410\u0422\u042c'), (u'\u041e\u0425\u041e\u0422\u042d', u'\u041e\u0425\u041e\u0422\u0410'), (u'\u041f\u0420\uLine truncated
|
|
|
|
|
'spa': OrderedDict([(u'No', u'No.'), (u'KBs', u'kB'), (u'Vd', u'Ud'), (u'N\xb0', u'N.\xb0'), (u'n\xb0', u'n.\xb0'), (u'nro.', u'n.\xb0'), (u'Nro.', u'N.\xb0'), (u'aca', u'ac\xe1'), (u'actuas', u'act\xfaas'), (u'actues', u'act\xfaes'), (u'adios', u'adi\xf3s'), (u'agarrenla', u'ag\xe1rrenla'), (u'agarrenlo', u'ag\xe1rrenlo'), (u'agarrandose', u'agarr\xe1ndose'), (u'algun', u'alg\xfan'), (u'alli', u'all\xed'), (u'alla', u'all\xe1'), (u'alejate', u'al\xe9jate'), (u'ahi', u'ah\xed'), (u'angel', u'\xe1ngel'), (u'angeles', u'\xe1ngeles'), (u'apagala', u'ap\xe1gala'), (u'aqui', u'aqu\xed'), (u'asi', u'as\xed'), (u'bahia', u'bah\xeda'), (u'busqueda', u'b\xfasqueda'), (u'busquedas', u'b\xfasquedas'), (u'callate', u'c\xe1llate'), (u'carcel', u'c\xe1rcel'), (u'camara', u'c\xe1mara'), (u'caido', u'ca\xeddo'), (u'cabron', u'cabr\xf3n'), (u'camion', u'cami\xf3n'), (u'codigo', u'c\xf3digo'), (u'codigos', u'c\xf3digos'), (u'comence', u'comenc\xe9'), (u'comprate', u'c\xf3mprate'), (u'consegui', u'consegu\xed'), (u'confias', u'conf\xedas'), (u'convertira', u'convertir\xe1'), (u'corazon', u'coraz\xf3n'), (u'crei', u'cre\xed'), (u'creia', u'cre\xeda'), (u'creido', u'cre\xeddo'), (u'creiste', u'cre\xedste'), (u'cubrenos', u'c\xfabrenos'), (u'comio', u'comi\xf3'), (u'dara', u'dar\xe1'), (u'dia', u'd\xeda'), (u'dias', u'd\xedas'), (u'debio', u'debi\xf3'), (u'demelo', u'd\xe9melo'), (u'dimelo', u'd\xedmelo'), (u'denoslo', u'd\xe9noslo'), (u'deselo', u'd\xe9selo'), (u'decia', u'dec\xeda'), (u'decian', u'dec\xedan'), (u'detras', u'detr\xe1s'), (u'deberia', u'deber\xeda'), (u'deberas', u'deber\xe1s'), (u'deberias', u'deber\xedas'), (u'deberian', u'deber\xedan'), (u'deberiamos', u'deber\xedamos'), (u'dejame', u'd\xe9jame'), (u'dejate', u'd\xe9jate'), (u'dejalo', u'd\xe9jalo'), (u'dejarian', u'dejar\xedan'), (u'damela', u'd\xe1mela'), (u'despues', u'despu\xe9s'), (u'diciendome', u'dici\xe9ndome'), (u'dificil', u'dif\xedcil'), (u'dificiles', u'dif\xedciles'), (u'disculpate', u'disc\xfalpate'), (u'dolares', u'd\xf3lares'), (u'hechar', u'echar'), (u'examenes', u'ex\xe1menes'), (u'empezo', u'empez\xf3'), (u'empujon', u'empuj\xf3n'), (u'empujalo', u'emp\xfajalo'), (u'escondanme', u'esc\xf3ndanme'), (u'esperame', u'esp\xe9rame'), (u'estara', u'estar\xe1'), (u'estare', u'estar\xe9'), (u'estaria', u'estar\xeda'), (u'estan', u'est\xe1n'), (u'estaran', u'estar\xe1n'), (u'estabamos', u'est\xe1bamos'), (u'estuvieramos', u'estuvi\xe9ramos'), (u'exito', u'\xe9xito'), (u'facil', u'f\xe1cil'), (u'fiscalia', u'fiscal\xeda'), (u'fragil', u'fr\xe1gil'), (u'fragiles', u'fr\xe1giles'), (u'frances', u'franc\xe9s'), (u'gustaria', u'gustar\xeda'), (u'habia', u'hab\xeda'), (u'habias', u'hab\xedas'), (u'habian', u'hab\xedan'), (u'habrian', u'habr\xedan'), (u'habrias', u'habr\xedas'), (u'hagalo', u'h\xe1galo'), (u'haria', u'har\xeda'), (u'increible', u'incre\xedble'), (u'incredulo', u'incr\xe9dulo'), (u'intentalo', u'int\xe9ntalo'), (u'ire', u'ir\xe9'), (u'jovenes', u'j\xf3venes'), (u'ladron', u'ladr\xf3n'), (u'linea', u'l\xednea'), (u'llamame', u'll\xe1mame'), (u'llevalo', u'll\xe9valo'), (u'mama', u'mam\xe1'), (u'maricon', u'maric\xf3n'), (u'mayoria', u'mayor\xeda'), (u'metodo', u'm\xe9todo'), (u'metodos', u'm\xe9todos'), (u'mio', u'm\xedo'), (u'mostro', u'mostr\xf3'), (u'morira', u'morir\xe1'), (u'muevete', u'mu\xe9vete'), (u'murio', u'muri\xf3'), (u'numero', u'n\xfamero'), (u'numeros', u'n\xfameros'), (u'ningun', u'ning\xfan'), (u'oido', u'o\xeddo'), (u'oidos', u'o\xeddos'), (u'oimos', u'o\xedmos'), (u'oiste', u'o\xedste'), (u'pasale', u'p\xe1sale'), (u'pasame', u'p\xe1same'), (u'paraiso', u'para\xedso'), (u'parate', u'p\xe1rate'), (u'pense', u'pens\xe9'), (u'peluqueria', u'peluquer\xeda'), (u'platano', u'pl\xe1tano'), (u'plastico', u'pl\xe1stico'), (u'plasticos', u'pl\xe1sticos'), (u'policia', u'polic\xeda'), (u'policias', u'polic\xedas'), (u'poster', u'p\xf3ster'), (u'podia', u'pod\xeda'), (u'podias', u'pod\xedas'), (u'podria', u'podr\xeda'), (u'podrian', u'podr\xedan'), (u'podrias', u'podr\xedas'), (u'podriamos', u'podr\xedamos'), (u'prometio', u'prometi\xf3'), (u'proposito', u'prop\xf3sito'), (u'pideselo', u'p\xeddeselo'), (u'ponganse', u'p\xf3nganse'), (u'prometeme', u'prom\xe9teme'), (u'publico', u'p\xfablico'), (u'publicos', u'p\xfablicos'), (u'publicamente', u'p\xfablicamente'), (u'quedate', u'qu\xe9date'), (u'queria', u'quer\xeda'), (u'querrias', u'querr\xedas'), (u'querian', u'quer\xedan'), (u'rapido', u'r\xe1pido'), (u'rapidamente', u'r\xe1pidamente'), (u'razon', u'raz\xf3n'), (u'rehusen', u'reh\xfasen'), (u'rie', u'r\xede'), (u'rias', u'r\xedas'), (u'rindete', u'r\xedndete'), (u'sacame', u's\xe1came'), (u'sentian', u'sent\xedan'), (u'sientate', u'si\xe9ntate'), (u'sera', u'ser\xe1'), (u'soplon', u'sopl\xf3n'), (u'sueltalo', u'su\xe9ltalo'), (u'tambien', u'tambi\xe9n'), (u'teoria', u'teor\xeda'), (u'tendra', u'tendr\xe1'), (u'telefono', u'tel\xe9fono'), (u'tipica', u't\xedpica'), (u'todavia', u'todav\xeda'), (u'tomalo', u't\xf3malo'), (u'tonteriaLine truncated
|
|
|
|
|
'srp': OrderedDict([(u'\u010du', u'\u0107u'), (u'\u010de\u0161', u'\u0107e\u0161'), (u'\u010de', u'\u0107e'), (u'\u0107\u0161', u'\u0107e\u0161'), (u'\u0107mo', u'\u0107emo'), (u'\u0107te', u'\u0107ete'), (u'\u010demo', u'\u0107emo'), (u'\u010dete', u'\u010dete'), (u'djete', u'dijete'), (u'Hey', u'Hej'), (u'hey', u'hej'), (u'htjeo', u'htio'), (u'Ho\u010de\u0161', u'Ho\u0107e\u0161'), (u'ho\u010de\u0161', u'ho\u0107e\u0161'), (u'i\u010di', u'i\u0107i'), (u'jel', u"je l'"), (u'Jel', u"Je l'"), (u'nedaj', u'ne daj'), (u'Rje\u0161it', u'Rije\u0161it'), (u'smjeo', u'smio'), (u'uop\u010de', u'uop\u0107e'), (u'valda', u'valjda'), (u'\u017eelila', u'\u017eeljela')]),
|
|
|
|
|
'swe': OrderedDict([(u'l\xe2rt', u'l\xe4rt'), (u'hederv\xe5rda', u'hederv\xe4rda'), (u'storm\xe2stare', u'storm\xe4stare'), (u'Avf\xe2rd', u'Avf\xe4rd'), (u't\xe2lten', u't\xe4lten'), (u'\xe2rjag', u'\xe4r jag'), (u'\xe4rjag', u'\xe4r jag'), (u'j\xe2mlikar', u'j\xe4mlikar'), (u'Riskako\ufb02', u'Riskakor'), (u'Karamellen/', u'Karamellen'), (u'Lngen\xfcng', u'Ingenting'), (u'\xe4rju', u'\xe4r ju'), (u'S\xe1', u'S\xe5'), (u'n\xe4rjag', u'n\xe4r jag'), (u'alltjag', u'allt jag'), (u'g\xf6rjag', u'g\xf6r jag'), (u'trorjag', u'tror jag'), (u'varju', u'var ju'), (u'g\xf6rju', u'g\xf6r ju'), (u'kanju', u'kan ju'), (u'blirjag', u'blir jag'), (u's\xe4gerjag', u's\xe4ger jag'), (u'beh\xe5llerjag', u'beh\xe5ller jag'), (u'pr\xf8blem', u'problem'), (u'r\xe4ddadeju', u'r\xe4ddade ju'), (u'hon\xf8m', u'honom'), (u'Ln', u'In'), (u'sv\xe5r\ufb02\xf6rtad', u'sv\xe5rfl\xf6rtad'), (u'\xf8ch', u'och'), (u'\ufb02\xf6rtar', u'fl\xf6rtar'), (u'k\xe4nnerjag', u'k\xe4nner jag'), (u'\ufb02ickan', u'flickan'), (u'sn\xf8', u'sn\xf6'), (u'gerju', u'ger ju'), (u'k\xf8ntakter', u'kontakter'), (u'\xf8lycka', u'olycka'), (u'n\xf8lla', u'nolla'), (u'sinnenajublar', u'sinnena jublar'), (u'ijobbet', u'i jobbet'), (u'F\xe5rjag', u'F\xe5r jag'), (u'Ar', u'\xc4r'), (u'liggerju', u'ligger ju'), (u'um', u'om'), (u'lbland', u'Ibland'), (u'skjuterjag', u'skjuter jag'), (u'Vadd\xe5', u'Vad d\xe5'), (u'pratarj\xe4mt', u'pratar j\xe4mt'), (u'harju', u'har ju'), (u'sitterjag', u'sitter jag'), (u'h\xe4\ufb02a', u'h\xe4rja'), (u's\ufb01\xe4l', u'stj\xe4l'), (u'F\xd6U', u'F\xf6lj'), (u'varf\xf6rjag', u'varf\xf6r jag'), (u's\ufb01\xe4rna', u'stj\xe4rna'), (u'b\xf6\ufb02ar', u'b\xf6rjar'), (u'b\xf6\ufb02an', u'b\xf6rjan'), (u'st\xe4ri', u'st\xe5r'), (u'p\xe4', u'p\xe5'), (u'harjag', u'har jag'), (u'attjag', u'att jag'), (u'Verkarjag', u'Verkar jag'), (u'K\xe4nnerjag', u'K\xe4nner jag'), (u'd\xe4rjag', u'd\xe4r jag'), (u'tu\ufb01', u'tuff'), (u'lurarjag', u'lurar jag'), (u'varj\xe4ttebra', u'var j\xe4ttebra'), (u'allvan', u'allvar'), (u'deth\xe4r', u'det h\xe4r'), (u'va\ufb02e', u'varje'), (u'F\xf6Uer', u'F\xf6ljer'), (u'personalm\xf6tetl', u'personalm\xf6tet!'), (u'harjust', u'har just'), (u'\xe4rj\xe4tteduktig', u'\xe4r j\xe4tteduktig'), (u'd\xe4rja', u'd\xe4r ja'), (u'lngen\xfcng', u'lngenting'), (u'iluften', u'i luften'), (u'\xf6sen', u'\xf6ser'), (u'tv\xe2', u'tv\xe5'), (u'Uejerna', u'Tjejerna'), (u'h\xe5n*', u'h\xe5rt'), (u'\xc4rjag', u'\xc4r jag'), (u'keL', u'Okej'), (u'F\xf6rjag', u'F\xf6r jag'), (u'varj\xe4ttekul', u'var j\xe4ttekul'), (u'k\xe4mpan', u'k\xe4mpar'), (u'mycketjobb', u'mycket jobb'), (u'Uus', u'ljus'), (u'serjag', u'ser jag'), (u'vetjag', u'vet jag'), (u'f\xe5rjag', u'f\xe5r jag'), (u'hurjag', u'hur jag'), (u'f\xf6rs\xf6kerjag', u'f\xf6rs\xf6ker jag'), (u't\xe1nagel', u't\xe5nagel'), (u'va\xfce', u'varje'), (u'Uudet', u'ljudet'), (u'amhopa', u'allihopa'), (u'V\xe4\xfc', u'V\xe4lj'), (u'g\xe4ri', u'g\xe5r'), (u'r\xf6d\xfcus', u'r\xf6dljus'), (u'Uuset', u'ljuset'), (u'Rid\xe0n', u'Rid\xe5n'), (u'vi\xfca', u'vilja'), (u'g\xe5ri', u'g\xe5r i'), (u'Hurd\xe5', u'Hur d\xe5'), (u'inter\\/juar', u'intervjuar'), (u'menarjag', u'menar jag'), (u'spyrjag', u'spyr jag'), (u'bri\xfcera', u'briljera'), (u'N\xe4rjag', u'N\xe4r jag'), (u'ner\\/\xf6s', u'nerv\xf6s'), (u'ilivets', u'i livets'), (u'n\xe4got', u'n\xe5got'), (u'p\xe0', u'p\xe5'), (u'Lnnan', u'Innan'), (u'Uf', u'Ut'), (u'lnnan', u'Innan'), (u'D\xe0ren', u'D\xe5ren'), (u'F\xe0rjag', u'F\xe5r jag'), (u'Vad\xe4rdetd\xe4L', u'Vad \xe4r det d\xe4r'), (u'sm\xe0tjuv', u'sm\xe5tjuv'), (u't\xe0gr\xe5nare', u't\xe5gr\xe5nare'), (u'dit\xe0t', u'dit\xe5t'), (u's\xe4', u's\xe5'), (u'v\xe0rdsl\xf6sa', u'v\xe5rdsl\xf6sa'), (u'n\xe0n', u'n\xe5n'), (u'kommerjag', u'kommer jag'), (u'\xe4rj\xe4ttebra', u'\xe4r j\xe4ttebra'), (u'\xe4rj\xe4vligt', u'\xe4r j\xe4vligt'), (u'\xe0kerjag', u'\xe5ker jag'), (u'ellerjapaner', u'eller japaner'), (u'attjaga', u'att jaga'), (u'eften', u'efter'), (u'h\xe4stan', u'h\xe4star'), (u'Lntensivare', u'Intensivare'), (u'fr\xe0garjag', u'fr\xe5gar jag'), (u'pen/ers', u'pervers'), (u'r\xe0barkade', u'r\xe5barkade'), (u'styrkon', u'styrkor'), (u'Dif\xe5f', u'Dit\xe5t'), (u'h\xe4nden', u'h\xe4nder'), (u'f\xf6\ufb01a', u'f\xf6lja'), (u'Idioten/', u'Idioter!'), (u'Varf\xf6rjagade', u'Varf\xf6r jagade'), (u'd\xe4rf\xf6rjag', u'd\xe4rf\xf6r jag'), (u'forjag', u'for jag'), (u'Iivsgladje', u'livsgl\xe4dje'), (u'narjag', u'n\xe4r jag'), (u'sajag', u'sa jag'), (u'genastja', u'genast ja'), (u'rockument\xe0ren', u'rockument\xe4ren'), (u'turne', u'turn\xe9'), (u'fickjag', u'fick jag'), (u'sager', u's\xe4ger'), (u'Ijush\xe5rig', u'ljush\xe5rig'), (u'tradg\xe5rdsolycka', u'tr\xe4dg\xe5rdsolycka'), (u'kvavdes', u'kv\xe4vdes'), (u'd\xe0rja', u'd\xe4r ja'), (u'hedersgaster', u'hedersg\xe4ster'), (u'Nar', u'N\xe4r'), (u'smaki\xf6sa', u'smakl\xf6sa'), (u'lan', u'Ian'), (u'Lan', u'Ian'), (u'eri', u'er i'), (u'universitetsamne', u'universitets\xe4mne'), (u'garna', u'g\xe4rna'), (u'ar', u'\xe4r'), (u'baltdLine truncated
|
|
|
|
|
data = {'dan': {'BeginLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'EndLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict([(u'\xa4', u'o'), (u'IVI', u'M'), (u'lVI', u'M'), (u'IVl', u'M'), (u'lVl', u'M')]),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict([(u'Haner', u'Han er'), (u'JaveL', u'Javel'), (u'Pa//e', u'Palle'), (u'bffte', u'bitte'), (u'Utro//gt', u'Utroligt'), (u'Kommerdu', u'Kommer du'), (u'smi/er', u'smiler'), (u'/eg', u'leg'), (u'harvinger', u'har vinger'), (u'/et', u'let'), (u'erjeres', u'er jeres'), (u'hardet', u'har det'), (u't\xe6nktjer', u't\xe6nkt jer'), (u'erjo', u'er jo'), (u'sti/', u'stil'), (u'Iappe', u'lappe'), (u'Beklagel\xe7', u'Beklager,'), (u'vardet', u'var det'), (u'afden', u'af den'), (u'snupperjeg', u'snupper jeg'), (u'ikkejeg', u'ikke jeg'), (u'bliverjeg', u'bliver jeg'), (u'hartravit', u'har travlt'), (u'pandekagef/ag', u'pandekageflag'), (u'Stormvarsell', u'Stormvarsel!'), (u'stormvejn', u'stormvejr.'), (u'morgenkomp/et', u'morgenkomplet'), (u'/yv', u'lyv'), (u'varjo', u'var jo'), (u'/eger', u'leger'), (u'harjeg', u'har jeg'), (u'havdejeg', u'havde jeg'), (u'hvorjeg', u'hvor jeg'), (u'n\xe5rjeg', u'n\xe5r jeg'), (u'g\xe5rvi', u'g\xe5r vi'), (u'atjeg', u'at jeg'), (u'isine', u'i sine'), (u'f\xe5rjeg', u'f\xe5r jeg'), (u'k\xe6rtighed', u'k\xe6rlighed'), (u'skullejeg', u'skulle jeg'), (u'laest', u'l\xe6st'), (u'laese', u'l\xe6se'), (u'g\xf8rjeg', u'g\xf8r jeg'), (u'g\xf8rvi', u'g\xf8r vi'), (u'angrerjo', u'angrer jo'), (u'Hvergang', u'Hver gang'), (u'erder', u'er der'), (u'villetilgive', u'ville tilgive'), (u'\ufb01eme', u'fjeme'), (u'genopst\xe5ri', u'genopst\xe5r i'), (u'svigtejer', u'svigte jer'), (u'kommernu', u'kommer nu'), (u'n\xe5rman', u'n\xe5r man'), (u'erfire', u'er fire'), (u'Hvorfor\ufb01nderdu', u'Hvorfor \ufb01nder du'), (u'undertigt', u'underligt'), (u'itroen', u'i troen'), (u'erl\xf8gnt', u'er l\xf8gn!'), (u'g\xf8rden', u'g\xf8r den'), (u'forhelvede', u'for helvede'), (u'hjpe', u'hj\xe6lpe'), (u'togeti', u'toget i'), (u'M\xe5jeg', u'M\xe5 jeg'), (u'savnerjer', u'savner jer'), (u'erjeg', u'er jeg'), (u'vaere', u'v\xe6re'), (u'geme', u'gerne'), (u'trorp\xe5', u'tror p\xe5'), (u'forham', u'for ham'), (u'afham', u'af ham'), (u'harjo', u'har jo'), (u'ovema\ufb01et', u'overnattet'), (u'begae\ufb01ighed', u'beg\xe6rlighed'), (u'sy\u2019g', u'syg'), (u'Imensjeg', u'Imens jeg'), (u'bliverdu', u'bliver du'), (u'\ufb01ser', u'fiser'), (u'manipuierer', u'manipulerer'), (u'forjeg', u'for jeg'), (u'iivgivendefor', u'livgivende for'), (u'formig', u'for mig'), (u'Hardu', u'Har du'), (u'fornold', u'forhold'), (u'defrelste', u'de frelste'), (u'S\xe5jeg', u'S\xe5 jeg'), (u'varjeg', u'var jeg'), (u'g\xf8rved', u'g\xf8r ved'), (u'kalderjeg', u'kalder jeg'), (u'\ufb02ytte', u'flytte'), (u'handlerdet', u'handler det'), (u'trorjeg', u'tror jeg'), (u'\ufb02ytter', u'flytter'), (u'soverjeg', u'sover jeg'), (u'\ufb01nderud', u'\ufb01nder ud'), (u'naboerp\xe5', u'naboer p\xe5'), (u'ervildt', u'er vildt'), (u'v\xe6reher', u'v\xe6re her'), (u'hyggerjer', u'hygger jer'), (u'borjo', u'bor jo'), (u'kommerikke', u'kommer ikke'), (u'folkynde', u'forkynde'), (u'farglad', u'far glad'), (u'misterjeg', u'mister jeg'), (u'\ufb01nt', u'fint'), (u'Harl', u'Har I'), (u'bedejer', u'bede jer'), (u'synesjeg', u'synes jeg'), (u'vartil', u'var til'), (u'eren', u'er en'), (u'\\Al', u'Vil'), (u'\\A', u'Vi'), (u'fjeme', u'fjerne'), (u'Iigefyldt', u'lige fyldt'), (u'ertil', u'er til'), (u'fa\ufb01igt', u'farligt'), (u'\ufb01nder', u'finder'), (u'\ufb01ndes', u'findes'), (u'irettesae\ufb01else', u'irettes\xe6ttelse'), (u'ermed', u'er med'), (u'\xe8n', u'\xe9n'), (u'gikjoi', u'gik jo i'), (u'Hvisjeg', u'Hvis jeg'), (u'ovema\ufb01er', u'overnatter'), (u'hoident', u'holdent'), (u'\\Adne', u'Vidne'), (u'fori', u'for i'), (u'vei', u'vel'), (u'savnerjerjo', u'savner jer jo'), (u'elskerjer', u'elsker jer'), (u'harl\xf8jet', u'har l\xf8jet'), (u'eri', u'er i'), (u'\ufb01ende', u'fjende'), (u'derjo', u'der jo'), (u'sigerjo', u'siger jo'), (u'menerjeg', u'mener jeg'), (u'Harjeg', u'Har jeg'), (u'sigerjeg', u'siger jeg'), (u'splitterjeg', u'splitter jeg'), (u'erjournalist', u'er journalist'), (u'erjoumalist', u'er journalist'), (u'Forjeg', u'For jeg'), (u'g\xe2rjeg', u'g\xe5r jeg'), (u'N\xe2rjeg', u'N\xe5r jeg'), (u'a\ufb02lom', u'afkom'), (u'farerjo', u'farer jo'), (u'tagerjeg', u'tager jeg'), (u'Virkerjeg', u'Virker jeg'), (u'morerjer', u'morer jer'), (u'kommerjo', u'kommer jo'), (u'istand', u'i stand'), (u'b\xf8m', u'b\xf8rn'), (u'frygterjeg', u'frygter jeg'), (u'kommerjeg', u'kommer jeg'), (u'eriournalistelev', u'er journalistelev'), (u'harfat', u'har fat'), (u'f\xe5r\ufb01ngre', u'f\xe5r \ufb01ngre'), (u'sl\xe2rjeg', u'sl\xe5r jeg'), (u'bam', u'barn'), (u'erjournalistelev', u'er journalistelev'), (u'politietjo', u'politiet jo'), (u'elskerjo', u'elsker jo'), (u'vari', u'var i'), (u'fornemmerjeres', u'fornemmer jeres'), (u'udkl\xe6kketl', u'udkl\xe6kket!'), (u'\xed', u'i'), (u'nyi', u'ny i'), (u'Iumijelse', u'forn\xf8jelse'), (u'vures', u'vores'), (u'I/Vash\xedngtan', u'Washington'), (u'opleverjeg', u'oplever jeg'), (u'PANTEL\xc3NER', u'PANTEL\xc5NER'), (u'Gudmurgen', u'Godmorgen'), (u'SKYDEV\xc3BEN', u'SKYDEV\xc5BEN'), (u'P\xLine truncated
|
|
|
|
|
'pattern': u"(um)\\bHaner\\b|\\bJaveL\\b|\\bPa\\/\\/e\\b|\\bbffte\\b|\\bUtro\\/\\/gt\\b|\\bKommerdu\\b|\\bsmi\\/er\\b|\\b\\/eg\\b|\\bharvinger\\b|\\b\\/et\\b|\\berjeres\\b|\\bhardet\\b|\\bt\\\xe6nktjer\\b|\\berjo\\b|\\bsti\\/\\b|\\bIappe\\b|\\bBeklagel\\\xe7\\b|\\bvardet\\b|\\bafden\\b|\\bsnupperjeg\\b|\\bikkejeg\\b|\\bbliverjeg\\b|\\bhartravit\\b|\\bpandekagef\\/ag\\b|\\bStormvarsell\\b|\\bstormvejn\\b|\\bmorgenkomp\\/et\\b|\\b\\/yv\\b|\\bvarjo\\b|\\b\\/eger\\b|\\bharjeg\\b|\\bhavdejeg\\b|\\bhvorjeg\\b|\\bn\\\xe5rjeg\\b|\\bg\\\xe5rvi\\b|\\batjeg\\b|\\bisine\\b|\\bf\\\xe5rjeg\\b|\\bk\\\xe6rtighed\\b|\\bskullejeg\\b|\\blaest\\b|\\blaese\\b|\\bg\\\xf8rjeg\\b|\\bg\\\xf8rvi\\b|\\bangrerjo\\b|\\bHvergang\\b|\\berder\\b|\\bvilletilgive\\b|\\b\\\ufb01eme\\b|\\bgenopst\\\xe5ri\\b|\\bsvigtejer\\b|\\bkommernu\\b|\\bn\\\xe5rman\\b|\\berfire\\b|\\bHvorfor\\\ufb01nderdu\\b|\\bundertigt\\b|\\bitroen\\b|\\berl\\\xf8gnt\\b|\\bg\\\xf8rden\\b|\\bforhelvede\\b|\\bhjpe\\b|\\btogeti\\b|\\bM\\\xe5jeg\\b|\\bsavnerjer\\b|\\berjeg\\b|\\bvaere\\b|\\bgeme\\b|\\btrorp\\\xe5\\b|\\bforham\\b|\\bafham\\b|\\bharjo\\b|\\bovema\\\ufb01et\\b|\\bbegae\\\ufb01ighed\\b|\\bsy\\\u2019g\\b|\\bImensjeg\\b|\\bbliverdu\\b|\\b\\\ufb01ser\\b|\\bmanipuierer\\b|\\bforjeg\\b|\\biivgivendefor\\b|\\bformig\\b|\\bHardu\\b|\\bfornold\\b|\\bdefrelste\\b|\\bS\\\xe5jeg\\b|\\bvarjeg\\b|\\bg\\\xf8rved\\b|\\bkalderjeg\\b|\\b\\\ufb02ytte\\b|\\bhandlerdet\\b|\\btrorjeg\\b|\\b\\\ufb02ytter\\b|\\bsoverjeg\\b|\\b\\\ufb01nderud\\b|\\bnaboerp\\\xe5\\b|\\bervildt\\b|\\bv\\\xe6reher\\b|\\bhyggerjer\\b|\\bborjo\\b|\\bkommerikke\\b|\\bfolkynde\\b|\\bfarglad\\b|\\bmisterjeg\\b|\\b\\\ufb01nt\\b|\\bHarl\\b|\\bbedejer\\b|\\bsynesjeg\\b|\\bvartil\\b|\\beren\\b|\\b\\\\Al\\b|\\b\\\\A\\b|\\bfjeme\\b|\\bIigefyldt\\b|\\bertil\\b|\\bfa\\\ufb01igt\\b|\\b\\\ufb01nder\\b|\\b\\\ufb01ndes\\b|\\birettesae\\\ufb01else\\b|\\bermed\\b|\\b\\\xe8n\\b|\\bgikjoi\\b|\\bHvisjeg\\b|\\bovema\\\ufb01er\\b|\\bhoident\\b|\\b\\\\Adne\\b|\\bfori\\b|\\bvei\\b|\\bsavnerjerjo\\b|\\belskerjer\\b|\\bharl\\\xf8jet\\b|\\beri\\b|\\b\\\ufb01ende\\b|\\bderjo\\b|\\bsigerjo\\b|\\bmenerjeg\\b|\\bHarjeg\\b|\\bsigerjeg\\b|\\bsplitterjeg\\b|\\berjournalist\\b|\\berjoumalist\\b|\\bForjeg\\b|\\bg\\\xe2rjeg\\b|\\bN\\\xe2rjeg\\b|\\ba\\\ufb02lom\\b|\\bfarerjo\\b|\\btagerjeg\\b|\\bVirkerjeg\\b|\\bmorerjer\\b|\\bkommerjo\\b|\\bistand\\b|\\bb\\\xf8m\\b|\\bfrygterjeg\\b|\\bkommerjeg\\b|\\beriournalistelev\\b|\\bharfat\\b|\\bf\\\xe5r\\\ufb01ngre\\b|\\bsl\\\xe2rjeg\\b|\\bbam\\b|\\berjournalistelev\\b|\\bpolitietjo\\b|\\belskerjo\\b|\\bvari\\b|\\bfornemmerjeres\\b|\\budkl\\\xe6kketl\\b|\\b\\\xed\\b|\\bnyi\\b|\\bIumijelse\\b|\\bvures\\b|\\bI\\/Vash\\\xedngtan\\b|\\bopleverjeg\\b|\\bPANTEL\\\xc3NER\\b|\\bGudmurgen\\b|\\bSKYDEV\\\xc3BEN\\b|\\bP\\\xc3LIDELIG\\b|\\bavertalte\\b|\\bOms\\\xedder\\b|\\blurteb\\\xe5d\\b|\\bTelrslning\\b|\\bmiU\\\xf8\\b|\\bg\\\xe5ri\\b|\\bFan\\/el\\b|\\babe\\\ufb01\\\xe6s\\b|\\bhartalt\\b|\\b\\\\\\\xc5rkelig\\b|\\bbeklagerjeg\\b|\\bN\\\xe5rjeg\\b|\\brnaend\\b|\\bvaskebjorn\\b|\\bIvil\\b|\\bbesog\\b|\\bVaer\\b|\\bUndersogte\\b|\\bmodte\\b|\\btoj\\b|\\bfodt\\b|\\bgore\\b|\\bprovede\\b|\\bforste\\b|\\bigang\\b|\\bligenu\\b|\\bclet\\b|\\bStrombell\\b|\\btmvlt\\b|\\bstudererjournalistik\\b|\\binforrnererjeg\\b|\\bomk\\\ufb01ng\\b|\\btilAsg\\\xe5rd\\b|\\bKederjeg\\b|\\bjaettetamp\\b|\\berjer\\b|\\batjulehygge\\b|\\bUeneste\\b|\\bfoltsaetter\\b|\\bA\\/ice\\b|\\btvivlerjeg\\b|\\bhenterjer\\b|\\bforst\\\xe5rjeg\\b|\\bhvisjeg\\b|\\b\\/\\\xe6rt\\b|\\bvfgtrgt\\b|\\bhurtigtjeg\\b|\\bkenderjo\\b|\\bseiv\\b|\\b\\/\\\xe6gehuset\\b|\\bherjo\\b|\\bstolerjeg\\b|\\bdigi\\b|\\btaberi\\b|\\bsl\\\xe5rjeres\\b|\\blaere\\b|\\btr\\\xe6nerwushu\\b|\\befterjeg\\b|\\be\\\ufb01er\\b|\\bdui\\b|\\ba\\\ufb01en\\b|\\bbliveri\\b|\\bacceptererjer\\b|\\bdrikkerjo\\b|\\b\\\ufb01anjin\\b|\\berl\\\xe6nge\\b|\\berikke\\b|\\bmedjer\\b|\\bTmykke\\b|\\b\\'\\\ufb01anjins\\b|\\bMesteri\\b|\\bsagdetil\\b|\\bindei\\b|\\bo\\\ufb01e\\b|\\b\\'\\\ufb01lgiv\\b|\\bLf\\\xe5r\\b|\\bviserjer\\b|\\bRejsjerblot\\b|\\b\\'\\\ufb01llad\\b|\\biiiie\\\ufb01nger\\b|\\bVILOMFATTE\\b|\\bmo\\\ufb01o\\b|\\bg\\\xf8rjer\\b|\\bgifi\\b|\\bhardu\\b|\\bgi\\\ufb01\\b|\\bIaeggerjeg\\b|\\biet\\b|\\bsv\\/yte\\b|\\bti\\/\\b|\\bWdal\\b|\\b\\\ufb01\\\xe5et\\b|\\bHvo\\/for\\b|\\bhellerikke\\b|\\bWlle\\b|\\bdr\\/ver\\b|\\bV\\\\\\\ufb02lliam\\b|\\bV\\\\\\\ufb02lliams\\b|\\bVk\\\ufb01lliam\\b|\\bv\\\xe5dejakke\\b|\\bk\\\xe6\\\ufb02l\\b|\\bsagdejeg\\b|\\boven\\/ejet\\b|\\bkarameisauce\\b|\\bLf\\\xf8lgej\\\xf8disk\\b|\\bblevjo\\b|\\basiateri\\b|\\berV\\\\\\\ufb02lliam\\b|\\blidt\\\ufb02ov\\b|\\bsagdejo\\b|\\berlige\\b|\\bVt\\\ufb01lliam\\b|\\bW\\\ufb01II\\b|\\ba\\\ufb02darede\\b|\\bhj\\\xe6iperjeg\\b|\\bladerjeg\\b|\\bH\\\xe2ndledsbeskyttere\\b|\\bLsabels\\b|\\bG\\\xf8rjeg\\b|\\bm\\\xe2jeg\\b|\\bogjeg\\b|\\bgjordejeg\\b|\\bvillejeg\\b|\\bVl\\\ufb02lliams\\b|\\bDajeg\\b|\\biorden\\b|\\bfandtjeg\\b|\\bTilykke\\b|\\bk\\\xf8rerjer\\b|\\bg\\\xf8fjeg\\b|\\bSelvflgelig\\b|\\bfdderLine truncated
|
|
|
|
|
'deu': {'BeginLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'EndLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict([(u'IVI', u'M'), (u'IVl', u'M'), (u'I\\/I', u'M'), (u'I\\/l', u'M'), (u'lVI', u'M'), (u'lVl', u'M'), (u'l\\/I', u'M'), (u'l\\/l', u'M'), (u'\xa4', u'o')]),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict([(u'/a', u'Ja'), (u'/ch', u'Ich'), (u'/d/of', u'Idiot'), (u'/ebte', u'lebte'), (u'/eid', u'leid'), (u'/hn', u'ihn'), (u'/hnen', u'Ihnen'), (u'/hr', u'Ihr'), (u'/hre', u'Ihre'), (u'/hren', u'Ihren'), (u'/m', u'im'), (u'/mmer', u'immer'), (u'/n', u'In'), (u'/ndividuen', u'Individuen'), (u'/nn', u'Inn'), (u'/oe', u'Joe'), (u'/sf', u'ist'), (u'/sf/0/1n', u'Ist John'), (u'/ungs', u'Jungs'), (u'/Vfinuten', u'Minuten'), (u'/\xe9nger', u'l\xe4nger'), (u'/\xe9uft', u'l\xe4uft'), (u'0/1', u'Oh'), (u'0/me', u'ohne'), (u'0/vne', u'ohne'), (u'00om', u'000 m'), (u'100m', u'100 m'), (u'120m', u'120 m'), (u'13Oj\xa7hrie', u'130-j\xe4hrige'), (u'145m', u'145 m'), (u'150m', u'150 m'), (u'160m', u'160 m'), (u'165m', u'165 m'), (u'19m', u'19 m'), (u'20m', u'20 m'), (u'27m', u'27 m'), (u'30m', u'30 m'), (u'37m', u'37 m'), (u'38m', u'38 m'), (u'3km', u'3 km'), (u'5/ch', u'sich'), (u'5/cher', u'sicher'), (u'5/cherer', u'sicherer'), (u'5/e', u'Sie'), (u'5/nd', u'Sind'), (u'500m', u'500 m'), (u'5ulSere', u'\xe4u\xdfere'), (u'60m', u'60 m'), (u'6de', u'\xf6de'), (u'6dere', u'\xf6dere'), (u'6ffne', u'\xf6ffne'), (u'6ffnen', u'\xf6ffnen'), (u'6ffnet', u'\xd6ffnet'), (u'6fter', u'\xf6fter'), (u'750m', u'750 m'), (u'85m', u'85 m'), (u'90m', u'90 m'), (u'a//em', u'allem'), (u'A//es', u'Alles'), (u'abbeif$en', u'abbei\xdfen'), (u'abdrficken', u'abdr\xfccken'), (u'aBen', u'a\xdfen'), (u'abergl\xe9iubischen', u'abergl\xe4ubischen'), (u'aberja', u'aber ja'), (u'aberjemand', u'aber jemand'), (u'Aberjetzt', u'Aber jetzt'), (u'abf\xe9hrt', u'abf\xe4hrt'), (u'abf\xe9illt', u'abf\xe4llt'), (u'abgef\xe9rbt', u'abgef\xe4rbt'), (u'abgeh\xe9ngt', u'abgeh\xe4ngt'), (u'abgeh\xe9rt', u'abgeh\xf6rt'), (u'abgelost', u'abgel\xf6st'), (u'abgesprengli', u'abgesprengt!'), (u'abgestfirztl', u'abgest\xfcrzt'), (u'abgestilrzt', u'abgest\xfcrzt'), (u'abgestofien', u'abgesto\xdfen'), (u'abgew\xe9hlt', u'abgew\xe4hlt'), (u'abgew\xe9hnen', u'abgew\xf6hnen'), (u'abgew\xe9hnt', u'abgew\xf6hnt'), (u'abge\xe9nderten', u'abge\xe4nderten'), (u'abh\xe9ingt', u'abh\xe4ngt'), (u'abh\xe9ngen', u'abh\xe4ngen'), (u'abh\xe9ngig', u'abh\xe4ngig'), (u'abh\xe9ngiges', u'abh\xe4ngiges'), (u'Abh\xe9rstationen', u'Abh\xf6rstationen'), (u'Abjetzt', u'Ab jetzt'), (u'abkfihlen', u'abk\xfchlen'), (u'Abkfirzung', u'Abk\xfcrzung'), (u'abkommlich', u'abk\xf6mmlich'), (u'Ablegenl', u'Ablegen!'), (u'ablfisen', u'abl\xf6sen'), (u'ablosen', u'abl\xf6sen'), (u'Ablosung', u'Abl\xf6sung'), (u'abreif$en', u'abrei\xdfen'), (u'Abrijcken', u'Abr\xfccken'), (u'abr\xe9umen', u'abr\xe4umen'), (u'Absch/ed', u'Abschied'), (u'abschiefien', u'abschie\xdfen'), (u'abschlief$en', u'abschlie\xdfen'), (u'abschliefien', u'abschlie\xdfen'), (u'abschwiiren', u'abschw\xf6ren'), (u'abstoflsend', u'absto\xdfend'), (u'Abtrijnnige', u'Abtr\xfcnnige'), (u'abwiirgt', u'abw\xfcrgt'), (u'abw\xe9gen', u'abw\xe4gen'), (u'abzuh\xe9ren', u'abzuh\xf6ren'), (u'abzuschwiiren', u'abzuschw\xf6ren'), (u'abzusfofien', u'abzusto\xdfen'), (u'ACh', u'Ach'), (u'Achtungl', u'Achtung!'), (u'Achzen', u'\xc4chzen'), (u'ACHZT', u'\xc4CHZT'), (u'Acic', u'Acid'), (u'ADDRESSDATEI', u'ADRESSDATEI'), (u'Adi\xf6s', u'Adi\xf3s'), (u'Admiralitat', u'Admiralit\xe4t'), (u'Admiralit\xe9it', u'Admiralit\xe4t'), (u'Admiralit\xe9t', u'Admiralit\xe4t'), (u'Aff\xe9re', u'Aff\xe4re'), (u'Aff\xe9ren', u'Aff\xe4ren'), (u'AFl', u'AFI'), (u'aggresivem', u'aggressivem'), (u'Agypten', u'\xc4gypten'), (u'aher', u'aber'), (u'AI/en/vichtigste', u'Allerwichtigste'), (u'Ain/vays', u'Airways'), (u'AIs', u'Als'), (u'Aktivit\xe9iten', u'Aktivit\xe4ten'), (u'Aktivit\xe9ten', u'Aktivit\xe4ten'), (u'AKTMERT', u'AKTIVIERT'), (u'Alarmsfufe', u'Alarmstufe'), (u'albem', u'albern'), (u'Albtriiume', u'Albtr\xe4ume'), (u'ale', u'als'), (u'alleinl', u'allein!'), (u'allejubeln', u'alle jubeln'), (u'allern\xe9chsten', u'allern\xe4chsten'), (u'Allmiichtigerl', u'Allm\xe4chtiger!'), (u'Allm\xe9chtige', u'Allm\xe4chtige'), (u'Allm\xe9chtiger', u'Allm\xe4chtiger'), (u'allm\xe9hlich', u'allm\xe4hlich'), (u'Allm\xe9ichtiger', u'Allm\xe4chtiger'), (u'Allsparkl', u'Allspark!'), (u'allt\xe9iglichen', u'allt\xe4glichen'), (u'ALTESTE', u'\xc4LTESTE'), (u'Altester', u'\xc4ltester'), (u'Alzte', u'\xc4rzte'), (u"Amerx'kaner", u'Amerikaner'), (u'amfisierst', u'am\xfcsierst'), (u'Amiilsierst', u'Am\xfcsierst'), (u'amiisieren', u'am\xfcsieren'), (u'amiisierenl', u'am\xfcsieren!'), (u'amiisierte', u'am\xfcsierte'), (u'Amijsant', u'Am\xfcsant'), (u'amlllsant', u'am\xfcsant'), (u'amlllsiert', u'am\xfcsiert'), (u'amtlsant', u'am\xfcsant'), (u'Amusanf', u'Am\xfcsant'), (u'amusant', u'am\xfcsant'), (u'Amusiert', u'Am\xfcsiert'), (u'Anderst', u'\xc4nderst'), (u'Anderung', u'\xc4nderung'), (u'Anderungen', u'\xc4nderungen'), (u"anfa'ngt", u'anf\xe4ngt'), (u'Anffihrer', u'Anf\xfchrer'), (u'Anffingerl', u'Anf\xe4nger!'), (u'Anfiihrer', u'Anf\xfchrer'), (u'anfijhlt', u'anf\xfchlt'), (u'Anfingerl', u'Anf\xe4nger!'), (u'Anfuhrer', u'Anf\xfchrer'), (u'Anfuhrern', u'Anf\xfchreLine truncated
|
|
|
|
|
'pattern': u"(um)\\b\\/a\\b|\\b\\/ch\\b|\\b\\/d\\/of\\b|\\b\\/ebte\\b|\\b\\/eid\\b|\\b\\/hn\\b|\\b\\/hnen\\b|\\b\\/hr\\b|\\b\\/hre\\b|\\b\\/hren\\b|\\b\\/m\\b|\\b\\/mmer\\b|\\b\\/n\\b|\\b\\/ndividuen\\b|\\b\\/nn\\b|\\b\\/oe\\b|\\b\\/sf\\b|\\b\\/sf\\/0\\/1n\\b|\\b\\/ungs\\b|\\b\\/Vfinuten\\b|\\b\\/\\\xe9nger\\b|\\b\\/\\\xe9uft\\b|\\b0\\/1\\b|\\b0\\/me\\b|\\b0\\/vne\\b|\\b00om\\b|\\b100m\\b|\\b120m\\b|\\b13Oj\\\xa7hrie\\b|\\b145m\\b|\\b150m\\b|\\b160m\\b|\\b165m\\b|\\b19m\\b|\\b20m\\b|\\b27m\\b|\\b30m\\b|\\b37m\\b|\\b38m\\b|\\b3km\\b|\\b5\\/ch\\b|\\b5\\/cher\\b|\\b5\\/cherer\\b|\\b5\\/e\\b|\\b5\\/nd\\b|\\b500m\\b|\\b5ulSere\\b|\\b60m\\b|\\b6de\\b|\\b6dere\\b|\\b6ffne\\b|\\b6ffnen\\b|\\b6ffnet\\b|\\b6fter\\b|\\b750m\\b|\\b85m\\b|\\b90m\\b|\\ba\\/\\/em\\b|\\bA\\/\\/es\\b|\\babbeif\\$en\\b|\\babdrficken\\b|\\baBen\\b|\\babergl\\\xe9iubischen\\b|\\baberja\\b|\\baberjemand\\b|\\bAberjetzt\\b|\\babf\\\xe9hrt\\b|\\babf\\\xe9illt\\b|\\babgef\\\xe9rbt\\b|\\babgeh\\\xe9ngt\\b|\\babgeh\\\xe9rt\\b|\\babgelost\\b|\\babgesprengli\\b|\\babgestfirztl\\b|\\babgestilrzt\\b|\\babgestofien\\b|\\babgew\\\xe9hlt\\b|\\babgew\\\xe9hnen\\b|\\babgew\\\xe9hnt\\b|\\babge\\\xe9nderten\\b|\\babh\\\xe9ingt\\b|\\babh\\\xe9ngen\\b|\\babh\\\xe9ngig\\b|\\babh\\\xe9ngiges\\b|\\bAbh\\\xe9rstationen\\b|\\bAbjetzt\\b|\\babkfihlen\\b|\\bAbkfirzung\\b|\\babkommlich\\b|\\bAblegenl\\b|\\bablfisen\\b|\\bablosen\\b|\\bAblosung\\b|\\babreif\\$en\\b|\\bAbrijcken\\b|\\babr\\\xe9umen\\b|\\bAbsch\\/ed\\b|\\babschiefien\\b|\\babschlief\\$en\\b|\\babschliefien\\b|\\babschwiiren\\b|\\babstoflsend\\b|\\bAbtrijnnige\\b|\\babwiirgt\\b|\\babw\\\xe9gen\\b|\\babzuh\\\xe9ren\\b|\\babzuschwiiren\\b|\\babzusfofien\\b|\\bACh\\b|\\bAchtungl\\b|\\bAchzen\\b|\\bACHZT\\b|\\bAcic\\b|\\bADDRESSDATEI\\b|\\bAdi\\\xf6s\\b|\\bAdmiralitat\\b|\\bAdmiralit\\\xe9it\\b|\\bAdmiralit\\\xe9t\\b|\\bAff\\\xe9re\\b|\\bAff\\\xe9ren\\b|\\bAFl\\b|\\baggresivem\\b|\\bAgypten\\b|\\baher\\b|\\bAI\\/en\\/vichtigste\\b|\\bAin\\/vays\\b|\\bAIs\\b|\\bAktivit\\\xe9iten\\b|\\bAktivit\\\xe9ten\\b|\\bAKTMERT\\b|\\bAlarmsfufe\\b|\\balbem\\b|\\bAlbtriiume\\b|\\bale\\b|\\balleinl\\b|\\ballejubeln\\b|\\ballern\\\xe9chsten\\b|\\bAllmiichtigerl\\b|\\bAllm\\\xe9chtige\\b|\\bAllm\\\xe9chtiger\\b|\\ballm\\\xe9hlich\\b|\\bAllm\\\xe9ichtiger\\b|\\bAllsparkl\\b|\\ballt\\\xe9iglichen\\b|\\bALTESTE\\b|\\bAltester\\b|\\bAlzte\\b|\\bAmerx\\'kaner\\b|\\bamfisierst\\b|\\bAmiilsierst\\b|\\bamiisieren\\b|\\bamiisierenl\\b|\\bamiisierte\\b|\\bAmijsant\\b|\\bamlllsant\\b|\\bamlllsiert\\b|\\bamtlsant\\b|\\bAmusanf\\b|\\bamusant\\b|\\bAmusiert\\b|\\bAnderst\\b|\\bAnderung\\b|\\bAnderungen\\b|\\banfa\\'ngt\\b|\\bAnffihrer\\b|\\bAnffingerl\\b|\\bAnfiihrer\\b|\\banfijhlt\\b|\\bAnfingerl\\b|\\bAnfuhrer\\b|\\bAnfuhrern\\b|\\bAnf\\\xe9inger\\b|\\bAnf\\\xe9ingergliick\\b|\\bAnf\\\xe9nge\\b|\\banf\\\xe9ngst\\b|\\banf\\\xe9ngt\\b|\\bangebrfillt\\b|\\bangebrullt\\b|\\bangefiihrt\\b|\\bANGEHCHDRIGE\\b|\\bangehfirt\\b|\\bAngehtirigen\\b|\\bangeh\\\xe9ren\\b|\\bangeh\\\xe9rt\\b|\\bangel\\\xe9chelt\\b|\\bangerilhrt\\b|\\banger\\\ufb02hrt\\b|\\bangeschweifit\\b|\\bangespruht\\b|\\bangetiltert\\b|\\bAngriffspl\\\xe9nen\\b|\\bAngstschweili\\b|\\banhiiren\\b|\\bAnh\\\xe9inger\\b|\\banh\\\xe9lt\\b|\\banh\\\xe9ngen\\b|\\banh\\\xe9ren\\b|\\bankijndigen\\b|\\banliigen\\b|\\banlugen\\b|\\banmal3ende\\b|\\bann\\\xe9hern\\b|\\banriihrst\\b|\\banrijuhren\\b|\\banst\\\xe9indig\\b|\\banst\\\xe9indiger\\b|\\banst\\\xe9indiges\\b|\\banst\\\xe9ndig\\b|\\banst\\\xe9ndige\\b|\\banst\\\xe9ndigen\\b|\\bAnst\\\xe9ndiges\\b|\\bAntik\\\xe9rper\\b|\\bAntiquit\\\xe9t\\b|\\bAntistrahlenger\\\xe9t\\b|\\bantwortenl\\b|\\bAnwe\\/sung\\b|\\bAnwe\\/sungen\\b|\\bAnw\\\xe9iltin\\b|\\bAnw\\\xe9lte\\b|\\bAnw\\\xe9ltin\\b|\\bAnzilge\\b|\\bAnztinden\\b|\\bAnzuge\\b|\\bAnzugen\\b|\\banzuhiiren\\b|\\banzuhoren\\b|\\banzundenl\\b|\\banzupiibeln\\b|\\bAn\\\xe9sthesie\\b|\\bAn\\\xe9sthesieprofessor\\b|\\bAn\\\xe9sthesieteam\\b|\\bAn\\\xe9sthesist\\b|\\bAn\\\xe9sthesisten\\b|\\bAn\\\xe9sthetikum\\b|\\bARBEITERI\\b|\\bArbeitsfl\\\ufb02gel\\b|\\bArmeefunkger\\\xe9t\\b|\\bArmel\\b|\\bArschkichern\\b|\\bArschliicher\\b|\\bArschliichern\\b|\\bArschl\\\xe9cher\\b|\\bArschl\\\xe9chern\\b|\\bArzte\\b|\\bArzten\\b|\\bArztin\\b|\\bAtemger\\\xe9usche\\b|\\bAtlantikkiiste\\b|\\bAtlantikkuste\\b|\\bATMOSPHARE\\b|\\bAtmosph\\\xe9re\\b|\\bAtmosph\\\xe9renbereich\\b|\\bAtmosph\\\xe9reneinflugsequenz\\b|\\bAtmosph\\\xe9reneintritt\\b|\\bAttenfaiter\\b|\\bAttent\\\xe9iter\\b|\\bAttent\\\xe9ter\\b|\\bAttent\\\xe9ters\\b|\\bAttraktivit\\\xe9t\\b|\\bauBen\\b|\\bAubenblick\\b|\\bAuBenbord\\b|\\bAuBenwelt\\b|\\bauBer\\b|\\bAuBerdem\\b|\\bauBerhalb\\b|\\bauc\\/1\\b|\\bauchl\\b|\\bAuf\\$erdem\\b|\\bauf3er\\b|\\baufAugenh6he\\b|\\baufblilhende\\b|\\bauff\\'a\\'ngt\\b|\\bAuff\\\xe9lliges\\b|\\baufgebltiht\\b|\\baufgeftlhrt\\b|\\baufgeh\\\xe9ingt\\b|\\baufgeh\\\xe9rt\\b|\\baufgekl\\\xe9rt\\b|\\baufger\\\xe9umt\\b|\\baufgespiefit\\b|\\baufgewiihlter\\b|\\baufgez\\\xe9hlt\\b|\\bAufh6ren\\b|Line truncated
|
|
|
|
|
'eng': {'BeginLines': {'data': OrderedDict([(u'Don,t ', u"Don't "), (u'Can,t ', u"Can't "), (u'Let,s ', u"Let's "), (u'He,s ', u"He's "), (u'I,m ', u"I'm "), (u'I,ve ', u"I've "), (u'I,ll ', u"I'll "), (u'You,ll ', u"You'll "), (u'T hey ', u'They '), (u'T here ', u'There '), (u'W here ', u'Where '), (u'M aybe ', u'Maybe '), (u'S hould ', u'Should '), (u'|was', u'I was'), (u'|am ', u'I am'), (u'No w, ', u'Now, '), (u'l... I ', u'I... I '), (u'L... I ', u'I... I '), (u'lrn gonna', u"I'm gonna"), (u"-l don't", u"-I don't"), (u"l don't", u"I don't"), (u'L ', u'I '), (u'-L ', u'-I '), (u'- L ', u'- I '), (u'-l ', u'-I '), (u'- l ', u'- I '), (u'G0', u'Go'), (u'GO get', u'Go get'), (u'GO to', u'Go to'), (u'GO for', u'Go for'), (u'Ifl', u'If I'), (u"lt'll", u"It'll"), (u"Lt'll", u"It'll"), (u'IVIa', u'Ma'), (u'IVIu', u'Mu'), (u'0ne', u'One'), (u'0nly', u'Only'), (u'0n ', u'On '), (u'lt ', u'It '), (u'Lt ', u'It '), (u"lt's ", u"It's "), (u"Lt's ", u"It's "), (u'ln ', u'In '), (u'Ln ', u'In '), (u'l-in ', u'I-in '), (u'l-impossible', u'I-impossible'), (u'l- impossible', u'I-impossible'), (u'L- impossible', u'I-impossible'), (u"l-isn't ", u"I-isn't "), (u"L-isn't ", u"I-isn't "), (u"l- isn't ", u"I-isn't "), (u"L- isn't ", u"I-isn't "), (u'l- l ', u'I-I '), (u'L- l ', u'I-I '), (u'l- it ', u'I-it '), (u'L- it ', u'I-it '), (u'Ls it ', u'Is it '), (u'Ls there ', u'Is there '), (u'Ls he ', u'Is he '), (u'Ls she ', u'Is she '), (u'L can', u'I can'), (u'l can', u'I can'), (u"L'm ", u"I'm "), (u"L' m ", u"I'm "), (u"Lt' s ", u"It's "), (u"I']I ", u"I'll "), (u'...ls ', u'...Is '), (u'- ls ', u'- Is '), (u'...l ', u'...I '), (u'Ill ', u"I'll "), (u'L hope ', u'I hope '), (u"|\u2019E'$ ", u"It's "), (u"The y're ", u"They're "), (u'<i>/ ', u'<i>I '), (u'/ ', u'I '), (u'<i>/n ', u'<i>In '), (u'/n ', u'In '), (u'<i>Ana\u2019 ', u'<i>And '), (u"<i>Ana' ", u'<i>And '), (u'~ ', u'- '), (u"<i>A'|'|'EN BOROUGH:", u'<i>ATTENBOROUGH:'), (u"A'|'|'EN BOROUGH:", u'ATTENBOROUGH:'), (u"DAVID A'|'|'EN BOROUGH:", u'DAVID ATTENBOROUGH:'), (u"AT|'EN BOROUGH:", u'ATTENBOROUGH:'), (u"DAVID AT|'EN BOROUGH:", u'DAVID ATTENBOROUGH:'), (u"<i>AT|'EN BOROUGH:", u'<i>ATTENBOROUGH:'), (u'TH REE ', u'THREE '), (u'NARRA TOR', u'NARRATOR'), (u'<i>NARRA TOR', u'<i>NARRATOR'), (u"lt'syour", u"It's your"), (u"It'syour", u"It's your"), (u'Ls ', u'Is ')]),
|
|
|
|
|
'pattern': u"(um)^\\bDon\\,t\\ \\b|\\bCan\\,t\\ \\b|\\bLet\\,s\\ \\b|\\bHe\\,s\\ \\b|\\bI\\,m\\ \\b|\\bI\\,ve\\ \\b|\\bI\\,ll\\ \\b|\\bYou\\,ll\\ \\b|\\bT\\ hey\\ \\b|\\bT\\ here\\ \\b|\\bW\\ here\\ \\b|\\bM\\ aybe\\ \\b|\\bS\\ hould\\ \\b|\\b\\|was\\b|\\b\\|am\\ \\b|\\bNo\\ w\\,\\ \\b|\\bl\\.\\.\\.\\ I\\ \\b|\\bL\\.\\.\\.\\ I\\ \\b|\\blrn\\ gonna\\b|\\b\\-l\\ don\\'t\\b|\\bl\\ don\\'t\\b|\\bL\\ \\b|\\b\\-L\\ \\b|\\b\\-\\ L\\ \\b|\\b\\-l\\ \\b|\\b\\-\\ l\\ \\b|\\bG0\\b|\\bGO\\ get\\b|\\bGO\\ to\\b|\\bGO\\ for\\b|\\bIfl\\b|\\blt\\'ll\\b|\\bLt\\'ll\\b|\\bIVIa\\b|\\bIVIu\\b|\\b0ne\\b|\\b0nly\\b|\\b0n\\ \\b|\\blt\\ \\b|\\bLt\\ \\b|\\blt\\'s\\ \\b|\\bLt\\'s\\ \\b|\\bln\\ \\b|\\bLn\\ \\b|\\bl\\-in\\ \\b|\\bl\\-impossible\\b|\\bl\\-\\ impossible\\b|\\bL\\-\\ impossible\\b|\\bl\\-isn\\'t\\ \\b|\\bL\\-isn\\'t\\ \\b|\\bl\\-\\ isn\\'t\\ \\b|\\bL\\-\\ isn\\'t\\ \\b|\\bl\\-\\ l\\ \\b|\\bL\\-\\ l\\ \\b|\\bl\\-\\ it\\ \\b|\\bL\\-\\ it\\ \\b|\\bLs\\ it\\ \\b|\\bLs\\ there\\ \\b|\\bLs\\ he\\ \\b|\\bLs\\ she\\ \\b|\\bL\\ can\\b|\\bl\\ can\\b|\\bL\\'m\\ \\b|\\bL\\'\\ m\\ \\b|\\bLt\\'\\ s\\ \\b|\\bI\\'\\]I\\ \\b|\\b\\.\\.\\.ls\\ \\b|\\b\\-\\ ls\\ \\b|\\b\\.\\.\\.l\\ \\b|\\bIll\\ \\b|\\bL\\ hope\\ \\b|\\b\\|\\\u2019E\\'\\$\\ \\b|\\bThe\\ y\\'re\\ \\b|\\b\\<i\\>\\/\\ \\b|\\b\\/\\ \\b|\\b\\<i\\>\\/n\\ \\b|\\b\\/n\\ \\b|\\b\\<i\\>Ana\\\u2019\\ \\b|\\b\\<i\\>Ana\\'\\ \\b|\\b\\~\\ \\b|\\b\\<i\\>A\\'\\|\\'\\|\\'EN\\ BOROUGH\\:\\b|\\bA\\'\\|\\'\\|\\'EN\\ BOROUGH\\:\\b|\\bDAVID\\ A\\'\\|\\'\\|\\'EN\\ BOROUGH\\:\\b|\\bAT\\|\\'EN\\ BOROUGH\\:\\b|\\bDAVID\\ AT\\|\\'EN\\ BOROUGH\\:\\b|\\b\\<i\\>AT\\|\\'EN\\ BOROUGH\\:\\b|\\bTH\\ REE\\ \\b|\\bNARRA\\ TOR\\b|\\b\\<i\\>NARRA\\ TOR\\b|\\blt\\'syour\\b|\\bIt\\'syour\\b|\\bLs\\ \\b"},
|
|
|
|
|
'EndLines': {'data': OrderedDict([(u', sin', u', sir.'), (u' mothen', u' mother.'), (u" can't_", u" can't."), (u' openiL', u' open it.'), (u' of\ufb02', u' off!'), (u'pshycol', u'psycho!')]),
|
|
|
|
|
'pattern': u"(um)\\b\\,\\ sin\\b|\\b\\ mothen\\b|\\b\\ can\\'t\\_\\b|\\b\\ openiL\\b|\\b\\ of\\\ufb02\\b|\\bpshycol\\b$"},
|
|
|
|
|
'PartialLines': {'data': OrderedDict([(u' /be ', u' I be '), (u" aren '1'", u" aren't"), (u" aren'tyou", u" aren't you"), (u" doesn '1'", u" doesn't"), (u" fr/eno'", u' friend'), (u" fr/eno'.", u' friend.'), (u" haven 'z' ", u" haven't "), (u" haven 'z'.", u" haven't."), (u' I ha ve ', u' I have '), (u" I']I ", u" I'll "), (u' L am', u' I am'), (u' L can', u' I can'), (u" L don't ", u" I don't "), (u' L hate ', u' I hate '), (u' L have ', u' I have '), (u' L like ', u' I like '), (u' L will', u' I will'), (u' L would', u' I would'), (u" L'll ", u" I'll "), (u" L've ", u" I've "), (u' m y family', u' my family'), (u" 's ", u"'s "), (u" shou/dn '1 ", u" shouldn't "), (u" won 'z' ", u" won't "), (u" won 'z'.", u" won't."), (u" wou/c/n 'z' ", u" wouldn't "), (u" wou/c/n 'z'.", u" wouldn't."), (u" wou/dn 'z' ", u" wouldn't "), (u" wou/dn 'z'.", u" wouldn't."), (u'/ did', u'I did'), (u'/ have ', u'I have '), (u'/ just ', u'I just '), (u'/ loved ', u'I loved '), (u'/ need', u'I need'), (u'|was11', u'I was 11'), (u'at Hrst', u'at first'), (u"B ullshiz'", u'Bullshit'), (u'big lunk', u'love you'), (u"can 't", u"can't"), (u"can' t ", u"can't "), (u"can 't ", u"can't "), (u'CHA TTERING', u'CHATTERING'), (u'come 0n', u'come on'), (u'Come 0n', u'Come on'), (u"couldn 't", u"couldn't"), (u"couldn' t ", u"couldn't "), (u"couldn 't ", u"couldn't "), (u"Destin y's", u"Destiny's"), (u"didn 't", u"didn't"), (u"didn' t ", u"didn't "), (u"didn 't ", u"didn't "), (u"Doesn '1'", u"Doesn't"), (u"doesn '1' ", u"doesn't "), (u"doesn '1\u2018 ", u"doesn't "), (u"doesn 't", u"doesn't"), (u"doesn'1' ", u"doesn't "), (u"doesn'1\u2018 ", u"doesn't "), (u"don '1' ", u"don't "), (u"don '1\u2018 ", u"don't "), (u"don '2' ", u"don't "), (u" aren '2'", u" aren't"), (u"aren '2' ", u"aren't "), (u"don '2\u2018 ", u"don't "), (u"don 't", u"don't"), (u"Don' t ", u"Don't "), (u"Don 't ", u"Don't "), (u"don'1' ", u"don't "), (u"don'1\u2018 ", u"don't "), (u"there '5 ", u"there's "), (u'E very', u'Every'), (u'get 0n', u'get on'), (u'go 0n', u'go on'), (u'Go 0n', u'Go on'), (u"H3993' birthday", u'Happy birthday'), (u"hadn 't", u"hadn't"), (u"he 's", u"he's"), (u"He 's", u"He's"), (u'He y', u'Hey'), (u'he)/', u'hey'), (u'He)/', u'Hey'), (u'HEA VY', u'HEAVY'), (u'Hold 0n', u'Hold on'), (u'I am. ls', u'I am. Is'), (u'I d0', u'I do'), (u"I 'm", u"I'm"), (u"I 'rn ", u"I'm "), (u"I 've", u"I've"), (u'I0 ve her', u'love her'), (u'I0 ve you', u'love you'), (u"I02'", u'lot'), (u"I'm sony", u"I'm sorry"), (u"isn' t ", u"isn't "), (u"isn 't ", u"isn't "), (u'K)/le', u'Kyle'), (u'L ook', u'Look'), (u'let me 90', u'let me go'), (u'Let me 90', u'Let me go'), (u"let's 90", u"let's go"), (u"Let's 90", u"Let's go"), (u'lfl had', u'If I had'), (u'lova you', u'love you'), (u'Lova you', u'love you'), (u'lovo you', u'love you'), (u'Lovo you', u'love you'), (u'ls anyone', u'Is anyone'), (u'ls he', u'Is he'), (u'-ls he', u'- Is he'), (u'ls it', u'Is it'), (u'-ls it', u'- Is it'), (u'ls she', u'Is she'), (u'-ls she', u'- Is she'), (u'ls that', u'Is that'), (u'-ls that', u'- Is that'), (u'ls this', u'Is this'), (u'-ls this', u'- Is this'), (u'Maze] tov', u'Mazel tov'), (u"N02' ", u'Not '), (u' of 0ur ', u' of our '), (u' ot mine ', u' of mine '), (u'PLA YING', u'PLAYING'), (u'REPEA TING ', u'REPEATING '), (u'Sa y', u'Say'), (u"she 's", u"she's"), (u"She 's", u"She's"), (u"shouldn 't", u"shouldn't"), (u'sta y', u'stay'), (u'Sta y', u'Stay'), (u'SWO rd', u'Sword'), (u'taka care', u'take care'), (u'Taka care', u'Take care'), (u'the Hrst', u'the first'), (u'toc late', u'too late'), (u'uf me', u'of me'), (u'uf our', u'of our'), (u'wa y', u'way'), (u'Wal-I\\/Iart', u'Wal-Mart'), (u"wasn '1' ", u"wasn't "), (u"Wasn '1' ", u"Wasn't "), (u"wasn '1\u2018 ", u"wasn't "), (u"Wasn '1\u2018 ", u"Wasn't "), (u"wasn 't", u"wasn't"), (u"Wasn 't", u"Wasn't"), (u"we 've", u"we've"), (u"We 've", u"We've"), (u"wem' off", u'went off'), (u"weren 't", u"weren't"), (u"who 's", u"who's"), (u"won 't", u"won't"), (u'would ha ve', u'would have '), (u"wouldn 't", u"wouldn't"), (u"Wouldn 't", u"Wouldn't"), (u'y()u', u'you'), (u'you QUYS', u'you guys'), (u"you' re ", u"you're "), (u"you 're ", u"you're "), (u"you 've", u"you've"), (u"You 've", u"You've"), (u"you' ve ", u"you've "), (u"you 've ", u"you've "), (u'aftera while', u'after a while'), (u'Aftera while', u'After a while'), (u'THUN DERCLAPS', u'THUNDERCLAPS'), (u'(BUZZI N G)', u'(BUZZING)'), (u'[BUZZI N G]', u'[BUZZING]'), (u'(G RU NTING', u'(GRUNTING'), (u'[G RU NTING', u'[GRUNTING'), (u'(G ROWLING', u'(GROWLING'), (u'[G ROWLING', u'[GROWLING'), (u' WAI LS)', u'WAILS)'), (u' WAI LS]', u'WAILS]'), (u'(scu RRYING)', u'(SCURRYING)'), (u'[scu RRYING]', u'[SCURRYING]'), (u'(GRUNT5)', u'(GRUNTS)'), (u'[GRUNT5]', u'[GRUNTS]'), (u'NARRA TOR:', u'NARRATOR:'), (u'(GROAN ING', u'(GROANING'), (u'[GROAN ING', u'[GROANING'), (u'GROAN ING)', u'GROANING)'), (u'GROAN ING]', u'GROANING]'), (u'(LAUGH ING', u'(LAUGHING'), (u'[LAUGH ING', u'[LAUGHING'), (u'LAUGLine truncated
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict([(u'\xa4', u'o'), (u'lVI', u'M'), (u'IVl', u'M'), (u'lVl', u'M'), (u'I\\/I', u'M'), (u'l\\/I', u'M'), (u'I\\/l', u'M'), (u'l\\/l', u'M'), (u'IVIa', u'Ma'), (u'IVIe', u'Me'), (u'IVIi', u'Mi'), (u'IVIo', u'Mo'), (u'IVIu', u'Mu'), (u'IVIy', u'My')]),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict([(u'H ey.', u'Hey.'), (u'He)\u2019-', u'Hey.'), (u'N0.', u'No.'), (u'-N0.', u'-No.'), (u'Noll', u'No!!'), (u'(G ROANS)', u'(GROANS)'), (u'[G ROANS]', u'[GROANS]'), (u'(M EOWS)', u'(MEOWS)'), (u'[M EOWS]', u'[MEOWS]'), (u'Uaughs]', u'[laughs]'), (u'[chitte rs]', u'[chitters]'), (u'Hil\u2018 it!', u'Hit it!'), (u'<i>Hil\u2018 it!</i>', u'<i>Hit it!</i>'), (u'ISIGHS]', u'[SIGHS]')]),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict([(u'$COff$', u'scoffs'), (u'$ergei', u'Sergei'), (u"$'llOp", u'Stop'), (u"/'//", u"I'll"), (u"/'/I", u"I'll"), (u'/ennifer', u'Jennifer'), (u'/got', u'I got'), (u'/have', u'I have'), (u'/hope', u'I hope'), (u'/just', u'I just'), (u'/love', u'I love'), (u"/'m", u"I'm"), (u'/mmerse', u'immerse'), (u'/nsu/ts', u'Insults'), (u'/ong', u'long'), (u'/ook', u'look'), (u"/t's", u"It's"), (u"/'ve", u"I've"), (u"\\/\\/e'd", u"We'd"), (u"\\/\\/e're", u"We're"), (u"\\/\\/e've", u"We've"), (u'\\/\\/hat', u'What'), (u"\\/\\/here'd", u"Where'd"), (u'\\/\\/hoo', u'Whoo'), (u'\\/\\/hy', u'Why'), (u"\\/\\/hy'd", u"Why'd"), (u"\\/\\le're", u"We're"), (u'\\/Ve', u'We'), (u"\\Ne're", u"We're"), (u"\\Nhat's", u"What's"), (u"\\Nhere's", u"Where's"), (u"|'mjust", u"I'm just"), (u'\xa4ff', u'off'), (u'\xa4Id', u'old'), (u'\xa4Ids', u'olds'), (u'\xa4n', u'on'), (u'\xa4ne', u'one'), (u'\xa4nly', u'only'), (u'\xa4pen', u'open'), (u'\xa4r', u'or'), (u'\xa4rder', u'order'), (u'\xa4ther', u'other'), (u'\xa4ur', u'our'), (u'\xa4ut', u'out'), (u'\xa4ver', u'over'), (u'\xa4wn', u'own'), (u"\u20acV\u20acI'y", u'every'), (u"0'clock", u"o'clock"), (u'0f', u'of'), (u'0fEngland', u'of England'), (u'0fft0', u'off to'), (u'0l/er', u'over'), (u'0n', u'on'), (u'0ne', u'one'), (u"0ne's", u"one's"), (u'0r', u'or'), (u'0rders', u'orders'), (u"0thers'", u"others'"), (u'0ut', u'out'), (u"0utlaw's", u"outlaw's"), (u"0utlaws'", u"outlaws'"), (u'0ver', u'over'), (u'13oos', u'1300s'), (u'18oos', u'1800s'), (u'195os', u'1950s'), (u"1et's", u"let's"), (u'1o', u'10'), (u'1oo', u'100'), (u'1ooth', u'100th'), (u'1oth', u'10th'), (u'2E_', u'2E.'), (u"2'IST", u'21ST'), (u"2'Ist_", u"2'1st."), (u'2o', u'20'), (u'2oth', u'20th'), (u'3o', u'30'), (u'3oth', u'30th'), (u'4o', u'40'), (u'4os', u'40s'), (u'4oth', u'40th'), (u'50rry', u'sorry'), (u'5o', u'50'), (u'5oth', u'50th'), (u'6o', u'60'), (u'6os', u'60s'), (u"'6os", u"'60s"), (u'6oth', u'60th'), (u'7o', u'70'), (u"'7os", u"'70s"), (u'7oth', u'70th'), (u'8o', u'80'), (u"'8os", u"'80s"), (u'8oth', u'80th'), (u'9/aim', u'alarm'), (u'9o', u'90'), (u'9oth', u'90th'), (u'9UnShQt', u'gunshot'), (u'a//', u'all'), (u'a/bum', u'album'), (u'a/so', u'also'), (u'A/ways', u'Always'), (u'abcut', u'about'), (u'aboutjoining', u'about joining'), (u'aboutposh', u'about posh'), (u'aboutus', u'about us'), (u'aboutyou', u'about you'), (u'accldent', u'accident'), (u'Acool', u'A cool'), (u'afier', u'after'), (u'affraid', u'afraid'), (u'Afriend', u'A friend'), (u'afterall', u'after all'), (u'afterthe', u'after the'), (u'afulcrum', u'a fulcrum'), (u'Afunny', u'A funny'), (u'aga/nst', u'against'), (u'ahsolutes', u'absolutes'), (u'AI_I_', u'ALL'), (u'AIien', u'Alien'), (u'AIex', u'Alex'), (u'AII', u'All'), (u'AIIan', u'Allan'), (u'AIIow', u'Allow'), (u'AIive', u'Alive'), (u"ain'tgotno", u"ain't got no"), (u"Ain'tgotno", u"Ain't got no"), (u'airstrike', u'air strike'), (u'AIVIBULANCE', u'AMBULANCE'), (u'ajob', u'a job'), (u'ajockey_', u'a jockey.'), (u'ajoke', u'a joke'), (u'Ajoke', u'A joke'), (u'ajoking', u'a joking'), (u'al/', u'all'), (u'al/en', u'alien'), (u'alittle', u'a little'), (u'allgasp', u'all gasp'), (u'alljustforshow', u'all just for show'), (u"aln't", u"ain't"), (u'alot', u'a lot'), (u'Alot', u'A lot'), (u'An5wer', u'Answer'), (u'Andit', u'And it'), (u"Andit's", u"And it's"), (u'andl', u'and I'), (u'andlaughs', u'and laughs'), (u'andleave', u'and leave'), (u'andthe', u'and the'), (u'andyou', u'and you'), (u'Andyou', u'And you'), (u'ANNOUNC/NG', u'ANNOUNCING'), (u'anotherstep', u'another step'), (u'ANSWER/NG', u'ANSWERING'), (u'answerwhat', u'answer what'), (u'antiquejoke', u'antique joke'), (u"anyhcdy's", u"anybody's"), (u'Anyidea', u'Any idea'), (u"anyone's_", u"anyone's."), (u'apejust', u'ape just'), (u'ARABlc', u'ARABIC'), (u"aren't_", u"aren't."), (u"arerl't", u"aren't"), (u"Arnsteln's", u"Arnstein's"), (u'atleast', u'at least'), (u'Atough', u'A tough'), (u'Awhole', u'A whole'), (u'awoman', u'a woman'), (u'Awoman', u'A woman'), (u'barelytalked', u'barely talked'), (u'bcat', u'boat'), (u'Bcllvla', u'Bolivia'), (u'bcmb', u'bomb'), (u'bcmbs', u'bombs'), (u'be//y', u'belly'), (u'becuase', u'because'), (u"Beep/'ng", u'Beeping'), (u'bejumpy', u'be jumpy'), (u'besldes', u'besides'), (u'bestfriend', u'best friend'), (u'bestguy', u'best guy'), (u'bestjob', u'best job'), (u'BIack', u'Black'), (u'BIess', u'Bless'), (u'bigos___', u'bigos...'), (u'BIame', u'Blame'), (u'BIind', u'Blind'), (u'BIood', u'Blood'), (u'BIue', u'Blue'), (u'BLOVVS', u'BLOWS'), (u'blowholel', u'blowhole!'), (u'blt', u'bit'), (u'Bo99', u'Bogg'), (u'bodiedyoung', u'bodied young'), (u'breakf\xe9wtl', u'breakfast!'), (u'bulldozlng', u'bulldozing'), (u'butjust', u'but just'), (u'butl', u'but I'), (u'Butl', u'But I'), (u'butljust', u'but I just'), (u"Butljustcan'tgetenough", u"But I just can't get enough"), (u"Butyou're", u"But you're"), (u'buythem', u'buy them'), (u'buyyou', u'buy you'), (u'byjust', u'by just'), (u'bythe', u'Line truncated
|
|
|
|
|
'pattern': u"(um)\\b\\$COff\\$\\b|\\b\\$ergei\\b|\\b\\$\\'llOp\\b|\\b\\/\\'\\/\\/\\b|\\b\\/\\'\\/I\\b|\\b\\/ennifer\\b|\\b\\/got\\b|\\b\\/have\\b|\\b\\/hope\\b|\\b\\/just\\b|\\b\\/love\\b|\\b\\/\\'m\\b|\\b\\/mmerse\\b|\\b\\/nsu\\/ts\\b|\\b\\/ong\\b|\\b\\/ook\\b|\\b\\/t\\'s\\b|\\b\\/\\'ve\\b|\\b\\\\\\/\\\\\\/e\\'d\\b|\\b\\\\\\/\\\\\\/e\\'re\\b|\\b\\\\\\/\\\\\\/e\\'ve\\b|\\b\\\\\\/\\\\\\/hat\\b|\\b\\\\\\/\\\\\\/here\\'d\\b|\\b\\\\\\/\\\\\\/hoo\\b|\\b\\\\\\/\\\\\\/hy\\b|\\b\\\\\\/\\\\\\/hy\\'d\\b|\\b\\\\\\/\\\\le\\'re\\b|\\b\\\\\\/Ve\\b|\\b\\\\Ne\\'re\\b|\\b\\\\Nhat\\'s\\b|\\b\\\\Nhere\\'s\\b|\\b\\|\\'mjust\\b|\\b\\\xa4ff\\b|\\b\\\xa4Id\\b|\\b\\\xa4Ids\\b|\\b\\\xa4n\\b|\\b\\\xa4ne\\b|\\b\\\xa4nly\\b|\\b\\\xa4pen\\b|\\b\\\xa4r\\b|\\b\\\xa4rder\\b|\\b\\\xa4ther\\b|\\b\\\xa4ur\\b|\\b\\\xa4ut\\b|\\b\\\xa4ver\\b|\\b\\\xa4wn\\b|\\b\\\u20acV\\\u20acI\\'y\\b|\\b0\\'clock\\b|\\b0f\\b|\\b0fEngland\\b|\\b0fft0\\b|\\b0l\\/er\\b|\\b0n\\b|\\b0ne\\b|\\b0ne\\'s\\b|\\b0r\\b|\\b0rders\\b|\\b0thers\\'\\b|\\b0ut\\b|\\b0utlaw\\'s\\b|\\b0utlaws\\'\\b|\\b0ver\\b|\\b13oos\\b|\\b18oos\\b|\\b195os\\b|\\b1et\\'s\\b|\\b1o\\b|\\b1oo\\b|\\b1ooth\\b|\\b1oth\\b|\\b2E\\_\\b|\\b2\\'IST\\b|\\b2\\'Ist\\_\\b|\\b2o\\b|\\b2oth\\b|\\b3o\\b|\\b3oth\\b|\\b4o\\b|\\b4os\\b|\\b4oth\\b|\\b50rry\\b|\\b5o\\b|\\b5oth\\b|\\b6o\\b|\\b6os\\b|\\b\\'6os\\b|\\b6oth\\b|\\b7o\\b|\\b\\'7os\\b|\\b7oth\\b|\\b8o\\b|\\b\\'8os\\b|\\b8oth\\b|\\b9\\/aim\\b|\\b9o\\b|\\b9oth\\b|\\b9UnShQt\\b|\\ba\\/\\/\\b|\\ba\\/bum\\b|\\ba\\/so\\b|\\bA\\/ways\\b|\\babcut\\b|\\baboutjoining\\b|\\baboutposh\\b|\\baboutus\\b|\\baboutyou\\b|\\baccldent\\b|\\bAcool\\b|\\bafier\\b|\\baffraid\\b|\\bAfriend\\b|\\bafterall\\b|\\bafterthe\\b|\\bafulcrum\\b|\\bAfunny\\b|\\baga\\/nst\\b|\\bahsolutes\\b|\\bAI\\_I\\_\\b|\\bAIien\\b|\\bAIex\\b|\\bAII\\b|\\bAIIan\\b|\\bAIIow\\b|\\bAIive\\b|\\bain\\'tgotno\\b|\\bAin\\'tgotno\\b|\\bairstrike\\b|\\bAIVIBULANCE\\b|\\bajob\\b|\\bajockey\\_\\b|\\bajoke\\b|\\bAjoke\\b|\\bajoking\\b|\\bal\\/\\b|\\bal\\/en\\b|\\balittle\\b|\\ballgasp\\b|\\balljustforshow\\b|\\baln\\'t\\b|\\balot\\b|\\bAlot\\b|\\bAn5wer\\b|\\bAndit\\b|\\bAndit\\'s\\b|\\bandl\\b|\\bandlaughs\\b|\\bandleave\\b|\\bandthe\\b|\\bandyou\\b|\\bAndyou\\b|\\bANNOUNC\\/NG\\b|\\banotherstep\\b|\\bANSWER\\/NG\\b|\\banswerwhat\\b|\\bantiquejoke\\b|\\banyhcdy\\'s\\b|\\bAnyidea\\b|\\banyone\\'s\\_\\b|\\bapejust\\b|\\bARABlc\\b|\\baren\\'t\\_\\b|\\barerl\\'t\\b|\\bArnsteln\\'s\\b|\\batleast\\b|\\bAtough\\b|\\bAwhole\\b|\\bawoman\\b|\\bAwoman\\b|\\bbarelytalked\\b|\\bbcat\\b|\\bBcllvla\\b|\\bbcmb\\b|\\bbcmbs\\b|\\bbe\\/\\/y\\b|\\bbecuase\\b|\\bBeep\\/\\'ng\\b|\\bbejumpy\\b|\\bbesldes\\b|\\bbestfriend\\b|\\bbestguy\\b|\\bbestjob\\b|\\bBIack\\b|\\bBIess\\b|\\bbigos\\_\\_\\_\\b|\\bBIame\\b|\\bBIind\\b|\\bBIood\\b|\\bBIue\\b|\\bBLOVVS\\b|\\bblowholel\\b|\\bblt\\b|\\bBo99\\b|\\bbodiedyoung\\b|\\bbreakf\\\xe9wtl\\b|\\bbulldozlng\\b|\\bbutjust\\b|\\bbutl\\b|\\bButl\\b|\\bbutljust\\b|\\bButljustcan\\'tgetenough\\b|\\bButyou\\'re\\b|\\bbuythem\\b|\\bbuyyou\\b|\\bbyjust\\b|\\bbythe\\b|\\bC\\/latter\\/\\'\\/7g\\b|\\bca\\/\\/\\/ng\\b|\\bca\\/I\\b|\\bcall\\/ng\\b|\\bcallyou\\b|\\bcan\\*t\\b|\\bcan\\'i\\b|\\bcan\\'I\\b|\\bcanlgetyou\\b|\\bcannotchange\\b|\\bcannut\\b|\\bcan\\'T\\b|\\bcan\\'t\\_\\b|\\bcan\\'tjust\\b|\\bcan\\'tletgo\\b|\\bCar0l\\b|\\bCarhorn\\b|\\bcarrled\\b|\\bCcug\\b|\\bCcugs\\b|\\bCcver\\b|\\bcellularchange\\b|\\bcff\\b|\\bcfycu\\b|\\bcfycur\\b|\\bCh\\/rping\\b|\\bchaletgirl\\b|\\bchangejobs\\b|\\bCharliejust\\b|\\bChatter\\/\\'rtg\\b|\\bCHATTERWG\\b|\\bChequeredlove\\b|\\bcHIRPINcs\\b|\\bchjldishness\\b|\\bchlldrcn\\b|\\bchlldren\\b|\\bchocolatte\\b|\\bCho\\/r\\b|\\bcHucKl\\_Es\\b|\\bCIark\\b|\\bCIear\\b|\\bcircumcised\\_\\b|\\bckay\\b|\\bcl\\_osEs\\b|\\bCLATTERWG\\b|\\bcn\\b|\\bcne\\b|\\bcnes\\b|\\bCoincidenta\\/\\/y\\b|\\bCOm\\\u20ac\\b|\\bcomp\\/etey\\b|\\bcomplainingabout\\b|\\bcoms\\b|\\bcond\\/lion\\b|\\bconfdence\\b|\\bconhrmed\\b|\\bconnrm\\b|\\bConsecutivelyl\\b|\\bCOUGH5\\b|\\bCouGHING\\b|\\bcouIdn\\'t\\b|\\bcouldjust\\b|\\bcouldn\\'T\\b|\\bcouldn\\'tjust\\b|\\bCouldyou\\b|\\bcrappyjob\\b|\\bCRAsHING\\b|\\bcrder\\b|\\bCrowdcheers\\b|\\bCruoially\\b|\\bcther\\b|\\bcuuld\\b|\\bcver\\b|\\bd\\/\\'dn\\'t\\b|\\bd\\/squietude\\b|\\bD\\\xa4esn\\'t\\b|\\bd\\\xa4n\\'i\\b|\\bd\\\xa4n\\'t\\b|\\bd\\\xb09\\b|\\bd0\\b|\\bD0\\b|\\bD0asn\\'t\\b|\\bDad\\'\\/\\/\\b|\\bdairyjust\\b|\\bDar\\/\\/ng\\b|\\bdc\\b|\\bDcbby\\b|\\bdccsn\\'t\\b|\\bdcctcr\\b|\\bDces\\b|\\bdcgs\\b|\\bdcing\\b|\\bdcn\\'I\\b|\\bdcn\\'t\\b|\\bDcn\\'t\\b|\\bdcughnut\\b|\\bdeclslons\\b|\\bdeedhas\\b|\\bDehnitely\\b|\\bdesewes\\b|\\bdesperate\\/\\\xbby\\b|\\bD\\\ufb02nk\\b|\\bDIAl\\_lNcs\\b|\\bdidn\\'\\!\\b|\\bdidnt\\b|\\bdidn\\'T\\b|\\bdIdn\\'t\\b|\\bdidn\\'t\\_\\b|\\bdidrft\\b|\\bdidrl\\'t\\b|\\bdidyou\\b|\\bdivorcing\\_\\b|\\bdld\\b|\\bdldn\\'t\\b|\\bdlfflcull\\b|\\bdlg\\b|\\bdlsobeyed\\b|\\bdoasn\\'t\\b|\\bDoasn\\'t\\b|\\bdoctoh\\b|\\bDoctor\\_\\_\\_tell\\b|\\bdoesnt\\b|\\bdoesn\\'T\\b|\\bdoesri\\'t\\b|\\bdoesrt\\b|\\bDoesrt\\Line truncated
|
|
|
|
|
'fin': {'BeginLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'EndLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict([(u'Katsokaa pa.', u'Katsokaapa.'), (u'Mik!\r\n""e\u201c9ir\xe4\u0131', u'Mik!\r\n-Hengit\xe4!'), (u'Tu lta!', u'Tulta!'), (u'...0I1...', u'...on...'), (u'Ken g\xe4n nauh oja?', u'Keng\xe4nnauhoja?'), (u'k\xe3mmott\xe3V\xe3ll\xe3 mUiStoll\xe3.', u'kammottavana muistona.'), (u'H\xe4n n\xe4ki naisen menev\xe4n\r\nkellarikerroksen ksen asun to o ns\xe4.', u'H\xe4n n\xe4ki naisen menev\xe4n\r\nkellarikerroksen asuntoonsa.'), (u'Min\xe4 etsin k\xe4siini miehen, joka\r\non aurtanutiestradea ja minua:', u'Min\xe4 etsin k\xe4siini miehen, joka\r\non auttanut Lestradea ja minua:'), (u'Huomaa erityisesti\r\npunaisella merkitty "kitoris.', u'Huomaa erityisesti\r\npunaisella merkitty "klitoris".'), (u'Tulkaa, meill\xe4 on\r\nHa va\u0131ji-bileet suihkussa', u'Tulkaa, meill\xe4 on\r\nHavaiji-bileet suihkussa'), (u'Ta rkoitatko ett\xe4\r\nh\xe4net myrkytettiin?', u'Tarkoitatko ett\xe4\r\nh\xe4net myrkytettiin?'), (u'Odotta kaa soittoani\r\nIev\xe4hdyspaikalla.', u'Odottakaa soittoani\r\nlev\xe4hdyspaikalla.'), (u'Nyt kuuntelet, perska rva.', u'Nyt kuuntelet, perskarva.'), (u'Ta patko h\xe4net sitten?', u'Tapatko h\xe4net sitten?'), (u'Seuraa vissa va/oissa.', u'Seuraavissa valoissa.'), (u'A\u0131o\u0131t rapattaa minut.\r\n- En.', u'Aioit tapattaa minut.\r\n- En.'), (u'Todella vaku uttavaa.', u'Todella vakuuttavaa.'), (u'I-le ovat tuolla alhaalla', u'He ovat tuolla alhaalla'), (u'Nainen kuuluu minulle.\r\n- I-I\xe0ivy siit\xe4, ylikasvuinen hyttynen!', u'Nainen kuuluu minulle.\r\n- H\xe4ivy siit\xe4, ylikasvuinen hyttynen!'), (u'I-Ialuatte k\xe4ytt\xe4\xe4 pyh\xe0\xe0 kive\xe4\r\ndynastian aarteen l\xf6yt\xe4miseksi.', u'Haluatte k\xe4ytt\xe4\xe4 pyh\xe0\xe0 kive\xe4\r\ndynastian aarteen l\xf6yt\xe4miseksi.'), (u'Mit\xe4f?', u'Mit\xe4.. ?'), (u'Kuuluuko Hiru ko-klaanista mit\xe4\xe4n?\r\n- Ninjasoturit ovat edell\xe4mme.', u'Kuuluuko Hiruko-klaanista mit\xe4\xe4n?\r\n- Ninjasoturit ovat edell\xe4mme.'), (u'Anteeks\u0131} painoin kai... -', u'Anteeksi, painoin kai... -'), (u'ja Rea! Ho usew\xedves.', u'ja Real Housewives.'), (u'Et halu n n ut Julkkistansseihinkaan.', u'Et halunnut Julkkistansseihinkaan.'), (u'Laard i k\xe4si?', u'Laardik\xe4si?'), (u'Varo kaa!', u'Varokaa!'), (u'N\xe4ytt\xe4v\xe4t k\xf6 tyt\xf6t v\xe4h \xe4n\r\nh uorahtavi m m i lta?', u'N\xe4ytt\xe4v\xe4tk\xf6 tyt\xf6t v\xe4h\xe4n\r\nhuorahtavimmilta?'), (u'Stif... Ier.', u'Stif... ler.'), (u'J u mantsu kka! M it\xe4?', u'Jumantsukka! Mit\xe4?'), (u'Varasin Ch u m bawam ban,', u'Varasin Chumbawamban,'), (u'J u malavita!', u'Jumalavita!'), (u'S', u'Isi...'), (u'Haluan kertoa jotai n', u'Haluan kertoa jotain'), (u'I-Ialuatte', u'Haluatte')]),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict([(u'kellojo', u'kello jo'), (u'onjo', u'on jo'), (u'senj\xe4lkeen', u'sen j\xe4lkeen'), (u'Ts\xe4u', u'Tsau'), (u'hydraulinenjousitus', u'hydraulinen jousitus'), (u'Kevyetja', u'Kevyet ja'), (u'Oleijo', u'Olet jo'), (u'viimeinenjuna', u'viimeinen juna'), (u'n\xe4ytt\xe4\xe4jotenkin', u'n\xe4ytt\xe4\xe4 jotenkin'), (u'onjoku', u'on joku'), (u'Iapsuuteen', u'Lapsuuteen'), (u'Ieikitjunill\xe4', u'leikit junilla'), (u'Sfiy', u'Stig'), (u'Iukulasejani', u'Lukulasejani'), (u'Ieikkiminen', u'Leikkiminen'), (u'K\xe4\xe4lik\xe4\xe4rylepizz\xe4', u'Kaalik\xe4\xe4rylepizza'), (u'sukl\xe4\xe4k\xe4stikkeen', u'suklaakastikkeen'), (u'p\xe4istetun', u'paistetun'), (u'b\xe4n\xe4\xe4nin', u'banaanin'), (u'pifi', u'piti'), (u'a\u0131keasfaan', u'oikeastaan'), (u'Stg', u'Stig'), (u'sikain\ufb02uenssatja', u'sikainfluenssat ja'), (u'Hienojuna', u'Hieno juna'), (u'kiinnostuajunista', u'kiinnostua junista'), (u'h\xe4y\u0131yvetu\u0131\xedn', u'h\xf6yryveturin'), (u'pienaismalli', u'pienoismalli'), (u'ena', u'eno'), (u'racfios\xe3hk\xe4ff\xe1j\xe3n\xe3', u'radios\xe4hk\xf6tt\xe4j\xe4n\xe4'), (u'Amenkan', u'Amerikan'), (u'laiva/la', u'laivalla'), (u'0/in', u'Olin'), (u'Junaha\u0131rasfus', u'Junaharrastus'), (u'enasfa', u'enosta'), (u'/V\u0131\xedn', u'Niin'), (u'Oliivarmasii', u'Olit varmasti'), (u'Internetist\xe4juuri', u'Internetist\xe4 juuri'), (u'hu\u0131janj\xe3nniff\xe5v\xe3\xe0l', u'hurjan j\xe4nnitt\xe4v\xe4\xe4.'), (u'Vaikkajunat', u'Vaikka junat'), (u'k\xe4\xe4ntyija', u'k\xe4\xe4ntyi ja'), (u'osaajotain', u'osaa jotain'), (u'Ieikill\xe4mme', u'leikill\xe4mme'), (u'Bellinjuna', u'Beltin juna'), (u't\xe4st\xe4johtolangasta', u't\xe4st\xe4 johtolangasta'), (u'tuntisijonkun', u'tuntisi jonkun'), (u'Olgajotain', u'Olga jotain'), (u'tulokseivuodesia', u'tulokset vuodesta'), (u'tuloksetvuodesta', u'tulokset vuodesta'), (u'Vainjalkapallo', u'Vain jalkapallo'), (u'lloveyou', u'I love you'), (u'po\ufb02\u2039aisi', u'potkaisi'), (u'minufulos', u'minut ulos'), (u'Ieiv\xe4npaahdinl', u'leiv\xe4npaahdin!'), (u'Ieiv\xe4npaahdinta', u'leiv\xe4npaahdinta'), (u'asuajossain', u'asua jossain'), (u'Koiratjuoksentelivat', u'Koirat juoksentelivat'), (u'tiet\xe4\xe4jotain', u'tiet\xe4\xe4 jotain'), (u'osaatjuna', u'osaat juna'), (u'va/as', u'valas'), (u'va/asperhe', u'valasperhe'), (u'koskeejotain', u'koskee jotain'), (u'I\xe4\xe4kkeens\xe4', u'l\xe4\xe4kkeens\xe4'), (u'Iaulavan', u'laulavan'), (u'Kuulitj\xe4\xe4n', u'Kuulit j\xe4\xe4n'), (u'Ievolle', u'levolle'), (u'Va/aa//e', u'Valaalle'), (u'va/aa//a', u'valaalla'), (u'I\xe4hdenkin', u'l\xe4hdenkin'), (u'Iakkiin', u'lakkiin'), (u'Iohik\xe4\xe4rmeell\xe4', u'lohik\xe4\xe4rmeell\xe4'), (u'Mik\u0131', u'Mik!'), (u'Iukossa', u'lukossa'), (u'Va/aan', u'Valaan'), (u's\xe4ve/m\xe4', u's\xe4velm\xe4'), (u'j\xe4//een', u'j\xe4lleen'), (u'P\xf6\xf6\u0131', u'P\xf6\xf6!'), (u'Hnjaa', u'Hiljaa'), (u'Iiftasin', u'liftasin'), (u'Jute//aan', u'Jutellaan'), (u'Iohduttamaan', u'lohduttamaan'), (u"L'lYP\xe4f\xe4\xe4n", u'Hyp\xe4t\xe4\xe4n'), (u'\xc4\u0131r\u0131\u0131', u'\xc4iti!'), (u'F\u0131\u0131\u0131p\u0131', u'Filip!'), (u'Yr\u203ar\u203a\xe4\xe4\u0131', u'Hypp\xe4\xe4!'), (u'Miki', u'Mik!'), (u'Heng\u0131r\xe4\u0131', u'Hengit\xe4!'), (u'Va/as', u'Valas'), (u'Ko///is', u'Koillis'), (u'Audieja', u'Audie ja'), (u'I/man', u'Ilman'), (u'/entotukia/ukse/ta', u'lentotukialukselta'), (u'/aivastosta', u'laivastosta'), (u'/entotukikohtaan', u'lentotukikohtaan'), (u'tu/ee', u'tulee'), (u'akse/iva//at', u'akselivallat'), (u'a\u0131\u0131ek\u0131rjo\u0131rerr\u0131\u0131n', u'allekirjoitettiin'), (u'Iitkua', u'litkua'), (u'0li', u'Oli'), (u'Iaskuvarjojoukkoihin', u'laskuvarjojoukkoihin'), (u'Iaskuvarjojoukoissa', u'laskuvarjojoukoissa'), (u'Tarvitsetjotain', u'Tarvitset jotain'), (u'Ieukaremmi', u'leukaremmi'), (u'Iainaatko', u'lainaatko'), (u'p\xe4\xe4llik\xf6lleja', u'p\xe4\xe4llik\xf6lle ja'), (u'I\xe4hell\xe4ni', u'l\xe4hell\xe4ni'), (u'Soti/aan', u'Sotilaan'), (u'va//attava', u'vallattava'), (u'viho//ise/ta', u'viholliselta'), (u'/iittoutuneet', u'liittoutuneet'), (u'voitjohtaa', u'voit johtaa'), (u'pohditkojotain', u'pohditko jotain'), (u'viho//ista', u'vihollista'), (u'sej\xe4isi', u'se j\xe4isi'), (u'Ient\xe4jill\xe4', u'lent\xe4jill\xe4'), (u'Soltutl', u'Soltut!'), (u'Iaulustamme', u'laulustamme'), (u'Iakkiani', u'lakkiani'), (u'Iiemeen', u'liemeen'), (u'kanadala\u0131\u0161ia', u'kanadalaisia'), (u'si//anp\xe4\xe4asema', u'sillanp\xe4\xe4asema'), (u'vahv\u0131\u0161tettiin', u'vahv\u0131stettiin'), (u'tu/ituki', u'tulituki'), (u'eliitt\u0131joukkoa', u'eliittijoukkoa'), (u'pa\u0131ka\u0131\u0131as\u0131\u0131', u'paikallasi!'), (u'Ieikkinyt', u'leikkinyt'), (u'Iujitettu', u'lujitettu'), (u'Ete/\xe4', u'Etel\xe4'), (u'viho//isranna//e', u'vihollisrannalle'), (u'sivusta/ta', u'sivustalta'), (u'/oppuisi', u'loppuisi'), (u'Iaskuvarjojoukkojen', u'laskuvarjojoukkojen'), (u'p\xe4\xe4tt\xe4nytj\xe4\xe4d\xe4', u'p\xe4\xe4tt\xe4nyt j\xe4\xe4d\xe4'), (u'IuutnanteillLine truncated
|
|
|
|
|
'pattern': u"(um)\\bkellojo\\b|\\bonjo\\b|\\bsenj\\\xe4lkeen\\b|\\bTs\\\xe4u\\b|\\bhydraulinenjousitus\\b|\\bKevyetja\\b|\\bOleijo\\b|\\bviimeinenjuna\\b|\\bn\\\xe4ytt\\\xe4\\\xe4jotenkin\\b|\\bonjoku\\b|\\bIapsuuteen\\b|\\bIeikitjunill\\\xe4\\b|\\bSfiy\\b|\\bIukulasejani\\b|\\bIeikkiminen\\b|\\bK\\\xe4\\\xe4lik\\\xe4\\\xe4rylepizz\\\xe4\\b|\\bsukl\\\xe4\\\xe4k\\\xe4stikkeen\\b|\\bp\\\xe4istetun\\b|\\bb\\\xe4n\\\xe4\\\xe4nin\\b|\\bpifi\\b|\\ba\\\u0131keasfaan\\b|\\bStg\\b|\\bsikain\\\ufb02uenssatja\\b|\\bHienojuna\\b|\\bkiinnostuajunista\\b|\\bh\\\xe4y\\\u0131yvetu\\\u0131\\\xedn\\b|\\bpienaismalli\\b|\\bena\\b|\\bracfios\\\xe3hk\\\xe4ff\\\xe1j\\\xe3n\\\xe3\\b|\\bAmenkan\\b|\\blaiva\\/la\\b|\\b0\\/in\\b|\\bJunaha\\\u0131rasfus\\b|\\benasfa\\b|\\b\\/V\\\u0131\\\xedn\\b|\\bOliivarmasii\\b|\\bInternetist\\\xe4juuri\\b|\\bhu\\\u0131janj\\\xe3nniff\\\xe5v\\\xe3\\\xe0l\\b|\\bVaikkajunat\\b|\\bk\\\xe4\\\xe4ntyija\\b|\\bosaajotain\\b|\\bIeikill\\\xe4mme\\b|\\bBellinjuna\\b|\\bt\\\xe4st\\\xe4johtolangasta\\b|\\btuntisijonkun\\b|\\bOlgajotain\\b|\\btulokseivuodesia\\b|\\btuloksetvuodesta\\b|\\bVainjalkapallo\\b|\\blloveyou\\b|\\bpo\\\ufb02\\\u2039aisi\\b|\\bminufulos\\b|\\bIeiv\\\xe4npaahdinl\\b|\\bIeiv\\\xe4npaahdinta\\b|\\basuajossain\\b|\\bKoiratjuoksentelivat\\b|\\btiet\\\xe4\\\xe4jotain\\b|\\bosaatjuna\\b|\\bva\\/as\\b|\\bva\\/asperhe\\b|\\bkoskeejotain\\b|\\bI\\\xe4\\\xe4kkeens\\\xe4\\b|\\bIaulavan\\b|\\bKuulitj\\\xe4\\\xe4n\\b|\\bIevolle\\b|\\bVa\\/aa\\/\\/e\\b|\\bva\\/aa\\/\\/a\\b|\\bI\\\xe4hdenkin\\b|\\bIakkiin\\b|\\bIohik\\\xe4\\\xe4rmeell\\\xe4\\b|\\bMik\\\u0131\\b|\\bIukossa\\b|\\bVa\\/aan\\b|\\bs\\\xe4ve\\/m\\\xe4\\b|\\bj\\\xe4\\/\\/een\\b|\\bP\\\xf6\\\xf6\\\u0131\\b|\\bHnjaa\\b|\\bIiftasin\\b|\\bJute\\/\\/aan\\b|\\bIohduttamaan\\b|\\bL\\'lYP\\\xe4f\\\xe4\\\xe4n\\b|\\b\\\xc4\\\u0131r\\\u0131\\\u0131\\b|\\bF\\\u0131\\\u0131\\\u0131p\\\u0131\\b|\\bYr\\\u203ar\\\u203a\\\xe4\\\xe4\\\u0131\\b|\\bMiki\\b|\\bHeng\\\u0131r\\\xe4\\\u0131\\b|\\bVa\\/as\\b|\\bKo\\/\\/\\/is\\b|\\bAudieja\\b|\\bI\\/man\\b|\\b\\/entotukia\\/ukse\\/ta\\b|\\b\\/aivastosta\\b|\\b\\/entotukikohtaan\\b|\\btu\\/ee\\b|\\bakse\\/iva\\/\\/at\\b|\\ba\\\u0131\\\u0131ek\\\u0131rjo\\\u0131rerr\\\u0131\\\u0131n\\b|\\bIitkua\\b|\\b0li\\b|\\bIaskuvarjojoukkoihin\\b|\\bIaskuvarjojoukoissa\\b|\\bTarvitsetjotain\\b|\\bIeukaremmi\\b|\\bIainaatko\\b|\\bp\\\xe4\\\xe4llik\\\xf6lleja\\b|\\bI\\\xe4hell\\\xe4ni\\b|\\bSoti\\/aan\\b|\\bva\\/\\/attava\\b|\\bviho\\/\\/ise\\/ta\\b|\\b\\/iittoutuneet\\b|\\bvoitjohtaa\\b|\\bpohditkojotain\\b|\\bviho\\/\\/ista\\b|\\bsej\\\xe4isi\\b|\\bIent\\\xe4jill\\\xe4\\b|\\bSoltutl\\b|\\bIaulustamme\\b|\\bIakkiani\\b|\\bIiemeen\\b|\\bkanadala\\\u0131\\\u0161ia\\b|\\bsi\\/\\/anp\\\xe4\\\xe4asema\\b|\\bvahv\\\u0131\\\u0161tettiin\\b|\\btu\\/ituki\\b|\\beliitt\\\u0131joukkoa\\b|\\bpa\\\u0131ka\\\u0131\\\u0131as\\\u0131\\\u0131\\b|\\bIeikkinyt\\b|\\bIujitettu\\b|\\bEte\\/\\\xe4\\b|\\bviho\\/\\/isranna\\/\\/e\\b|\\bsivusta\\/ta\\b|\\b\\/oppuisi\\b|\\bIaskuvarjojoukkojen\\b|\\bp\\\xe4\\\xe4tt\\\xe4nytj\\\xe4\\\xe4d\\\xe4\\b|\\bIuutnanteille\\b|\\bI\\\xe4ht\\\xf6valmiiksi\\b|\\bIokoisat\\b|\\bKorjaus\\/ukemat\\b|\\btanke\\/\\/\\/e\\b|\\bky\\\u0131\\\u0131\\\xe4\\\u0131\\b|\\bIisti\\\xe4\\b|\\bKunniamita\\/in\\b|\\bVemon\\b|\\bfied\\\xe3n\\b|\\bEi\\\u0131is\\b|\\bInlem\\\xe4tion\\\xe4\\b|\\bholelfss\\\xe4\\b|\\bHan\\\u0131ey\\b|\\bpeikk\\\xe4\\b|\\bEhisl\\\xe3\\b|\\bY\\\ufb02\\\xe3ll\\\xe3v\\\xe3\\b|\\bmahdolisuus\\b|\\bloisteiaan\\b|\\baku\\b|\\bGaronilie\\b|\\bIikainen\\b|\\bvaiehtelijoita\\b|\\bpuutari\\\u0131aasi\\b|\\bGarunin\\b|\\boravaietti\\\xe4\\b|\\bpaijon\\b|\\bsutja\\b|\\bgospeikvartetissa\\b|\\bIauiajaksi\\b|\\bviihdylt\\\xe4j\\\xe4\\b|\\bhannaala\\b|\\bIaulajalta\\b|\\bsaatjotain\\b|\\bL\\\xf6yd\\\xe4njonkun\\b|\\bpy\\\xfcr\\\xedyi\\b|\\bCn\\\u0131dupia\\b|\\bIiikaa\\b|\\bke\\\u0131taa\\b|\\bThafs\\b|\\bKappaietta\\b|\\bsoijoka\\b|\\bLevytl\\\xe4\\b|\\bpaiaamista\\b|\\bkuonnunn\\b|\\bTytt\\\xfcyst\\\xe4v\\\xe4t\\b|\\bk\\\xe3p\\\xe3l\\\xf6ifiin\\b|\\bOiko\\b|\\btuipalo\\b|\\bhebofiavaa\\b|\\bongeina\\b|\\bongeimia\\b|\\bAjateikaa\\b|\\bku\\\u0131ki\\b|\\blhailen\\b|\\bL\\\xe4ht\\\xfcsi\\b|\\byhti\\\xf6ile\\b|\\beitoimi\\b|\\bvoij\\\xe4\\\xe4d\\\xe4\\b|\\bPomkat\\b|\\bkon\\\u0131ata\\b|\\bkonsentien\\b|\\bSep\\\xe3\\b|\\bhebolus\\b|\\bk\\\xfcyryss\\\xe4\\b|\\brepiat\\b|\\bkuikee\\b|\\bpon\\\u0131koita\\b|\\bnaisetja\\b|\\bten\\\u0131etuileeksi\\b|\\byl\\\xe4puolelia\\b|\\bkuullut180\\b|\\bIapsellista\\b|\\besiinnytja\\b|\\bIaulat\\b|\\bHenanjestas\\b|\\bteilie\\b|\\bIIe\\b|\\bt\\\xe4ilaisia\\b|\\bVaru\\b|\\bnimeli\\\xe4\\\xe4n\\b|\\banneijaan\\b|\\bpen\\\u0131staa\\b|\\bminkkitu\\\u0131kkia\\b|\\bminkkituiiiilla\\b|\\bTen\\\u0131etuioa\\b|\\bkuitalevy\\\xe4\\b|\\bei\\\xe4m\\\xe4ss\\\xe4\\b|\\bjutkaisua\\b|\\bFo\\\u0131t\\b|\\boien\\b|\\basioilie\\b|\\bEitarvitsekaan\\b|\\bp\\\xf6kenyin\\b|\\byll\\\xe4iiyy\\b|\\bkomeaita\\b|\\bChadie\\b|\\blaulaisilteko\\b|\\bIaittaa\\b|\\biytt\\\xe4renne\\b|\\bpikkutytLine truncated
|
|
|
|
|
'fra': {'BeginLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'EndLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialLines': {'data': OrderedDict([(u" I'", u" l'"), (u" |'", u" l'")]),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict([(u'"D\'ac:c:ord."', u'"D\'accord."'), (u'\u201ci QU\xce gagne, qui perd,', u'ni qui gagne, qui perd,'), (u"L'ac:c:ent est mis \r\n \r\n sur son trajet jusqu'en Suisse.", u"L'accent est mis \r\n \r\n sur son trajet jusqu'en Suisse."), (u"C'est la plus gentille chose \r\n \r\n qu'Hitchc:oc:k m'ait jamais dite.", u"C'est la plus gentille chose \r\n \r\n qu'Hitchcock m'ait jamais dite."), (u"Tout le monde, en revanche, qualifie \r\n \r\n Goldfinger d'aventu re structur\xe9e,", u"Tout le monde, en revanche, qualifie \r\n \r\n Goldfinger d'aventure structur\xe9e,"), (u'et le film Shadow of a man \r\n \r\n a lanc\xe9 sa carri\xe8re au cin\xe9ma.', u'et le film <i>Shadow of a man</i> \r\n \r\n a lanc\xe9 sa carri\xe8re au cin\xe9ma.'), (u'En 1948, Young est pass\xe9 \xe0 la r\xe9alisation \r\n \r\n avec One night with you.', u'En 1948, Young est pass\xe9 \xe0 la r\xe9alisation \r\n \r\n avec <i>One night with you</i>.'), (u'Il a construit tous ces v\xe9hicules \r\n \r\n \xe0 C)c:ala, en Floride.', u'Il a construit tous ces v\xe9hicules \r\n \r\n \xe0 Ocala, en Floride.'), (u'Tokyo Pop et A Taxing Woman? Return.', u"Tokyo Pop et A Taxing Woman's Return."), (u'Peter H u nt.', u'Peter Hunt.'), (u'"C\'est bien mieux dans Peau. \r\n \r\n On peut s\ufb02\xe9clabousser, faire du bruit."', u'"C\'est bien mieux dans l\'eau. \r\n \r\n On peut s\'\xe9clabousser, faire du bruit."')]),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict([(u'@immatriculation', u"d'immatriculation"), (u'acquer', u'acqu\xe9r'), (u'acteurjoue', u'acteur joue'), (u'aerien', u'a\xe9rien'), (u'agreable', u'agr\xe9able'), (u'aientjamais', u'aient jamais'), (u'AII', u'All'), (u'aitjamais', u'ait jamais'), (u'aitjus', u'ait jus'), (u'alle', u'all\xe9'), (u'alles', u'all\xe9s'), (u'appele', u'appel\xe9'), (u'apres', u'apr\xe8s'), (u'aujourdhui', u"aujourd'hui"), (u'aupres', u'aupr\xe8s'), (u'beaute', u'beaut\xe9'), (u'cabossee', u'caboss\xe9e'), (u"carj'", u"car j'"), (u"Carj'", u"Car j'"), (u'carla', u'car la'), (u'CEdipe', u'\u0152dipe'), (u'Cest', u"C'est"), (u"c'etaient", u"c'\xe9taient"), (u'C\xe9taient', u"C'\xe9taient"), (u"c'etait", u"c'\xe9tait"), (u"C'etait", u"C'\xe9tait"), (u'C\xe9tait', u"C'\xe9tait"), (u'choregraphiee', u'chor\xe9graphi\xe9e'), (u'cinema', u'cin\xe9ma'), (u"cl'AIcatraz", u"d'Alcatraz"), (u'cles', u'cl\xe9s'), (u'c\u0153urjoie', u'c\u0153ur-joie'), (u'completer', u'compl\xe9ter'), (u'costumiere', u'costumi\xe8re'), (u'cree', u'cr\xe9\xe9'), (u'daccord', u"d'accord"), (u"d'AIbert", u"d'Albert"), (u"d'AIdous", u"d'Aldous"), (u"d'AIec", u"d'Alec"), (u'danniversaire', u"d'anniversaire"), (u"d'Arra'bida", u"d'Arrabida"), (u"d'autod\xe9rision", u"d'auto-d\xe9rision"), (u'dautres', u"d'autres"), (u'debattait', u'd\xe9battait'), (u'decor', u'd\xe9cor'), (u'decorateurs', u'd\xe9corateurs'), (u'decors', u'd\xe9cors'), (u'defi', u'd\xe9fi'), (u'dej\xe0', u'd\xe9j\xe0'), (u'd\xe9j\xe0m', u'd\xe9j\xe0...'), (u'dejeunait', u'd\xe9jeunait'), (u'dengager', u"d'engager"), (u'd\xe9quipement', u"d'\xe9quipement"), (u'd\xe9rni\xe8r\xe9', u'derni\xe8re'), (u'Desole', u'D\xe9sol\xe9'), (u'dessayage', u"d'essayage"), (u'dessence', u"d'essence"), (u'd\xe9taient', u"c'\xe9taient"), (u'detail', u'd\xe9tail'), (u'dexcellents', u"d'excellents"), (u'dexp\xe9rience', u"d'exp\xe9rience"), (u'dexp\xe9riences', u"d'exp\xe9riences"), (u"d'h\xe9ro'l'ne", u"d'h\xe9ro\xefne"), (u"d'idees", u"d'id\xe9es"), (u"d'intensite", u"d'intensit\xe9"), (u'dontj', u'dont j'), (u'doublaitAlfo', u'doublait Alfo'), (u'DrNo', u'Dr No'), (u"e'", u'\xe9'), (u'ecrit', u'\xe9crit'), (u'elegant', u'\xe9l\xe9gant'), (u'Ell\xe9', u'Elle'), (u'\xe9n', u'en'), (u'equipe', u'\xe9quipe'), (u'erjus', u'er jus'), (u'estjamais', u'est jamais'), (u'\xe9t', u'et'), (u'etaient', u'\xe9taient'), (u'etait', u'\xe9tait'), (u'ete', u'\xe9t\xe9'), (u'etiez', u'\xe9tiez'), (u"etj'", u"et j'"), (u"Etj'", u"Et j'"), (u'etje', u'et je'), (u'Etje', u'Et je'), (u'EtsouvenL', u'Et souvent'), (u'eviter', u'\xe9viter'), (u'Fabsence', u"l'absence"), (u'fadapter', u"t'adapter"), (u'fadore', u"j'adore"), (u'F\xe2ge', u"l'\xe2ge"), (u'Fagent', u"l'agent"), (u'faiessay\xe9', u"j'ai essay\xe9"), (u'Failure', u"l'alllure"), (u'Fambiance', u"l'ambiance"), (u'Famener', u"l'amener"), (u'Fanniversaire', u"l'anniversaire"), (u'Fapparence', u"l'apparence"), (u'Fapres', u"l'apres"), (u'Fapr\xe8s', u"l'apr\xe8s"), (u'Farm\xe9e', u"l'arm\xe9e"), (u'Farri\xe8re', u"l'arri\xe8re"), (u'Farriv\xe9e', u"l'arriv\xe9e"), (u'Fascenseur', u"l'ascenseur"), (u'Fascension', u"l'ascension"), (u'Fassaut', u"l'assaut"), (u'Fassomme', u"l'assomme"), (u'Fatmosph\xe8re', u"l'atmosph\xe8re"), (u'Fattention', u"l'attention"), (u'Favalanche', u"l'avalanche"), (u'F\xe9clairage', u"l'\xe9clairage"), (u'F\xe9cran', u"l'\xe9cran"), (u'F\xe9motion', u"l'\xe9motion"), (u'Femplacement', u"l'emplacement"), (u'Fendroit', u"l'endroit"), (u'Fenseigne', u"l'enseigne"), (u'Fensemble', u"l'ensemble"), (u'Fentouraient', u"l'entouraient"), (u'Fentr\xe9e', u"l'entr\xe9e"), (u'F\xe9paisseur', u"l'\xe9paisseur"), (u'F\xe9poque', u"l'\xe9poque"), (u'F\xe9quipe', u'\xc9quipe'), (u'Fespace', u"l'espace"), (u'fesp\xe9rais', u"j'esp\xe9rais"), (u'Fesp\xe8re', u"l'esp\xe8re"), (u'Festh\xe9tique', u"l'esth\xe9tique"), (u'Fetranger', u"l'etranger"), (u'F\xe9vasion', u"l'\xe9vasion"), (u'F\xe9voque', u"l'\xe9voque"), (u'Fexp\xe9rience', u"l'exp\xe9rience"), (u'Fexplique', u"l'explique"), (u'Fexplosion', u"l'explosion"), (u'Fext\xe9rieur', u"l'ext\xe9rieur"), (u'Fhabituelle', u"l'habituelle"), (u'Fh\xe9licopt\xe8re', u"l'h\xe9licopt\xe8re"), (u'Fh\xe9liport', u"l'h\xe9liport"), (u'Fh\xe9listation', u"l'h\xe9listation"), (u'Fhonneur', u"l'honneur"), (u'Fhorloge', u"l'horloge"), (u'Fid\xe9e', u"l'id\xe9e"), (u'Fimage', u"l'image"), (u'Fimportance', u"l'importance"), (u'Fimpression', u"l'impression"), (u'Finfluence', u"l'influence"), (u'Finscription', u"l'inscription"), (u'Fint\xe9rieur', u"l'int\xe9rieur"), (u'Fintrigue', u"l'intrigue"), (u'Fobjectif', u"l'objectif"), (u'Foccasion', u"l'occasion"), (u'Fordre', u"l'ordre"), (u'Forigine', u"l'origine"), (u'fr\xeare', u'fr\xe8re'), (u'gaylns', u'gaijins'), (u'general', u'g\xe9n\xe9ral'), (u'hawa\xefennel', u'hawa\xefenne'), (u"hawa'l'en", u'hawa\xefen'), (u'Ia', u'la'), (u'I\xe0', u'l\xe0'), (u'Iaryngotomie', u'laryngotomie'), (u'idee', u'id\xe9e'), (u'idees', u'id\xe9es'), (u'Ie', u'le'), (u'IeLine truncated
|
|
|
|
|
'pattern': u"(um)\\b\\@immatriculation\\b|\\bacquer\\b|\\bacteurjoue\\b|\\baerien\\b|\\bagreable\\b|\\baientjamais\\b|\\bAII\\b|\\baitjamais\\b|\\baitjus\\b|\\balle\\b|\\balles\\b|\\bappele\\b|\\bapres\\b|\\baujourdhui\\b|\\baupres\\b|\\bbeaute\\b|\\bcabossee\\b|\\bcarj\\'\\b|\\bCarj\\'\\b|\\bcarla\\b|\\bCEdipe\\b|\\bCest\\b|\\bc\\'etaient\\b|\\bC\\\xe9taient\\b|\\bc\\'etait\\b|\\bC\\'etait\\b|\\bC\\\xe9tait\\b|\\bchoregraphiee\\b|\\bcinema\\b|\\bcl\\'AIcatraz\\b|\\bcles\\b|\\bc\\\u0153urjoie\\b|\\bcompleter\\b|\\bcostumiere\\b|\\bcree\\b|\\bdaccord\\b|\\bd\\'AIbert\\b|\\bd\\'AIdous\\b|\\bd\\'AIec\\b|\\bdanniversaire\\b|\\bd\\'Arra\\'bida\\b|\\bd\\'autod\\\xe9rision\\b|\\bdautres\\b|\\bdebattait\\b|\\bdecor\\b|\\bdecorateurs\\b|\\bdecors\\b|\\bdefi\\b|\\bdej\\\xe0\\b|\\bd\\\xe9j\\\xe0m\\b|\\bdejeunait\\b|\\bdengager\\b|\\bd\\\xe9quipement\\b|\\bd\\\xe9rni\\\xe8r\\\xe9\\b|\\bDesole\\b|\\bdessayage\\b|\\bdessence\\b|\\bd\\\xe9taient\\b|\\bdetail\\b|\\bdexcellents\\b|\\bdexp\\\xe9rience\\b|\\bdexp\\\xe9riences\\b|\\bd\\'h\\\xe9ro\\'l\\'ne\\b|\\bd\\'idees\\b|\\bd\\'intensite\\b|\\bdontj\\b|\\bdoublaitAlfo\\b|\\bDrNo\\b|\\be\\'\\b|\\becrit\\b|\\belegant\\b|\\bEll\\\xe9\\b|\\b\\\xe9n\\b|\\bequipe\\b|\\berjus\\b|\\bestjamais\\b|\\b\\\xe9t\\b|\\betaient\\b|\\betait\\b|\\bete\\b|\\betiez\\b|\\betj\\'\\b|\\bEtj\\'\\b|\\betje\\b|\\bEtje\\b|\\bEtsouvenL\\b|\\beviter\\b|\\bFabsence\\b|\\bfadapter\\b|\\bfadore\\b|\\bF\\\xe2ge\\b|\\bFagent\\b|\\bfaiessay\\\xe9\\b|\\bFailure\\b|\\bFambiance\\b|\\bFamener\\b|\\bFanniversaire\\b|\\bFapparence\\b|\\bFapres\\b|\\bFapr\\\xe8s\\b|\\bFarm\\\xe9e\\b|\\bFarri\\\xe8re\\b|\\bFarriv\\\xe9e\\b|\\bFascenseur\\b|\\bFascension\\b|\\bFassaut\\b|\\bFassomme\\b|\\bFatmosph\\\xe8re\\b|\\bFattention\\b|\\bFavalanche\\b|\\bF\\\xe9clairage\\b|\\bF\\\xe9cran\\b|\\bF\\\xe9motion\\b|\\bFemplacement\\b|\\bFendroit\\b|\\bFenseigne\\b|\\bFensemble\\b|\\bFentouraient\\b|\\bFentr\\\xe9e\\b|\\bF\\\xe9paisseur\\b|\\bF\\\xe9poque\\b|\\bF\\\xe9quipe\\b|\\bFespace\\b|\\bfesp\\\xe9rais\\b|\\bFesp\\\xe8re\\b|\\bFesth\\\xe9tique\\b|\\bFetranger\\b|\\bF\\\xe9vasion\\b|\\bF\\\xe9voque\\b|\\bFexp\\\xe9rience\\b|\\bFexplique\\b|\\bFexplosion\\b|\\bFext\\\xe9rieur\\b|\\bFhabituelle\\b|\\bFh\\\xe9licopt\\\xe8re\\b|\\bFh\\\xe9liport\\b|\\bFh\\\xe9listation\\b|\\bFhonneur\\b|\\bFhorloge\\b|\\bFid\\\xe9e\\b|\\bFimage\\b|\\bFimportance\\b|\\bFimpression\\b|\\bFinfluence\\b|\\bFinscription\\b|\\bFint\\\xe9rieur\\b|\\bFintrigue\\b|\\bFobjectif\\b|\\bFoccasion\\b|\\bFordre\\b|\\bForigine\\b|\\bfr\\\xeare\\b|\\bgaylns\\b|\\bgeneral\\b|\\bhawa\\\xefennel\\b|\\bhawa\\'l\\'en\\b|\\bIa\\b|\\bI\\\xe0\\b|\\bIaryngotomie\\b|\\bidee\\b|\\bidees\\b|\\bIe\\b|\\bIes\\b|\\bIester\\b|\\bII\\b|\\bIimit\\b|\\bIIs\\b|\\bimmediatement\\b|\\binsufflee\\b|\\bintegrer\\b|\\binteressante\\b|\\bIogions\\b|\\bIorsqu\\b|\\bisee\\b|\\bIumiere\\b|\\bIynchage\\b|\\bJ\\'espere\\b|\\bJessaie\\b|\\bj\\'etais\\b|\\bJ\\'etais\\b|\\blat\\\xe9ral\\\xe9m\\\xe9nt\\b|\\blci\\b|\\bLci\\b|\\bl\\\xe9\\-\\b|\\blepidopteres\\b|\\blitteraire\\b|\\bll\\b|\\bLl\\b|\\blls\\b|\\bLls\\b|\\bmaintenanu\\b|\\bmaniere\\b|\\bmariee\\b|\\bMayer\\/ing\\b|\\bmeilleurjour\\b|\\bmelange\\b|\\bn\\'avai\\\xe9nt\\b|\\bn\\'etait\\b|\\boitjamais\\b|\\boitjus\\b|\\bontete\\b|\\boperateur\\b|\\bouv\\\xe9rt\\\xe9\\b|\\bP\\\xe9preuve\\b|\\bpere\\b|\\bplateforme\\b|\\bpourjouer\\b|\\bprecipice\\b|\\bpreferes\\b|\\bpremierjour\\b|\\bpresenter\\b|\\bprevu\\b|\\bprevue\\b|\\bpropriete\\b|\\bprot\\\xe8geraient\\b|\\bqu\\\xe9\\b|\\bqwangoiss\\\xe9\\b|\\brealisateur\\b|\\breception\\b|\\bre\\\xe9valu\\b|\\brepute\\b|\\breussi\\b|\\bs\\'arr\\\xe9tait\\b|\\bs\\'ave\\'rer\\b|\\bscenario\\b|\\bscene\\b|\\bscenes\\b|\\bseances\\b|\\bsequence\\b|\\bs\\\ufb02\\\xe9crasa\\b|\\bspeciale\\b|\\bSupen\\b|\\btorturee\\b|\\bUadmirable\\b|\\bUensemblier\\b|\\bUexplosion\\b|\\bUouvre\\b|\\bVaise\\b|\\bvecu\\b|\\bvehicules\\b|\\b\\\u0178appr\\\xe9ciais\\b|\\b\\\u0178esp\\\xe8re\\b|\\b\\\xff\\\xe9trangle\\b"}},
|
|
|
|
|
'hrv': {'BeginLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'EndLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialLines': {'data': OrderedDict([(u'Ako ej', u'Ako je'), (u'ako ej', u'ako je'), (u'bez svesti', u'bez svijesti'), (u'Bi\u0107u uz', u'Bit \u0107u uz'), (u'bi ja', u'bih ja'), (u'bi la', u'bila'), (u'biti uredu', u'biti u redu'), (u'bi da bude', u'bi biti'), (u'Bi ste', u'Biste'), (u'bilo ko', u'bilo tko'), (u'\u0107e da do\u0111e', u'\u0107e do\u0107i'), (u'da li \u0107u', u'ho\u0107u li'), (u'dali \u0107u', u'ho\u0107u li'), (u'Da li je', u'Je li'), (u'da li je', u'je li'), (u'Da li ste', u'Jeste li'), (u'Da li si', u'Jesi li'), (u'dali si', u'jesi li'), (u'da li \u0107e', u'ho\u0107e li'), (u'dali \u0107e', u'ho\u0107e li'), (u'do srede', u'do srijede'), (u'Dobro ve\u010de', u'Dobra ve\u010der'), (u'Dobro ve\u010der', u'Dobra ve\u010der'), (u'Dobar ve\u010der', u'Dobra ve\u010der'), (u'gdje ide\u0161', u'kamo ide\u0161'), (u'Gdje ide\u0161', u'Kamo ide\u0161'), (u'Gdje sada', u'Kamo sada'), (u'gle ko', u'gle tko'), (u'ho\u0107u da budem', u'\u017eelim biti'), (u'Ho\u0107u da budem', u'\u017delim biti'), (u'ho\u0107u da ka\u017eem', u'\u017eelim re\u0107i'), (u'ho\u0107e\u0161 da ka\u017ee\u0161', u'\u017eeli\u0161 re\u0107i'), (u'ho\u0107e da ka\u017ee', u'\u017eeli re\u0107i'), (u'Izvinite me', u'Ispri\u010dajte me'), (u'Izvinite nas', u'Ispri\u010dajte nas'), (u'izvinite nas', u'ispri\u010dajte nas'), (u'ja bi', u'ja bih'), (u'Ja bi', u'Ja bih'), (u'Jel sam ti', u'Jesam li ti'), (u'Jeli se', u'Je li se'), (u'Jeli sve', u'Je li sve'), (u'Jeli ti', u'Je li ti'), (u'ko zna', u'tko zna'), (u'moglo da bude', u'moglo biti'), (u'moje sau\u010de\u0161\u0107e', u'moja su\u0107ut'), (u'mora da bude', u'mora biti'), (u'Moram da idem', u'Moram i\u0107i'), (u'Moramo da idemo', u'Moramo i\u0107i'), (u'mora\u0161 da ide\u0161', u'mora\u0161 i\u0107i'), (u'na ve\u010der', u'nave\u010der'), (u'Na ve\u010der', u'Nave\u010der'), (u'neko ko', u'netko tko'), (u'nedjelju dana', u'tjedan dana'), (u'Ne mogu da verujem', u'Ne mogu vjerovati'), (u'od kako', u'otkako'), (u'pravo u o\u010di', u'ravno u o\u010di'), (u'Si dobro', u'Jesi li dobro'), (u'Svako ko', u'Svatko tko'), (u'Svo vreme', u'Sve vrijeme'), (u'Svo vrijeme', u'Sve vrijeme'), (u'smeo da', u'smio'), (u'smeli da', u'smjeli'), (u'\u0160to ej', u'\u0160to je'), (u'\u0161to ej', u'\u0161to je'), (u'to ej', u'to je'), (u'To ej', u'To je'), (u'tamo natrag', u'tamo iza'), (u'tamo je natrag', u'tamo je iza'), (u'Tamo je natrag', u'Tamo je iza'), (u'zato sto', u'zato \u0161to'), (u'znati ko', u'znati tko'), (u'\u017eelim da budem', u'\u017eelim biti'), (u'\u017delim da budem', u'\u017delim biti'), (u'\u017eeli\u0161 da bude\u0161', u'\u017eeli\u0161 biti'), (u'\u017eelim da odem', u'\u017eelim oti\u0107i'), (u'\u017eeli\u0161 da ode\u0161', u'\u017eeli\u0161 oti\u0107i'), (u'\u017eelim da znam', u'\u017eelim znati'), (u'\u017eeli\u0161 da zna\u0161', u'\u017eeli\u0161 znati')]),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict([(u'advokati', u'odvjetnici'), (u'Advokati', u'Odvjetnici'), (u'advokatima', u'odvjetnicima'), (u'Advokatima', u'Odvjetnicima'), (u'amin', u'amen'), (u'Amin', u'Amen'), (u'ba\u0161ta', u'vrt'), (u'Ba\u0161ta', u'Vrt'), (u'ba\u0161te', u'vrtovi'), (u'Ba\u0161te', u'Vrtovi'), (u'ba\u0161ti', u'vrtu'), (u'ba\u0161tu', u'vrt'), (u'Ba\u0161tu', u'Vrt'), (u'ba\u0161tom', u'vrtom'), (u'bedan', u'bijedan'), (u'bede', u'bijede'), (u'bedi', u'bijedi'), (u'bejah', u'bijah'), (u'bele\u0161ci', u'bilje\u0161ci'), (u'bimso', u'bismo'), (u'bioskop', u'kino'), (u'bioskopi', u'kina'), (u'bitci', u'bitki'), (u'blije\u0111i', u'blje\u0111i'), (u'beg', u'bijeg'), (u'begu', u'bijegu'), (u'beja\u0161e', u'bija\u0161e'), (u'bekstvo', u'bijeg'), (u'bekstvu', u'bijegu'), (u'begstvu', u'bijegu'), (u'bes', u'bijes'), (u'besa', u'bijesa'), (u'besan', u'bijesan'), (u'besom', u'bijesom'), (u'besu', u'bijesu'), (u'be\u0161e', u'bje\u0161e'), (u'bioje', u'bio je'), (u'bi smo', u'bismo'), (u'bi ste', u'biste'), (u'bled', u'blijed'), (u'blede', u'blijede'), (u'boksuje\u0161', u'boksa\u0161'), (u'bolesan', u'bolestan'), (u'braon', u'sme\u0111a'), (u'bregu', u'brijegu'), (u'bti', u'biti'), (u'ceo', u'cijeli'), (u'Ceo', u'Cijeli'), (u'cepa', u'cijepa'), (u'cev', u'cijev'), (u'cevi', u'cijevi'), (u'cev\u010dica', u'cjev\u010dica'), (u'cev\u010dicu', u'cjev\u010dicu'), (u'cvetu', u'cvijetu'), (u'cvjetu', u'cvijetu'), (u'cvjetom', u'cvijetom'), (u'\u010dar\u0161av', u'plahta'), (u'\u010dar\u0161ave', u'plahte'), (u'\u010dar\u0161avima', u'plahtama'), (u'\u010das', u'sat'), (u'\u010detvoro', u'\u010detvero'), (u'\u010cita\u0107u', u'\u010citat \u0107u'), (u'\u010derku', u'k\u0107er'), (u'\u010cerku', u'K\u0107er'), (u'\u0107erku', u'k\u0107er'), (u'\u0106erku', u'K\u0107er'), (u'\u0107erkama', u'k\u0107erima'), (u'\u010derkama', u'k\u0107erima'), (u'\u0107erkom', u'k\u0107eri'), (u'\u010derkom', u'k\u0107eri'), (u'k\u0107erkom', u'k\u0107eri'), (u'k\u010derkom', u'k\u0107eri'), (u'\u0107ebe', u'deku'), (u'\u0107ebetu', u'deki'), (u'\u010dk', u'\u010dak'), (u'\u0107\u0161', u'\u0107e\u0161'), (u'\u0107ale', u'tata'), (u'\u0107aletom', u'ocem'), (u'\u0107aleta', u'oca'), (u'\u0107aletu', u'ocu'), (u'\u0107orsokak', u'slijepa ulica'), (u'\u0107orsokaku', u'slijepoj ulici'), (u'\u0107o\u0161ak', u'ugao'), (u'\u0107o\u0161ku', u'uglu'), (u'\u0107erka', u'k\u0107i'), (u'\u0106erka', u'K\u0107i'), (u'\u0107mo', u'\u0107emo'), (u'\u0107te', u'\u0107ete'), (u'\u010du\u0107e', u'\u010dut \u0107e'), (u'\u010du\u0107emo', u'\u010dut \u0107emo'), (u'\u010cu\u0107ete', u'\u010cut \u0107ete'), (u'\u010cu\u0107e', u'\u010cut \u0107e'), (u'\u0107utao', u'\u0161utio'), (u'\u0106utao', u'\u0160utio'), (u'daga', u'da ga'), (u'damas', u'danas'), (u'deda', u'djed'), (u'Deda', u'Djed'), (u'dede', u'djeda'), (u'dedi', u'djedu'), (u'dedom', u'djedom'), (u'defini\u0161e', u'definira'), (u'dele\u0107i', u'dijele\u0107i'), (u'deo', u'dio'), (u'Deo', u'Dio'), (u'de\u0161ava', u'doga\u0111a'), (u'dete', u'dijete'), (u'djete', u'dijete'), (u'Dete', u'Dijete'), (u'Djete', u'Dijete'), (u'detektuje', u'detektira'), (u'dodju', u'do\u0111u'), (u'dole', u'dolje'), (u'Dole', u'Dolje'), (u'Donije\u0107u', u'Donijet \u0107u'), (u'do ovde', u'dovde'), (u'dospeo', u'dospio'), (u'dospeju', u'dospiju'), (u'do\u0111avola', u'dovraga'), (u'Do\u0111avola', u'Dovraga'), (u'drug', u'prijatelj'), (u'drugde', u'drugdje'), (u'duuga', u'd\xfaga'), (u'dve', u'dvije'), (u'Dve', u'Dvije'), (u'\u0111avo', u'vrag'), (u'\u0111avola', u'vraga'), (u'\u0111emper', u'd\u017eemper'), (u'd\u017eanki', u'ovisnik'), (u'\u0111ubre', u'sme\u0107e'), (u'eksperti', u'stru\u010dnjaci'), (u'Eksperti', u'Stru\u010dnjaci'), (u'ekspertima', u'stru\u010dnjacima'), (u'en', u'ne'), (u'emitovao', u'emitirao'), (u'emituje', u'emitira'), (u'emitujem', u'emitiram'), (u'emituju', u'emitiraju'), (u'familijama', u'obiteljima'), (u'familiji', u'obitelji'), (u'flertuje', u'o\u010dijuka'), (u'foka', u'tuljan'), (u'foku', u'tuljana'), (u'foke', u'tuljani'), (u'fokama', u'tuljanima'), (u'gde', u'gdje'), (u'Gde', u'Gdje'), (u'Gre\u010den', u'Gretchen'), (u'gre\u0161e', u'grije\u0161e'), (u'gre\u0161ki', u'gre\u0161ci'), (u'Historija', u'Povijest'), (u'Historiju', u'Povijest'), (u'Historije', u'Povijesti'), (u'Historiji', u'Povijesti'), (u'Istorija', u'Povijest'), (u'Istoriju', u'Povijest'), (u'Istorije', u'Povijesti'), (u'Istoriji', u'Povijesti'), (u'historije', u'povijesti'), (u'historiji', u'povijesti'), (u'istorije', u'povijesti'), (u'istoriji', u'povijesti'), (u'ho\u010du', u'ho\u0107u'), (u'Ho\u010du', u'Ho\u0107u'), (u'hte\u0107e', u'htjet \u0107e'), (u'htedoh', u'htjedoh'), (u'i\u010di', u'i\u0107i'), (u'I\u010di', u'I\u0107i'), (u'iko', u'itko'), (u'ignori\u0161i', u'ignoriraj'), (u'Ignori\u0161i', u'Ignoriraj'), (u'ignori\u0161ite', u'ignorirajte'), (u'Ignori\u0161ite', u'Ignorirajte'), (u'ignori\u0161u', u'ignoriraju'), (u'Interesuje', u'Zanima'), (u'Interesuju', u'Zanimaju'), (u'intLine truncated
|
|
|
|
|
'pattern': u'(um)\\badvokati\\b|\\bAdvokati\\b|\\badvokatima\\b|\\bAdvokatima\\b|\\bamin\\b|\\bAmin\\b|\\bba\\\u0161ta\\b|\\bBa\\\u0161ta\\b|\\bba\\\u0161te\\b|\\bBa\\\u0161te\\b|\\bba\\\u0161ti\\b|\\bba\\\u0161tu\\b|\\bBa\\\u0161tu\\b|\\bba\\\u0161tom\\b|\\bbedan\\b|\\bbede\\b|\\bbedi\\b|\\bbejah\\b|\\bbele\\\u0161ci\\b|\\bbimso\\b|\\bbioskop\\b|\\bbioskopi\\b|\\bbitci\\b|\\bblije\\\u0111i\\b|\\bbeg\\b|\\bbegu\\b|\\bbeja\\\u0161e\\b|\\bbekstvo\\b|\\bbekstvu\\b|\\bbegstvu\\b|\\bbes\\b|\\bbesa\\b|\\bbesan\\b|\\bbesom\\b|\\bbesu\\b|\\bbe\\\u0161e\\b|\\bbioje\\b|\\bbi\\ smo\\b|\\bbi\\ ste\\b|\\bbled\\b|\\bblede\\b|\\bboksuje\\\u0161\\b|\\bbolesan\\b|\\bbraon\\b|\\bbregu\\b|\\bbti\\b|\\bceo\\b|\\bCeo\\b|\\bcepa\\b|\\bcev\\b|\\bcevi\\b|\\bcev\\\u010dica\\b|\\bcev\\\u010dicu\\b|\\bcvetu\\b|\\bcvjetu\\b|\\bcvjetom\\b|\\b\\\u010dar\\\u0161av\\b|\\b\\\u010dar\\\u0161ave\\b|\\b\\\u010dar\\\u0161avima\\b|\\b\\\u010das\\b|\\b\\\u010detvoro\\b|\\b\\\u010cita\\\u0107u\\b|\\b\\\u010derku\\b|\\b\\\u010cerku\\b|\\b\\\u0107erku\\b|\\b\\\u0106erku\\b|\\b\\\u0107erkama\\b|\\b\\\u010derkama\\b|\\b\\\u0107erkom\\b|\\b\\\u010derkom\\b|\\bk\\\u0107erkom\\b|\\bk\\\u010derkom\\b|\\b\\\u0107ebe\\b|\\b\\\u0107ebetu\\b|\\b\\\u010dk\\b|\\b\\\u0107\\\u0161\\b|\\b\\\u0107ale\\b|\\b\\\u0107aletom\\b|\\b\\\u0107aleta\\b|\\b\\\u0107aletu\\b|\\b\\\u0107orsokak\\b|\\b\\\u0107orsokaku\\b|\\b\\\u0107o\\\u0161ak\\b|\\b\\\u0107o\\\u0161ku\\b|\\b\\\u0107erka\\b|\\b\\\u0106erka\\b|\\b\\\u0107mo\\b|\\b\\\u0107te\\b|\\b\\\u010du\\\u0107e\\b|\\b\\\u010du\\\u0107emo\\b|\\b\\\u010cu\\\u0107ete\\b|\\b\\\u010cu\\\u0107e\\b|\\b\\\u0107utao\\b|\\b\\\u0106utao\\b|\\bdaga\\b|\\bdamas\\b|\\bdeda\\b|\\bDeda\\b|\\bdede\\b|\\bdedi\\b|\\bdedom\\b|\\bdefini\\\u0161e\\b|\\bdele\\\u0107i\\b|\\bdeo\\b|\\bDeo\\b|\\bde\\\u0161ava\\b|\\bdete\\b|\\bdjete\\b|\\bDete\\b|\\bDjete\\b|\\bdetektuje\\b|\\bdodju\\b|\\bdole\\b|\\bDole\\b|\\bDonije\\\u0107u\\b|\\bdo\\ ovde\\b|\\bdospeo\\b|\\bdospeju\\b|\\bdo\\\u0111avola\\b|\\bDo\\\u0111avola\\b|\\bdrug\\b|\\bdrugde\\b|\\bduuga\\b|\\bdve\\b|\\bDve\\b|\\b\\\u0111avo\\b|\\b\\\u0111avola\\b|\\b\\\u0111emper\\b|\\bd\\\u017eanki\\b|\\b\\\u0111ubre\\b|\\beksperti\\b|\\bEksperti\\b|\\bekspertima\\b|\\ben\\b|\\bemitovao\\b|\\bemituje\\b|\\bemitujem\\b|\\bemituju\\b|\\bfamilijama\\b|\\bfamiliji\\b|\\bflertuje\\b|\\bfoka\\b|\\bfoku\\b|\\bfoke\\b|\\bfokama\\b|\\bgde\\b|\\bGde\\b|\\bGre\\\u010den\\b|\\bgre\\\u0161e\\b|\\bgre\\\u0161ki\\b|\\bHistorija\\b|\\bHistoriju\\b|\\bHistorije\\b|\\bHistoriji\\b|\\bIstorija\\b|\\bIstoriju\\b|\\bIstorije\\b|\\bIstoriji\\b|\\bhistorije\\b|\\bhistoriji\\b|\\bistorije\\b|\\bistoriji\\b|\\bho\\\u010du\\b|\\bHo\\\u010du\\b|\\bhte\\\u0107e\\b|\\bhtedoh\\b|\\bi\\\u010di\\b|\\bI\\\u010di\\b|\\biko\\b|\\bignori\\\u0161i\\b|\\bIgnori\\\u0161i\\b|\\bignori\\\u0161ite\\b|\\bIgnori\\\u0161ite\\b|\\bignori\\\u0161u\\b|\\bInteresuje\\b|\\bInteresuju\\b|\\binteresuju\\b|\\bisekao\\b|\\bisterao\\b|\\bistera\\\u0161\\b|\\bIstera\\\u0161\\b|\\bisuvi\\\u0161e\\b|\\bivica\\b|\\bivice\\b|\\bivici\\b|\\bivicu\\b|\\bIzolujete\\b|\\bIzolujte\\b|\\bizgladneo\\b|\\bizmeriti\\b|\\bizmerio\\b|\\bizneti\\b|\\bizvinim\\b|\\bizvini\\\u0161\\b|\\bizviniti\\b|\\bjedamput\\b|\\bjelda\\b|\\bju\\\u010de\\b|\\bJu\\\u010de\\b|\\bkakava\\b|\\bkampuje\\b|\\bkampujemo\\b|\\bkampuju\\b|\\bkancelariji\\b|\\bkancelarijom\\b|\\bkancera\\b|\\bkarmin\\b|\\bkarminom\\b|\\bk\\\u0107erci\\b|\\bk\\\u0107erka\\b|\\bk\\\u010derka\\b|\\bK\\\u0107erka\\b|\\bK\\\u010derka\\b|\\bk\\\u0107erkama\\b|\\bker\\b|\\bKer\\b|\\bkerova\\b|\\bkidnapovan\\b|\\bKidnapovan\\b|\\bkiji\\b|\\bkijim\\b|\\bklasifikuju\\b|\\bKo\\b|\\bkoa\\b|\\bkoaj\\b|\\bkola\\b|\\bkolima\\b|\\bkomandni\\b|\\bkombinuju\\b|\\bkompanija\\b|\\bkom\\\u0161ija\\b|\\bkom\\\u0161iji\\b|\\bkom\\\u0161iluk\\b|\\bkom\\\u0161iluku\\b|\\bkom\\\u0161ije\\b|\\bkom\\\u0161ijama\\b|\\bkontroli\\\u0161u\\b|\\bKontroli\\\u0161u\\b|\\bKontroli\\\u0161i\\b|\\bkontroli\\\u0161i\\b|\\bKontroli\\\u0161ite\\b|\\bkontroli\\\u0161ite\\b|\\bkorpu\\b|\\bkritikuju\\b|\\bkrsta\\b|\\bkrstu\\b|\\bkrsti\\\u0107a\\b|\\bkrsti\\\u0107u\\b|\\bKrsta\\b|\\bKrstu\\b|\\bKrsti\\\u0107a\\b|\\bKrsti\\\u0107u\\b|\\bkrstom\\b|\\bkrstove\\b|\\bKrstove\\b|\\bkrstovima\\b|\\bKrstovima\\b|\\bkri\\\u017eom\\b|\\bkupatilo\\b|\\bkupatilu\\b|\\bkvalifikuju\\b|\\bla\\\u017eeju\\b|\\bla\\\u017eov\\b|\\bla\\\u017eovi\\b|\\bla\\\u017eovu\\b|\\bla\\\u017eovima\\b|\\blebdeo\\b|\\ble\\\u010di\\b|\\blje\\\u010di\\b|\\bLe\\\u010di\\b|\\bLje\\\u010di\\b|\\bLejn\\b|\\bLenja\\b|\\blenji\\b|\\blenja\\b|\\ble\\\u0161nik\\b|\\bleto\\b|\\bletiti\\b|\\bleve\\b|\\blo\\\u017ei\\b|\\bmajca\\b|\\bmajcu\\b|\\bmajcom\\b|\\bMalopre\\b|\\bmalopre\\b|\\bmaloprije\\b|\\bmanifestuje\\b|\\bmehur\\b|\\bmenom\\b|\\bmera\\\u010d\\b|\\bmeri\\b|\\bmere\\b|\\bmerdevine\\b|\\bmerdevinama\\b|\\bme\\\u0161ane\\b|\\bme\\\u0161avina\\b|\\bme\\\u0161avine\\b|\\bme\\\u0161avinu\\b|\\bminut\\b|\\bmo\\\u010d\\b|\\bmuzejem\\b|\\bmuzici\\b|\\bna\\\u010di\\b|\\bnaduvan\\b|\Line truncated
|
|
|
|
|
'hun': {'BeginLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'EndLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None}},
|
|
|
|
|
'nld': {'BeginLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'EndLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict([(u'ls', u'Is'), (u'ln', u'In'), (u'lk', u'Ik'), (u'ledereen', u'Iedereen'), (u'ledere', u'Iedere'), (u'lemand', u'Iemand')]),
|
|
|
|
|
'pattern': u'(um)\\bls\\b|\\bln\\b|\\blk\\b|\\bledereen\\b|\\bledere\\b|\\blemand\\b'}},
|
|
|
|
|
'nor': {'BeginLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'EndLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None}},
|
|
|
|
|
'por': {'BeginLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'EndLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialLines': {'data': OrderedDict([(u'IN 6-E', u'N 6 E'), (u'in tegrar-se', u'integrar-se'), (u'in teresse', u'interesse'), (u'in testinos', u'intestinos'), (u'indica \xe7\xe3o', u'indica\xe7\xe3o'), (u'inte tino', u'intestino'), (u'intes tinos', u'intestinos'), (u'L da', u'Lda'), (u'mal estar', u'mal-estar'), (u'mastiga \xe7\xe1o', u'mastiga\xe7\xe3o'), (u'm\xe9di cas', u'm\xe9dicas'), (u'mineo rais', u'minerais'), (u'mola res', u'molares'), (u'movi mentos', u'movimentos'), (u'movimen to', u'movimento'), (u'N 5-Estendido', u'N\xba 5 Estendido'), (u'oxig\xe9 nio', u'oxig\xe9nio'), (u'pod mos', u'podemos'), (u'poder-se ia', u'poder-se-ia'), (u'pos sibilidade', u'possibilidade'), (u'possibi lidades', u'possibilidades'), (u'pro duto', u'produto'), (u'procu rar', u'procurar'), (u'Q u e', u'Que'), (u'qualifi cam', u'qualificam'), (u'R egi\xe3o', u'Regi\xe3o'), (u'unsuficien temente', u'insuficientemente')]),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict([(u'abitual', u'habitual'), (u'\xe0cerca', u'acerca'), (u'acessor', u'assessor'), (u'ac\xf3lico', u'ac\xf3lito'), (u'a\xe7oreano', u'a\xe7oriano'), (u'actuacao', u'actua\xe7\xe3o'), (u'acucar', u'a\xe7\xfacar'), (u'a\xe7ucar', u'a\xe7\xfacar'), (u'advinhar', u'adivinhar'), (u'africa', u'\xc1frica'), (u'ajuisar', u'ajuizar'), (u'album', u'\xe1lbum'), (u'alcool\xe9mia', u'alcoolemia'), (u'aldi\xe3o', u'alde\xe3o'), (u'algerino', u'argelino'), (u'ameixeal', u'ameixial'), (u'amia\xe7a', u'amea\xe7a'), (u'analizar', u'analisar'), (u'and\xe1ste', u'andaste'), (u'anemona', u'an\xe9mona'), (u'antartico', u'ant\xe1rctico'), (u'ant\xe1rtico', u'ant\xe1rctico'), (u'antep\xf4r', u'antepor'), (u'ap\xe1rte', u'aparte'), (u'apiadeiro', u'apeadeiro'), (u'apiar', u'apear'), (u'apreciacao', u'aprecia\xe7\xe3o'), (u'arctico', u'\xe1rctico'), (u'arrazar', u'arrasar'), (u'\xe1rtico', u'\xe1rctico'), (u'artifice', u'art\xedfice'), (u'artif\xedcial', u'artificial'), (u'ascen\xe7\xe3o', u'ascens\xe3o'), (u'ass\xfacar', u'a\xe7\xfacar'), (u'aste', u'haste'), (u'aster\xedstico', u'asterisco'), (u'aver\xe7\xe3o', u'avers\xe3o'), (u'avizar', u'avisar'), (u'avulsso', u'avulso'), (u'ba\xednha', u'bainha'), (u'banca-rota', u'bancarrota'), (u'bandeija', u'bandeja'), (u'b\xe9b\xe9', u'beb\xe9'), (u'beige', u'bege'), (u'ben\xe7\xe3o', u'b\xean\xe7\xe3o'), (u'benefici\xeancia', u'benefic\xeancia'), (u'beneficiente', u'beneficente'), (u'benvinda', u'bem-vinda'), (u'benvindo', u'bem-vindo'), (u'boasvindas', u'boas-vindas'), (u'borborinho', u'burburinho'), (u'Brazil', u'Brasil'), (u'bussula', u'b\xfassola'), (u'cabo-verdeano', u'cabo-verdiano'), (u'caimbras', u'c\xe3ibras'), (u'calc\xe1reo', u'calc\xe1rio'), (u'calsado', u'cal\xe7ado'), (u'calv\xedce', u'calv\xedcie'), (u'camoneano', u'camoniano'), (u'campi\xe3o', u'campe\xe3o'), (u'can\xe7acos', u'cansa\xe7os'), (u'caracter', u'car\xe1cter'), (u'caract\xe9res', u'caracteres'), (u'catequeze', u'catequese'), (u'catequisador', u'catequizador'), (u'catequisar', u'catequizar'), (u'ch\xedcara', u'x\xedcara'), (u'ciclano', u'sicrano'), (u'cicrano', u'sicrano'), (u'cidad\xe3es', u'cidad\xe3os'), (u'cidad\xf5es', u'cidad\xe3os'), (u'cincoenta', u'cinquenta'), (u'cinseiro', u'cinzeiro'), (u'cinsero', u'sincero'), (u'citacoes', u'cita\xe7\xf5es'), (u'coaliz\xe3o', u'colis\xe3o'), (u'c\xf4dia', u'c\xf4dea'), (u'comb\xf3io', u'comboio'), (u'comp\xf4r', u'compor'), (u'concerteza', u'com certeza'), (u'constituia', u'constitu\xeda'), (u'constitu\xedu', u'constituiu'), (u'contato', u'contacto'), (u'contens\xe3o', u'conten\xe7\xe3o'), (u'contribuicoes', u'contribui\xe7\xf5es'), (u'c\xf4r', u'cor'), (u'corass\xe3o', u'cora\xe7\xe3o'), (u'cor\xe7ario', u'cors\xe1rio'), (u'cor\xe7\xe1rio', u'cors\xe1rio'), (u'cornprimidosinbo', u'comprimidozinho'), (u'cr\xe2neo', u'cr\xe2nio'), (u'dE', u'de'), (u'defeni\xe7\xe3o', u'defini\xe7\xe3o'), (u'defenido', u'definido'), (u'defenir', u'definir'), (u'deficite', u'd\xe9fice'), (u'degladiar', u'digladiar'), (u'deiche', u'deixe'), (u'desinteria', u'disenteria'), (u'despendio', u'disp\xeandio'), (u'desp\xeandio', u'disp\xeandio'), (u'desplic\xeancia', u'displic\xeancia'), (u'dificulidade', u'dificuldade'), (u'dispender', u'despender'), (u'dispendio', u'disp\xeandio'), (u'distribuido', u'distribu\xeddo'), (u'dru\xedda', u'druida'), (u'\xe9cr\xe3', u'ecr\xe3'), (u'ecran', u'ecr\xe3'), (u'\xe9cran', u'ecr\xe3'), (u'\xeale', u'ele'), (u'elice', u'h\xe9lice'), (u'\xe9lice', u'h\xe9lice'), (u'emiratos', u'emirados'), (u'engolis-te', u'engoliste'), (u'engulir', u'engolir'), (u'enguliste', u'engoliste'), (u'entertido', u'entretido'), (u'entitular', u'intitular'), (u'entreterimento', u'entretenimento'), (u'entreti-me', u'entretive-me'), (u'env\xf3lucro', u'inv\xf3lucro'), (u'er\xf3i', u'her\xf3i'), (u'escluir', u'excluir'), (u'esclus\xe3o', u'exclus\xe3o'), (u'escriv\xf5es', u'escriv\xe3es'), (u'esqueiro', u'isqueiro'), (u'esquesito', u'esquisito'), (u'estacoes', u'esta\xe7\xf5es'), (u'esteje', u'esteja'), (u'excava\xe7\xe3o', u'escava\xe7\xe3o'), (u'excavar', u'escavar'), (u'exdr\xfaxula', u'esdr\xfaxula'), (u'exdr\xfaxulas', u'esdr\xfaxulas'), (u'exitar', u'hesitar'), (u'explicacoes', u'explica\xe7\xf5es'), (u'exquisito', u'esquisito'), (u'extende', u'estende'), (u'extender', u'estender'), (u'f\xe0cilmenfe', u'facilmente'), (u'f\xe0cilmente', u'facilmente'), (u'fariam-lhe', u'far-lhe-iam'), (u'FARM\xc1ClAS', u'FARM\xc1CIAS'), (u'farmec\xeautico', u'farmac\xeautico'), (u'fassa', u'fa\xe7a'), (u'f\xe9bre', u'febre'), (u'fecula', u'f\xe9cula'), (u'f\xe9mea', u'f\xeamea'), (u'femenino', u'feminino'), (u'femininismo', u'feminismo'), (u'f\xedsiologista', u'fisiologista'), (u'fiz\xe9mos', u'fizemos'), (u'fizes-te', u'fizeste'), (u'fl\xf4r', u'flor'), (u'for\xe3o', u'foram'), (u'formalisar', u'formalizar'), (u'f\xf4ro', u'foro'), (u'fos-te', u'foste'), (u'frag\xe2ncia', u'fragr\xe2ncia'), (u'fran\xe7\xeas', u'franc\xeas'), (u'frasqutnho', u'frasquiLine truncated
|
|
|
|
|
'pattern': u'(um)\\babitual\\b|\\b\\\xe0cerca\\b|\\bacessor\\b|\\bac\\\xf3lico\\b|\\ba\\\xe7oreano\\b|\\bactuacao\\b|\\bacucar\\b|\\ba\\\xe7ucar\\b|\\badvinhar\\b|\\bafrica\\b|\\bajuisar\\b|\\balbum\\b|\\balcool\\\xe9mia\\b|\\baldi\\\xe3o\\b|\\balgerino\\b|\\bameixeal\\b|\\bamia\\\xe7a\\b|\\banalizar\\b|\\band\\\xe1ste\\b|\\banemona\\b|\\bantartico\\b|\\bant\\\xe1rtico\\b|\\bantep\\\xf4r\\b|\\bap\\\xe1rte\\b|\\bapiadeiro\\b|\\bapiar\\b|\\bapreciacao\\b|\\barctico\\b|\\barrazar\\b|\\b\\\xe1rtico\\b|\\bartifice\\b|\\bartif\\\xedcial\\b|\\bascen\\\xe7\\\xe3o\\b|\\bass\\\xfacar\\b|\\baste\\b|\\baster\\\xedstico\\b|\\baver\\\xe7\\\xe3o\\b|\\bavizar\\b|\\bavulsso\\b|\\bba\\\xednha\\b|\\bbanca\\-rota\\b|\\bbandeija\\b|\\bb\\\xe9b\\\xe9\\b|\\bbeige\\b|\\bben\\\xe7\\\xe3o\\b|\\bbenefici\\\xeancia\\b|\\bbeneficiente\\b|\\bbenvinda\\b|\\bbenvindo\\b|\\bboasvindas\\b|\\bborborinho\\b|\\bBrazil\\b|\\bbussula\\b|\\bcabo\\-verdeano\\b|\\bcaimbras\\b|\\bcalc\\\xe1reo\\b|\\bcalsado\\b|\\bcalv\\\xedce\\b|\\bcamoneano\\b|\\bcampi\\\xe3o\\b|\\bcan\\\xe7acos\\b|\\bcaracter\\b|\\bcaract\\\xe9res\\b|\\bcatequeze\\b|\\bcatequisador\\b|\\bcatequisar\\b|\\bch\\\xedcara\\b|\\bciclano\\b|\\bcicrano\\b|\\bcidad\\\xe3es\\b|\\bcidad\\\xf5es\\b|\\bcincoenta\\b|\\bcinseiro\\b|\\bcinsero\\b|\\bcitacoes\\b|\\bcoaliz\\\xe3o\\b|\\bc\\\xf4dia\\b|\\bcomb\\\xf3io\\b|\\bcomp\\\xf4r\\b|\\bconcerteza\\b|\\bconstituia\\b|\\bconstitu\\\xedu\\b|\\bcontato\\b|\\bcontens\\\xe3o\\b|\\bcontribuicoes\\b|\\bc\\\xf4r\\b|\\bcorass\\\xe3o\\b|\\bcor\\\xe7ario\\b|\\bcor\\\xe7\\\xe1rio\\b|\\bcornprimidosinbo\\b|\\bcr\\\xe2neo\\b|\\bdE\\b|\\bdefeni\\\xe7\\\xe3o\\b|\\bdefenido\\b|\\bdefenir\\b|\\bdeficite\\b|\\bdegladiar\\b|\\bdeiche\\b|\\bdesinteria\\b|\\bdespendio\\b|\\bdesp\\\xeandio\\b|\\bdesplic\\\xeancia\\b|\\bdificulidade\\b|\\bdispender\\b|\\bdispendio\\b|\\bdistribuido\\b|\\bdru\\\xedda\\b|\\b\\\xe9cr\\\xe3\\b|\\becran\\b|\\b\\\xe9cran\\b|\\b\\\xeale\\b|\\belice\\b|\\b\\\xe9lice\\b|\\bemiratos\\b|\\bengolis\\-te\\b|\\bengulir\\b|\\benguliste\\b|\\bentertido\\b|\\bentitular\\b|\\bentreterimento\\b|\\bentreti\\-me\\b|\\benv\\\xf3lucro\\b|\\ber\\\xf3i\\b|\\bescluir\\b|\\besclus\\\xe3o\\b|\\bescriv\\\xf5es\\b|\\besqueiro\\b|\\besquesito\\b|\\bestacoes\\b|\\besteje\\b|\\bexcava\\\xe7\\\xe3o\\b|\\bexcavar\\b|\\bexdr\\\xfaxula\\b|\\bexdr\\\xfaxulas\\b|\\bexitar\\b|\\bexplicacoes\\b|\\bexquisito\\b|\\bextende\\b|\\bextender\\b|\\bf\\\xe0cilmenfe\\b|\\bf\\\xe0cilmente\\b|\\bfariam\\-lhe\\b|\\bFARM\\\xc1ClAS\\b|\\bfarmec\\\xeautico\\b|\\bfassa\\b|\\bf\\\xe9bre\\b|\\bfecula\\b|\\bf\\\xe9mea\\b|\\bfemenino\\b|\\bfemininismo\\b|\\bf\\\xedsiologista\\b|\\bfiz\\\xe9mos\\b|\\bfizes\\-te\\b|\\bfl\\\xf4r\\b|\\bfor\\\xe3o\\b|\\bformalisar\\b|\\bf\\\xf4ro\\b|\\bfos\\-te\\b|\\bfrag\\\xe2ncia\\b|\\bfran\\\xe7\\\xeas\\b|\\bfrasqutnho\\b|\\bfrustado\\b|\\bfur\\\xe1\\b|\\bgaz\\b|\\bg\\\xe1z\\b|\\bgeito\\b|\\bgeneceu\\b|\\bgeropiga\\b|\\bglic\\\xe9mia\\b|\\bgorgeta\\b|\\bgrangear\\b|\\bguizar\\b|\\bhectar\\b|\\bherm\\\xe9ticamente\\b|\\bhernia\\b|\\bhigi\\\xe9ne\\b|\\bhilariedade\\b|\\bhiperac\\\xeddez\\b|\\bhontem\\b|\\bigiene\\b|\\bigienico\\b|\\bigi\\\xe9nico\\b|\\bigreija\\b|\\biguasu\\b|\\bilac\\\xe7\\\xe3o\\b|\\bimbigo\\b|\\bimpecilho\\b|\\b\\\xedncas\\b|\\binc\\\xeasto\\b|\\binclusiv\\\xe9\\b|\\binc\\\xf4modos\\b|\\bincontest\\\xe1velmente\\b|\\bincontest\\\xe0velmente\\b|\\bindespens\\\xe1veis\\b|\\bindespens\\\xe1vel\\b|\\bIndia\\b|\\bindiguina\\\xe7\\\xe3o\\b|\\bindiguinado\\b|\\bindiguinar\\b|\\binflac\\\xe7\\\xe3o\\b|\\bingreja\\b|\\bINSCRICOES\\b|\\bintens\\\xe3o\\b|\\bintertido\\b|\\bintoxica\\b|\\bintrega\\b|\\binveros\\\xedmel\\b|\\biorgute\\b|\\bipop\\\xf3tamo\\b|\\bipsilon\\b|\\bipslon\\b|\\bisquesito\\b|\\bju\\\xedz\\b|\\bjuiza\\b|\\bj\\\xfaniores\\b|\\bjustanzente\\b|\\bjuz\\b|\\bkilo\\b|\\blaborat\\\xf3rio\\-porque\\b|\\bladravaz\\b|\\blament\\\xe0velmente\\b|\\blampe\\\xe3o\\b|\\blargartixa\\b|\\blargarto\\b|\\bl\\\xeam\\b|\\bleuc\\\xe9mia\\b|\\blicensa\\b|\\blingu\\\xedsta\\b|\\blisongear\\b|\\blogista\\b|\\bma\\\xe7ajar\\b|\\bMacfadden\\-o\\b|\\bmae\\b|\\bmagestade\\b|\\bm\\\xe3gua\\b|\\bmangerico\\b|\\bmangerona\\b|\\bmanteem\\-se\\b|\\bmantega\\b|\\bmantem\\-se\\b|\\bmassi\\\xe7o\\b|\\bmassisso\\b|\\bm\\\xe9dica\\-Rio\\b|\\bmenistro\\b|\\bmerciaria\\b|\\bmetrelhadora\\b|\\bmiscegena\\\xe7\\\xe3o\\b|\\bmisogenia\\b|\\bmisogeno\\b|\\bmis\\\xf3geno\\b|\\bm\\\xba\\b|\\bm\\\xf4lho\\b|\\bmonument\\\xe2nea\\b|\\bmortandela\\b|\\bmorteIa\\b|\\bmuinto\\b|\\bnasaias\\b|\\bn\\\xeale\\b|\\bnest\\b|\\bNivea\\b|\\bnonagessimo\\b|\\bnonag\\\xe9ssimo\\b|\\bnornal\\b|\\bnot\\\xe0velmente\\b|\\bobcess\\\xe3o\\b|\\bobesidae\\b|\\b\\\xf3bviamente\\b|\\b\\\xf2bviamente\\b|\\bofecina\\b|\\boje\\b|\\bomem\\b|\\bopcoes\\b|\\bop\\\xf3brio\\b|\\bopr\\\xf3bio\\b|\\borf\\\xe3o\\b|\\borganigrama\\b|\\borganisar\\b|\\borg\\\xe3o\\b|\\borta\\b|\\b\\\xf3tima\\b|\\b\\\xf3timos\\b|\\bparaliza\\\xe7\\\xe3o\\b|\\bparalizado\\b|\\bparalizar\\b|\\bpar\\\xe1ste\\b|\\bP\\Line truncated
|
|
|
|
|
'rus': {'BeginLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'EndLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict([(u'\u041d\u0404\u0419', u'\u041d\u0415\u0419'), (u'\u041e\u0420\u0413\u0417\u041d\u0418\u0417\u041c\u041e\u0411', u'\u041e\u0420\u0413\u0410\u041d\u0418\u0417\u041c\u0410'), (u'\u0427\u04570', u'\u0427\u0422\u041e'), (u'\u041d\u042d', u'\u041d\u0410'), (u'\u0421\u041e\u0421\u0404\u0414\u041d\u042e\u042e', u'\u0421\u041e\u0421\u0415\u0414\u041d\u042e\u042e'), (u'\u041f\u041b\u0417\u041d\u0404\u0422\u0423', u'\u041f\u041b\u0410\u041d\u0415\u0422\u0423'), (u'\u0417\u0417\u0413\u042d\u0414\u041e\u041a', u'\u0417\u0410\u0413\u0410\u0414\u041e\u041a'), (u'\u0421\u041e\u0422\u0412\u041e\u0420\u0404\u041d\u0418\u042f', u'\u0421\u041e\u0422\u0412\u041e\u0420\u0415\u041d\u0418\u042f'), (u'\u041c\u0418\u0420\u042d', u'\u041c\u0418\u0420\u0410'), (u'\u041f\u041e\u042f\u0411\u041b\u0404\u041d\u0418\u042f', u'\u041f\u041e\u042f\u0412\u041b\u0415\u041d\u0418\u042f'), (u'\u0417\u0404\u041c\u041b\u0404', u'\u0417\u0415\u041c\u041b\u0415'), (u'\u0404\u0429\u0404', u'\u0415\u0429\u0401'), (u'\u0422\u0404\u041c\u041d\u042c\u0406\u0425', u'\u0422\u0415\u041c\u041d\u042b\u0425'), (u'\u0421\u0404\u0420\u042c\u0404\u0417\u041d\u042c\u0406\u041c', u'\u0421\u0415\u0420\u042c\u0415\u0417\u041d\u042b\u041c'), (u'\u041f\u041e\u0428\u0406\u04060', u'\u041f\u041e\u0428\u041b\u041e'), (u'\u041f\u04400\u0418\u04170\u0428\u0404\u041b', u'\u041f\u0420\u041e\u0418\u0417\u041e\u0428\u0415\u041b'), (u'\u0421\u0404\u041a\u0420\u0404\u0422\u042d\u041c\u0418', u'\u0421\u0415\u041a\u0420\u0415\u0422\u0410\u041c\u0418'), (u'\u041c\u042d\u0422\u0404\u0420\u0418\u0417\u041b\u042c\u0406', u'\u041c\u0410\u0422\u0415\u0420\u0418\u0410\u041b\u042b'), (u'\u041f\u042f\u0422\u0404\u041d', u'\u041f\u042f\u0422\u0415\u041d'), (u'\u041f\u041b\u0430\u041d\u0404\u0457\u0404', u'\u041f\u041b\u0410\u041d\u0415\u0422\u0415'), (u'\u041a\u0417\u0422\u042d\u041a\u041b\u0418\u0417\u041c', u'\u041a\u0410\u0422\u0410\u041a\u041b\u0418\u0417\u041c'), (u'\u041e\u041a\u0417\u0417\u0417\u041b\u0421\u042f', u'\u041e\u041a\u0410\u0417\u0410\u041b\u0421\u042f'), (u'\u0414\u042d\u041b\u042c\u0428\u0415', u'\u0414\u0410\u041b\u042c\u0428\u0415'), (u'\u0422\u0412\u041a', u'\u0422\u0410\u041a'), (u'\u041f\u041b\u0417\u041d\u0404\u0422\u0417', u'\u041f\u041b\u0410\u041d\u0415\u0422\u0410'), (u'\u0427\u0404\u0413\u041e', u'\u0427\u0415\u0413\u041e'), (u'\u0423\u0417\u041d\u042d\u0422\u042c', u'\u0423\u0417\u041d\u0410\u0422\u042c'), (u'\u041f\u041b\u042d\u041d\u0404\u0422\u0404', u'\u041f\u041b\u0410\u041d\u0415\u0422\u0415'), (u'\u041d\u0404\u041c', u'\u041d\u0415\u041c'), (u'\u0411\u041e\u0417\u041c\u041e\u0416\u041d\u0417', u'\u0412\u041e\u0417\u041c\u041e\u0416\u041d\u0410'), (u'\u0421\u041e\u0411\u0404\u0420\u0428\u0404\u041d\u041d\u041e', u'\u0421\u041e\u0412\u0415\u0420\u0428\u0415\u041d\u041d\u041e'), (u'\u0418\u041d\u042d\u0427\u0404', u'\u0418\u041d\u0410\u0427\u0415'), (u'\u0411\u0421\u0404', u'\u0412\u0421\u0415'), (u'\u041d\u0415\u0414\u041e\u0421\u0422\u0417\u0422\u041a\u0418', u'\u041d\u0415\u0414\u041e\u0421\u0422\u0410\u0422\u041a\u0418'), (u'\u041d\u041e\u0412\u042c\u0406\u0404', u'\u041d\u041e\u0412\u042b\u0415'), (u'\u0412\u0404\u041b\u0418\u041a\u041e\u041b\u0404\u041f\u041d\u042d\u042f', u'\u0412\u0415\u041b\u0418\u041a\u041e\u041b\u0415\u041f\u041d\u0410\u042f'), (u'\u041e\u0421\u0422\u042d\u0406\u0406\u041e\u0421\u042c', u'\u041e\u0421\u0422\u0410\u041b\u041e\u0421\u042c'), (u'\u041d\u0417\u041b\u0418\u0427\u0418\u0404', u'\u041d\u0410\u041b\u0418\u0427\u0418\u0415'), (u'\u0431\u042b', u'\u0431\u044b'), (u'\u041f\u0420\u041e\u0426\u0412\u0415\u0422\u0412\u0422\u042c', u'\u041f\u0420\u041e\u0426\u0412\u0415\u0422\u0410\u0422\u042c'), (u'\u041a\u0417\u041a', u'\u041a\u0410\u041a'), (u'\u0412\u041e\u0414\u0417', u'\u0412\u041e\u0414\u0410'), (u'\u041d\u0417\u0428\u0415\u041b', u'\u041d\u0410\u0428\u0415\u041b'), (u'\u041d\u0404', u'\u041d\u0415'), (u'\u0422\u041e\u0416\u0404', u'\u0422\u041e\u0416\u0415'), (u'\u0412\u0423\u041b\u041a\u042d\u041d\u0418\u0427\u0404\u0421\u041a\u041e\u0419', u'\u0412\u0423\u041b\u041a\u0410\u041d\u0418\u0427\u0415\u0421\u041a\u041e\u0419'), (u'\u042d\u041a\u0422\u0418\u0411\u041d\u041e\u0421\u0422\u0418', u'\u0410\u041a\u0422\u0418\u0412\u041d\u041e\u0421\u0422\u0418'), (u'\u041f\u041e\u042f\u0412\u0418\u041b\u0417\u0421\u042c', u'\u041f\u041e\u042f\u0412\u0418\u041b\u0410\u0421\u042c'), (u'\u041d\u041e\u0412\u0417\u042f', u'\u041d\u041e\u0412\u0410\u042f'), (u'\u0421\u0422\u0420\u042d\u0422\u0404\u0413\u0418\u042f', u'\u0421\u0422\u0420\u0410\u0422\u0415\u0413\u0418\u042f'), (u'\u0423\u0421\u041f\u0404\u0428\u041d0', u'\u0423\u0421\u041f\u0415\u0428\u041d\u041e'), (u'\u041f\u041e\u0421\u0417\u0414\u041a\u0423', u'\u041f\u041e\u0421\u0410\u0414\u041a\u0423'), (u'\u0413\u041e\u0422\u041e\u0411\u042b', u'\u0413\u041e\u0422\u041e\u0412\u042b'), (u'\u041d\u0417\u0427\u0417\u0422\u042c', u'\u041d\u0410\u0427\u0410\u0422\u042c'), (u'\u041e\u0425\u041e\u0422\u042d', u'\u041e\u0425\u041e\u0422\u0Line truncated
|
|
|
|
|
'pattern': u'(um)\\b\\\u041d\\\u0404\\\u0419\\b|\\b\\\u041e\\\u0420\\\u0413\\\u0417\\\u041d\\\u0418\\\u0417\\\u041c\\\u041e\\\u0411\\b|\\b\\\u0427\\\u04570\\b|\\b\\\u041d\\\u042d\\b|\\b\\\u0421\\\u041e\\\u0421\\\u0404\\\u0414\\\u041d\\\u042e\\\u042e\\b|\\b\\\u041f\\\u041b\\\u0417\\\u041d\\\u0404\\\u0422\\\u0423\\b|\\b\\\u0417\\\u0417\\\u0413\\\u042d\\\u0414\\\u041e\\\u041a\\b|\\b\\\u0421\\\u041e\\\u0422\\\u0412\\\u041e\\\u0420\\\u0404\\\u041d\\\u0418\\\u042f\\b|\\b\\\u041c\\\u0418\\\u0420\\\u042d\\b|\\b\\\u041f\\\u041e\\\u042f\\\u0411\\\u041b\\\u0404\\\u041d\\\u0418\\\u042f\\b|\\b\\\u0417\\\u0404\\\u041c\\\u041b\\\u0404\\b|\\b\\\u0404\\\u0429\\\u0404\\b|\\b\\\u0422\\\u0404\\\u041c\\\u041d\\\u042c\\\u0406\\\u0425\\b|\\b\\\u0421\\\u0404\\\u0420\\\u042c\\\u0404\\\u0417\\\u041d\\\u042c\\\u0406\\\u041c\\b|\\b\\\u041f\\\u041e\\\u0428\\\u0406\\\u04060\\b|\\b\\\u041f\\\u04400\\\u0418\\\u04170\\\u0428\\\u0404\\\u041b\\b|\\b\\\u0421\\\u0404\\\u041a\\\u0420\\\u0404\\\u0422\\\u042d\\\u041c\\\u0418\\b|\\b\\\u041c\\\u042d\\\u0422\\\u0404\\\u0420\\\u0418\\\u0417\\\u041b\\\u042c\\\u0406\\b|\\b\\\u041f\\\u042f\\\u0422\\\u0404\\\u041d\\b|\\b\\\u041f\\\u041b\\\u0430\\\u041d\\\u0404\\\u0457\\\u0404\\b|\\b\\\u041a\\\u0417\\\u0422\\\u042d\\\u041a\\\u041b\\\u0418\\\u0417\\\u041c\\b|\\b\\\u041e\\\u041a\\\u0417\\\u0417\\\u0417\\\u041b\\\u0421\\\u042f\\b|\\b\\\u0414\\\u042d\\\u041b\\\u042c\\\u0428\\\u0415\\b|\\b\\\u0422\\\u0412\\\u041a\\b|\\b\\\u041f\\\u041b\\\u0417\\\u041d\\\u0404\\\u0422\\\u0417\\b|\\b\\\u0427\\\u0404\\\u0413\\\u041e\\b|\\b\\\u0423\\\u0417\\\u041d\\\u042d\\\u0422\\\u042c\\b|\\b\\\u041f\\\u041b\\\u042d\\\u041d\\\u0404\\\u0422\\\u0404\\b|\\b\\\u041d\\\u0404\\\u041c\\b|\\b\\\u0411\\\u041e\\\u0417\\\u041c\\\u041e\\\u0416\\\u041d\\\u0417\\b|\\b\\\u0421\\\u041e\\\u0411\\\u0404\\\u0420\\\u0428\\\u0404\\\u041d\\\u041d\\\u041e\\b|\\b\\\u0418\\\u041d\\\u042d\\\u0427\\\u0404\\b|\\b\\\u0411\\\u0421\\\u0404\\b|\\b\\\u041d\\\u0415\\\u0414\\\u041e\\\u0421\\\u0422\\\u0417\\\u0422\\\u041a\\\u0418\\b|\\b\\\u041d\\\u041e\\\u0412\\\u042c\\\u0406\\\u0404\\b|\\b\\\u0412\\\u0404\\\u041b\\\u0418\\\u041a\\\u041e\\\u041b\\\u0404\\\u041f\\\u041d\\\u042d\\\u042f\\b|\\b\\\u041e\\\u0421\\\u0422\\\u042d\\\u0406\\\u0406\\\u041e\\\u0421\\\u042c\\b|\\b\\\u041d\\\u0417\\\u041b\\\u0418\\\u0427\\\u0418\\\u0404\\b|\\b\\\u0431\\\u042b\\b|\\b\\\u041f\\\u0420\\\u041e\\\u0426\\\u0412\\\u0415\\\u0422\\\u0412\\\u0422\\\u042c\\b|\\b\\\u041a\\\u0417\\\u041a\\b|\\b\\\u0412\\\u041e\\\u0414\\\u0417\\b|\\b\\\u041d\\\u0417\\\u0428\\\u0415\\\u041b\\b|\\b\\\u041d\\\u0404\\b|\\b\\\u0422\\\u041e\\\u0416\\\u0404\\b|\\b\\\u0412\\\u0423\\\u041b\\\u041a\\\u042d\\\u041d\\\u0418\\\u0427\\\u0404\\\u0421\\\u041a\\\u041e\\\u0419\\b|\\b\\\u042d\\\u041a\\\u0422\\\u0418\\\u0411\\\u041d\\\u041e\\\u0421\\\u0422\\\u0418\\b|\\b\\\u041f\\\u041e\\\u042f\\\u0412\\\u0418\\\u041b\\\u0417\\\u0421\\\u042c\\b|\\b\\\u041d\\\u041e\\\u0412\\\u0417\\\u042f\\b|\\b\\\u0421\\\u0422\\\u0420\\\u042d\\\u0422\\\u0404\\\u0413\\\u0418\\\u042f\\b|\\b\\\u0423\\\u0421\\\u041f\\\u0404\\\u0428\\\u041d0\\b|\\b\\\u041f\\\u041e\\\u0421\\\u0417\\\u0414\\\u041a\\\u0423\\b|\\b\\\u0413\\\u041e\\\u0422\\\u041e\\\u0411\\\u042b\\b|\\b\\\u041d\\\u0417\\\u0427\\\u0417\\\u0422\\\u042c\\b|\\b\\\u041e\\\u0425\\\u041e\\\u0422\\\u042d\\b|\\b\\\u041f\\\u0420\\\u0418\\\u0417\\\u041d\\\u0417\\\u041a\\\u0417\\\u041c\\\u0418\\b|\\b\\\u041f\\\u04400\\\u0428\\\u041b\\\u041e\\\u041c\\b|\\b\\\u041d\\\u042d\\\u0421\\\u0422\\\u041e\\\u042f\\\u0429\\\u0404\\\u041c\\b|\\b\\\u041f\\\u0423\\\u0421\\\u0422\\\u041e\\\u0422\\\u0417\\\u0425\\b|\\b\\\u0411\\\u041b\\\u0417\\\u0416\\\u041d\\\u041e\\\u0419\\b|\\b\\\u041f\\\u041e\\\u0427\\\u0411\\\u0404\\b|\\b\\\u041c\\\u042c\\\u0406\\b|\\b\\\u0421\\\u0404\\\u0419\\\u0427\\\u0417\\\u0421\\b|\\b\\\u0404\\\u0421\\\u041b\\\u0418\\b|\\b\\\u0417\\\u0417\\\u0422\\\u0420\\\u041e\\\u041d\\\u0415\\\u041c\\b|\\b\\\u041e\\\u041f\\\u0417\\\u0421\\\u0417\\\u0404\\\u041c\\\u0421\\\u042f\\b|\\b\\\u0421\\\u0418\\\u041b\\\u042c\\\u041d0\\b|\\b\\\u041e\\\u0422\\\u041b\\\u0418\\\u0427\\\u0417\\\u0404\\\u0422\\\u0421\\\u042f\\b|\\b\\\u0420\\\u042d\\\u041d\\\u042c\\\u0428\\\u0404\\b|\\b\\\u041d\\\u0417\\\u0417\\\u042c\\\u0406\\\u0412\\\u0417\\\u042e\\\u0422\\b|\\b\\\u0422\\\u0404\\\u041a\\\u041b3\\b|\\b\\\u041e\\\u0421\\\u0417\\\u0414\\\u041e\\\u0427\\\u041d\\\u042b\\\u041c\\\u0418\\b|\\b\\\u041f\\\u041e\\\u0421\\\u0422\\\u0404\\\u041f\\\u0404\\\u041d\\\u041d0\\b|\\b\\\u0418\\\u0421\\\u041f\\\u042d\\\u0420\\\u042f\\\u041b\\\u0417\\\u0421\\\u042c\\b|\\b\\\u0404\\\u041e\\\u041b\\\u042c\\\u0428\\\u041e\\\u0404\\b|\\b\\\u041a\\\u041e\\\u041b\\\u0418\\\u0427\\\u0404\\\u0421\\\u0422\\\u0411\\\u041e\\b|\\b\\\u0413\\\u0404\\\u041c\\\u0417\\\u0422\\\u0418\\\u0422\\\u0415\\b|\\b\\\u041f\\\u041e\\\u041b\\\u0423\\\u0427\\\u042d\\\u0404\\\u0422\\b|\\b\\\u041d\\\u0404\\\u0414\\\u041e\\\u0421\\\u0422\\\u0417\\\u0427\\\u041d0\\b|\\b\\\u041f\\\u0418\\\u0422\\\u042d\\\u041d\\\u0418\\\u042f\\b|\\b\\\u041f\\\u041e\Line truncated
|
|
|
|
|
'spa': {'BeginLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'EndLines': {'data': OrderedDict([(u'.\xbb.', u'\xbb.')]),
|
|
|
|
|
'pattern': u'(um)\\b\\.\\\xbb\\.\\b$'},
|
|
|
|
|
'PartialLines': {'data': OrderedDict([(u'de gratis', u'gratis'), (u'si quiera', u'siquiera'), (u'Cada una de los', u'Cada uno de los'), (u'Cada uno de las', u'Cada una de las'), (u'haber que', u'a ver qu\xe9'), (u'haber qu\xe9', u'a ver qu\xe9'), (u'Haber si', u'A ver si'), (u' que hora', u' qu\xe9 hora'), (u'yo que se', u'yo qu\xe9 s\xe9'), (u'Yo que se', u'Yo qu\xe9 s\xe9'), (u' tu!', u' t\xfa!'), (u' si!', u' s\xed!'), (u' mi!', u' m\xed!'), (u' el!', u' \xe9l!'), (u' tu?', u' t\xfa?'), (u' si?', u' s\xed?'), (u' mi?', u' m\xed?'), (u' el?', u' \xe9l?'), (u' aun?', u' a\xfan?'), (u' mas?', u' m\xe1s?'), (u' que?', u' qu\xe9?'), (u' paso?', u' pas\xf3?'), (u' cuando?', u' cu\xe1ndo?'), (u' cuanto?', u' cu\xe1nto?'), (u' cuanta?', u' cu\xe1nta?'), (u' cuantas?', u' cu\xe1ntas?'), (u' cuantos?', u' cu\xe1ntos?'), (u' donde?', u' d\xf3nde?'), (u' quien?', u' qui\xe9n?'), (u' como?', u' c\xf3mo?'), (u' adonde?', u' ad\xf3nde?'), (u' cual?', u' cu\xe1l?'), (u'\xbfSi?', u'\xbfS\xed?'), (u'\xbfesta bien?', u'\xbfest\xe1 bien?'), (u'\xbfPero qu\xe9 haces?', u'\xa1\xbfPero qu\xe9 haces?!'), (u'\xbfpero qu\xe9 haces?', u'\xa1\xbfpero qu\xe9 haces?!'), (u'\xbfEs que no me has escuchado?', u'\xa1\xbfEs que no me has escuchado?!'), (u'\xa1\xbfes que no me has escuchado?!', u'\xa1\xbfes que no me has escuchado?!'), (u'\xbfaun', u'\xbfa\xfan'), (u'\xbftu ', u'\xbft\xfa '), (u'\xbfque ', u'\xbfqu\xe9 '), (u'\xbfsabes que', u'\xbfsabes qu\xe9'), (u'\xbfsabes adonde', u'\xbfsabes ad\xf3nde'), (u'\xbfsabes cual', u'\xbfsabes cu\xe1l'), (u'\xbfsabes quien', u'\xbfsabes qui\xe9n'), (u'\xbfsabes como', u'\xbfsabes c\xf3mo'), (u'\xbfsabes cuan', u'\xbfsabes cu\xe1n'), (u'\xbfsabes cuanto', u'\xbfsabes cu\xe1nto'), (u'\xbfsabes cuanta', u'\xbfsabes cu\xe1nta'), (u'\xbfsabes cuantos', u'\xbfsabes cu\xe1ntos'), (u'\xbfsabes cuantas', u'\xbfsabes cu\xe1ntas'), (u'\xbfsabes cuando', u'\xbfsabes cu\xe1ndo'), (u'\xbfsabes donde', u'\xbfsabes d\xf3nde'), (u'\xbfsabe que', u'\xbfsabe qu\xe9'), (u'\xbfsabe adonde', u'\xbfsabe ad\xf3nde'), (u'\xbfsabe cual', u'\xbfsabe cu\xe1l'), (u'\xbfsabe quien', u'\xbfsabe qui\xe9n'), (u'\xbfsabe como', u'\xbfsabe c\xf3mo'), (u'\xbfsabe cuan', u'\xbfsabe cu\xe1n'), (u'\xbfsabe cuanto', u'\xbfsabe cu\xe1nto'), (u'\xbfsabe cuanta', u'\xbfsabe cu\xe1nta'), (u'\xbfsabe cuantos', u'\xbfsabe cu\xe1ntos'), (u'\xbfsabe cuantas', u'\xbfsabe cu\xe1ntas'), (u'\xbfsabe cuando', u'\xbfsabe cu\xe1ndo'), (u'\xbfsabe donde', u'\xbfsabe d\xf3nde'), (u'\xbfsaben que', u'\xbfsaben qu\xe9'), (u'\xbfsaben adonde', u'\xbfsaben ad\xf3nde'), (u'\xbfsaben cual', u'\xbfsaben cu\xe1l'), (u'\xbfsaben quien', u'\xbfsaben qui\xe9n'), (u'\xbfsaben como', u'\xbfsaben c\xf3mo'), (u'\xbfsaben cuan', u'\xbfsaben cu\xe1n'), (u'\xbfsaben cuanto', u'\xbfsaben cu\xe1nto'), (u'\xbfsaben cuanta', u'\xbfsaben cu\xe1nta'), (u'\xbfsaben cuantos', u'\xbfsaben cu\xe1ntos'), (u'\xbfsaben cuantas', u'\xbfsaben cu\xe1ntas'), (u'\xbfsaben cuando', u'\xbfsaben cu\xe1ndo'), (u'\xbfsaben donde', u'\xbfsaben d\xf3nde'), (u'\xbfde que', u'\xbfde qu\xe9'), (u'\xbfde donde', u'\xbfde d\xf3nde'), (u'\xbfde cual', u'\xbfde cu\xe1l'), (u'\xbfde quien', u'\xbfde qui\xe9n'), (u'\xbfde cuanto', u'\xbfde cu\xe1nto'), (u'\xbfde cuanta', u'\xbfde cu\xe1nta'), (u'\xbfde cuantos', u'\xbfde cu\xe1ntos'), (u'\xbfde cuantas', u'\xbfde cu\xe1ntas'), (u'\xbfde cuando', u'\xbfde cu\xe1ndo'), (u'\xbfsobre que', u'\xbfsobre qu\xe9'), (u'\xbfcomo ', u'\xbfc\xf3mo '), (u'\xbfcual ', u'\xbfcu\xe1l '), (u'\xbfen cual', u'\xbfen cu\xe1l'), (u'\xbfcuando', u'\xbfcu\xe1ndo'), (u'\xbfhasta cual', u'\xbfhasta cu\xe1l'), (u'\xbfhasta quien', u'\xbfhasta qui\xe9n'), (u'\xbfhasta cuanto', u'\xbfhasta cu\xe1nto'), (u'\xbfhasta cuantas', u'\xbfhasta cu\xe1ntas'), (u'\xbfhasta cuantos', u'\xbfhasta cu\xe1ntos'), (u'\xbfhasta cuando', u'\xbfhasta cu\xe1ndo'), (u'\xbfhasta donde', u'\xbfhasta d\xf3nde'), (u'\xbfhasta que', u'\xbfhasta qu\xe9'), (u'\xbfhasta adonde', u'\xbfhasta ad\xf3nde'), (u'\xbfdesde que', u'\xbfdesde qu\xe9'), (u'\xbfdesde cuando', u'\xbfdesde cu\xe1ndo'), (u'\xbfdesde quien', u'\xbfdesde qui\xe9n'), (u'\xbfdesde donde', u'\xbfdesde d\xf3nde'), (u'\xbfcuanto', u'\xbfcu\xe1nto'), (u'\xbfcuantos', u'\xbfcu\xe1ntos'), (u'\xbfdonde', u'\xbfd\xf3nde'), (u'\xbfadonde', u'\xbfad\xf3nde'), (u'\xbfcon que', u'\xbfcon qu\xe9'), (u'\xbfcon cual', u'\xbfcon cu\xe1l'), (u'\xbfcon quien', u'\xbfcon qui\xe9n'), (u'\xbfcon cuantos', u'\xbfcon cu\xe1ntos'), (u'\xbfcon cuantas', u'\xbfcon cu\xe1ntas'), (u'\xbfcon cuanta', u'\xbfcon cu\xe1nta'), (u'\xbfcon cuanto', u'\xbfcon cu\xe1nto'), (u'\xbfpara donde', u'\xbfpara d\xf3nde'), (u'\xbfpara adonde', u'\xbfpara ad\xf3nde'), (u'\xbfpara cuando', u'\xbfpara cu\xe1ndo'), (u'\xbfpara que', u'\xbfpara qu\xe9'), (u'\xbfpara quien', u'\xbfpara qui\xe9n'), (u'\xbfpara cuanto', u'\xbfpara cu\xe1nto'), (u'\xbfpara cuanta', u'\xbfpara cu\xe1nta'), (u'\xbfpara cuantos', u'\xbfpara cu\xe1ntos'), (u'\xbfpara cuantas', u'\xbfpara cu\xe1ntas'), (Line truncated
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict([(u'No', u'No.')]),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict([(u'KBs', u'kB'), (u'Vd', u'Ud'), (u'N\xb0', u'N.\xb0'), (u'n\xb0', u'n.\xb0'), (u'nro.', u'n.\xb0'), (u'Nro.', u'N.\xb0'), (u'aca', u'ac\xe1'), (u'actuas', u'act\xfaas'), (u'actues', u'act\xfaes'), (u'adios', u'adi\xf3s'), (u'agarrenla', u'ag\xe1rrenla'), (u'agarrenlo', u'ag\xe1rrenlo'), (u'agarrandose', u'agarr\xe1ndose'), (u'algun', u'alg\xfan'), (u'alli', u'all\xed'), (u'alla', u'all\xe1'), (u'alejate', u'al\xe9jate'), (u'ahi', u'ah\xed'), (u'angel', u'\xe1ngel'), (u'angeles', u'\xe1ngeles'), (u'apagala', u'ap\xe1gala'), (u'aqui', u'aqu\xed'), (u'asi', u'as\xed'), (u'bahia', u'bah\xeda'), (u'busqueda', u'b\xfasqueda'), (u'busquedas', u'b\xfasquedas'), (u'callate', u'c\xe1llate'), (u'carcel', u'c\xe1rcel'), (u'camara', u'c\xe1mara'), (u'caido', u'ca\xeddo'), (u'cabron', u'cabr\xf3n'), (u'camion', u'cami\xf3n'), (u'codigo', u'c\xf3digo'), (u'codigos', u'c\xf3digos'), (u'comence', u'comenc\xe9'), (u'comprate', u'c\xf3mprate'), (u'consegui', u'consegu\xed'), (u'confias', u'conf\xedas'), (u'convertira', u'convertir\xe1'), (u'corazon', u'coraz\xf3n'), (u'crei', u'cre\xed'), (u'creia', u'cre\xeda'), (u'creido', u'cre\xeddo'), (u'creiste', u'cre\xedste'), (u'cubrenos', u'c\xfabrenos'), (u'comio', u'comi\xf3'), (u'dara', u'dar\xe1'), (u'dia', u'd\xeda'), (u'dias', u'd\xedas'), (u'debio', u'debi\xf3'), (u'demelo', u'd\xe9melo'), (u'dimelo', u'd\xedmelo'), (u'denoslo', u'd\xe9noslo'), (u'deselo', u'd\xe9selo'), (u'decia', u'dec\xeda'), (u'decian', u'dec\xedan'), (u'detras', u'detr\xe1s'), (u'deberia', u'deber\xeda'), (u'deberas', u'deber\xe1s'), (u'deberias', u'deber\xedas'), (u'deberian', u'deber\xedan'), (u'deberiamos', u'deber\xedamos'), (u'dejame', u'd\xe9jame'), (u'dejate', u'd\xe9jate'), (u'dejalo', u'd\xe9jalo'), (u'dejarian', u'dejar\xedan'), (u'damela', u'd\xe1mela'), (u'despues', u'despu\xe9s'), (u'diciendome', u'dici\xe9ndome'), (u'dificil', u'dif\xedcil'), (u'dificiles', u'dif\xedciles'), (u'disculpate', u'disc\xfalpate'), (u'dolares', u'd\xf3lares'), (u'hechar', u'echar'), (u'examenes', u'ex\xe1menes'), (u'empezo', u'empez\xf3'), (u'empujon', u'empuj\xf3n'), (u'empujalo', u'emp\xfajalo'), (u'escondanme', u'esc\xf3ndanme'), (u'esperame', u'esp\xe9rame'), (u'estara', u'estar\xe1'), (u'estare', u'estar\xe9'), (u'estaria', u'estar\xeda'), (u'estan', u'est\xe1n'), (u'estaran', u'estar\xe1n'), (u'estabamos', u'est\xe1bamos'), (u'estuvieramos', u'estuvi\xe9ramos'), (u'exito', u'\xe9xito'), (u'facil', u'f\xe1cil'), (u'fiscalia', u'fiscal\xeda'), (u'fragil', u'fr\xe1gil'), (u'fragiles', u'fr\xe1giles'), (u'frances', u'franc\xe9s'), (u'gustaria', u'gustar\xeda'), (u'habia', u'hab\xeda'), (u'habias', u'hab\xedas'), (u'habian', u'hab\xedan'), (u'habrian', u'habr\xedan'), (u'habrias', u'habr\xedas'), (u'hagalo', u'h\xe1galo'), (u'haria', u'har\xeda'), (u'increible', u'incre\xedble'), (u'incredulo', u'incr\xe9dulo'), (u'intentalo', u'int\xe9ntalo'), (u'ire', u'ir\xe9'), (u'jovenes', u'j\xf3venes'), (u'ladron', u'ladr\xf3n'), (u'linea', u'l\xednea'), (u'llamame', u'll\xe1mame'), (u'llevalo', u'll\xe9valo'), (u'mama', u'mam\xe1'), (u'maricon', u'maric\xf3n'), (u'mayoria', u'mayor\xeda'), (u'metodo', u'm\xe9todo'), (u'metodos', u'm\xe9todos'), (u'mio', u'm\xedo'), (u'mostro', u'mostr\xf3'), (u'morira', u'morir\xe1'), (u'muevete', u'mu\xe9vete'), (u'murio', u'muri\xf3'), (u'numero', u'n\xfamero'), (u'numeros', u'n\xfameros'), (u'ningun', u'ning\xfan'), (u'oido', u'o\xeddo'), (u'oidos', u'o\xeddos'), (u'oimos', u'o\xedmos'), (u'oiste', u'o\xedste'), (u'pasale', u'p\xe1sale'), (u'pasame', u'p\xe1same'), (u'paraiso', u'para\xedso'), (u'parate', u'p\xe1rate'), (u'pense', u'pens\xe9'), (u'peluqueria', u'peluquer\xeda'), (u'platano', u'pl\xe1tano'), (u'plastico', u'pl\xe1stico'), (u'plasticos', u'pl\xe1sticos'), (u'policia', u'polic\xeda'), (u'policias', u'polic\xedas'), (u'poster', u'p\xf3ster'), (u'podia', u'pod\xeda'), (u'podias', u'pod\xedas'), (u'podria', u'podr\xeda'), (u'podrian', u'podr\xedan'), (u'podrias', u'podr\xedas'), (u'podriamos', u'podr\xedamos'), (u'prometio', u'prometi\xf3'), (u'proposito', u'prop\xf3sito'), (u'pideselo', u'p\xeddeselo'), (u'ponganse', u'p\xf3nganse'), (u'prometeme', u'prom\xe9teme'), (u'publico', u'p\xfablico'), (u'publicos', u'p\xfablicos'), (u'publicamente', u'p\xfablicamente'), (u'quedate', u'qu\xe9date'), (u'queria', u'quer\xeda'), (u'querrias', u'querr\xedas'), (u'querian', u'quer\xedan'), (u'rapido', u'r\xe1pido'), (u'rapidamente', u'r\xe1pidamente'), (u'razon', u'raz\xf3n'), (u'rehusen', u'reh\xfasen'), (u'rie', u'r\xede'), (u'rias', u'r\xedas'), (u'rindete', u'r\xedndete'), (u'sacame', u's\xe1came'), (u'sentian', u'sent\xedan'), (u'sientate', u'si\xe9ntate'), (u'sera', u'ser\xe1'), (u'soplon', u'sopl\xf3n'), (u'sueltalo', u'su\xe9ltalo'), (u'tambien', u'tambi\xe9n'), (u'teoria', u'teor\xeda'), (u'tendra', u'tendr\xe1'), (u'telefono', u'tel\xe9fono'), (u'tipica', u't\xedpica'), (u'todavia', u'todav\xeda'), (u'tomalo', u't\xf3malo'), (u'tLine truncated
|
|
|
|
|
'pattern': u'(um)\\bKBs\\b|\\bVd\\b|\\bN\\\xb0\\b|\\bn\\\xb0\\b|\\bnro\\.\\b|\\bNro\\.\\b|\\baca\\b|\\bactuas\\b|\\bactues\\b|\\badios\\b|\\bagarrenla\\b|\\bagarrenlo\\b|\\bagarrandose\\b|\\balgun\\b|\\balli\\b|\\balla\\b|\\balejate\\b|\\bahi\\b|\\bangel\\b|\\bangeles\\b|\\bapagala\\b|\\baqui\\b|\\basi\\b|\\bbahia\\b|\\bbusqueda\\b|\\bbusquedas\\b|\\bcallate\\b|\\bcarcel\\b|\\bcamara\\b|\\bcaido\\b|\\bcabron\\b|\\bcamion\\b|\\bcodigo\\b|\\bcodigos\\b|\\bcomence\\b|\\bcomprate\\b|\\bconsegui\\b|\\bconfias\\b|\\bconvertira\\b|\\bcorazon\\b|\\bcrei\\b|\\bcreia\\b|\\bcreido\\b|\\bcreiste\\b|\\bcubrenos\\b|\\bcomio\\b|\\bdara\\b|\\bdia\\b|\\bdias\\b|\\bdebio\\b|\\bdemelo\\b|\\bdimelo\\b|\\bdenoslo\\b|\\bdeselo\\b|\\bdecia\\b|\\bdecian\\b|\\bdetras\\b|\\bdeberia\\b|\\bdeberas\\b|\\bdeberias\\b|\\bdeberian\\b|\\bdeberiamos\\b|\\bdejame\\b|\\bdejate\\b|\\bdejalo\\b|\\bdejarian\\b|\\bdamela\\b|\\bdespues\\b|\\bdiciendome\\b|\\bdificil\\b|\\bdificiles\\b|\\bdisculpate\\b|\\bdolares\\b|\\bhechar\\b|\\bexamenes\\b|\\bempezo\\b|\\bempujon\\b|\\bempujalo\\b|\\bescondanme\\b|\\besperame\\b|\\bestara\\b|\\bestare\\b|\\bestaria\\b|\\bestan\\b|\\bestaran\\b|\\bestabamos\\b|\\bestuvieramos\\b|\\bexito\\b|\\bfacil\\b|\\bfiscalia\\b|\\bfragil\\b|\\bfragiles\\b|\\bfrances\\b|\\bgustaria\\b|\\bhabia\\b|\\bhabias\\b|\\bhabian\\b|\\bhabrian\\b|\\bhabrias\\b|\\bhagalo\\b|\\bharia\\b|\\bincreible\\b|\\bincredulo\\b|\\bintentalo\\b|\\bire\\b|\\bjovenes\\b|\\bladron\\b|\\blinea\\b|\\bllamame\\b|\\bllevalo\\b|\\bmama\\b|\\bmaricon\\b|\\bmayoria\\b|\\bmetodo\\b|\\bmetodos\\b|\\bmio\\b|\\bmostro\\b|\\bmorira\\b|\\bmuevete\\b|\\bmurio\\b|\\bnumero\\b|\\bnumeros\\b|\\bningun\\b|\\boido\\b|\\boidos\\b|\\boimos\\b|\\boiste\\b|\\bpasale\\b|\\bpasame\\b|\\bparaiso\\b|\\bparate\\b|\\bpense\\b|\\bpeluqueria\\b|\\bplatano\\b|\\bplastico\\b|\\bplasticos\\b|\\bpolicia\\b|\\bpolicias\\b|\\bposter\\b|\\bpodia\\b|\\bpodias\\b|\\bpodria\\b|\\bpodrian\\b|\\bpodrias\\b|\\bpodriamos\\b|\\bprometio\\b|\\bproposito\\b|\\bpideselo\\b|\\bponganse\\b|\\bprometeme\\b|\\bpublico\\b|\\bpublicos\\b|\\bpublicamente\\b|\\bquedate\\b|\\bqueria\\b|\\bquerrias\\b|\\bquerian\\b|\\brapido\\b|\\brapidamente\\b|\\brazon\\b|\\brehusen\\b|\\brie\\b|\\brias\\b|\\brindete\\b|\\bsacame\\b|\\bsentian\\b|\\bsientate\\b|\\bsera\\b|\\bsoplon\\b|\\bsueltalo\\b|\\btambien\\b|\\bteoria\\b|\\btendra\\b|\\btelefono\\b|\\btipica\\b|\\btodavia\\b|\\btomalo\\b|\\btonterias\\b|\\btorci\\b|\\btraelos\\b|\\btraiganlo\\b|\\btraiganlos\\b|\\btrio\\b|\\btuvieramos\\b|\\bunion\\b|\\bultimo\\b|\\bultima\\b|\\bultimos\\b|\\bultimas\\b|\\bunica\\b|\\bunico\\b|\\bvamonos\\b|\\bvayanse\\b|\\bvictima\\b|\\bvivira\\b|\\bvolvio\\b|\\bvolvia\\b|\\bvolvian\\b|\\breir\\b|\\bfreir\\b|\\bsonreir\\b|\\bhazmerreir\\b|\\boir\\b|\\boirlo\\b|\\boirte\\b|\\boirse\\b|\\boirme\\b|\\boirle\\b|\\boirla\\b|\\boirles\\b|\\boirnos\\b|\\boirlas\\b|\\bbi\\\xe9n\\b|\\bcr\\\xedmen\\b|\\bfu\\\xe9\\b|\\bfu\\\xed\\b|\\bqui\\\xe9res\\b|\\bt\\\xed\\b|\\bd\\\xed\\b|\\bv\\\xe1\\b|\\bv\\\xe9\\b|\\bv\\\xed\\b|\\bvi\\\xf3\\b|\\b\\\xf3\\b|\\bcl\\\xf3n\\b|\\bdi\\\xf3\\b|\\bgui\\\xf3n\\b|\\bd\\\xf3n\\b|\\bf\\\xe9\\b|\\b\\\xe1quel\\b|\\b\\\xe9ste\\b|\\b\\\xe9sta\\b|\\b\\\xe9stos\\b|\\b\\\xe9stas\\b|\\b\\\xe9se\\b|\\b\\\xe9sa\\b|\\b\\\xe9sos\\b|\\b\\\xe9sas\\b|\\bs\\\xf3lo\\b|\\bcoktel\\b|\\bcocktel\\b|\\bconciente\\b|\\bcomenz\\\xe9\\b|\\bdesilucionarte\\b|\\bdijieron\\b|\\bempez\\\xe9\\b|\\bhize\\b|\\bilucionarte\\b|\\binconciente\\b|\\bquize\\b|\\bquizo\\b|\\bverguenza\\b|\\bNu\\\xf1ez\\b|\\bIvan\\b|\\bJapon\\b|\\bMonica\\b|\\bMaria\\b|\\bJose\\b|\\bRamon\\b|\\bGarcia\\b|\\bGonzalez\\b|\\bJesus\\b|\\bAlvarez\\b|\\bDamian\\b|\\bRene\\b|\\bNicolas\\b|\\bJonas\\b|\\bLopez\\b|\\bHernandez\\b|\\bBermudez\\b|\\bFernandez\\b|\\bSuarez\\b|\\bSofia\\b|\\bSeneca\\b|\\bTokyo\\b|\\bCanada\\b|\\bParis\\b|\\bTurquia\\b|\\bMexico\\b|\\bMejico\\b|\\bMatias\\b|\\bValentin\\b|\\bmejicano\\b|\\bmejicanos\\b|\\bmejicana\\b|\\bmejicanas\\b|\\bio\\b|\\bia\\b|\\bie\\b|\\bIo\\b|\\bIa\\b|\\bAI\\b|\\bIe\\b|\\bEI\\b|\\bsuba\\\ufb02uente\\b|\\ba\\\ufb02\\\xf3jalo\\b|\\bA\\\ufb02\\\xf3jalo\\b|\\bperdi\\b|\\bPodria\\b|\\bconfia\\b|\\bpasaria\\b|\\bPodias\\b|\\bresponsabke\\b|\\bTodavia\\b|\\benvien\\b|\\bQueria\\b|\\btio\\b|\\btraido\\b|\\bAsi\\b|\\belegi\\b|\\bhabria\\b|\\bencantaria\\b|\\bleido\\b|\\bconocias\\b|\\bharias\\b|\\bAqui\\b|\\bdecidi\\b|\\bmia\\b|\\bCrei\\b|\\bpodiamos\\b|\\bavisame\\b|\\bdebia\\b|\\bpensarias\\b|\\breuniamos\\b|\\bPO\\\xcf\\b|\\bvendria\\b|\\bcaida\\b|\\bvenian\\b|\\bcompa\\\xf1ias\\b|\\bleiste\\b|\\bLeiste\\b|\\bfiaria\\b|\\bHungria\\b|\\bfotografia\\b|\\bcafeteria\\b|\\bDigame\\b|\\bdebias\\b|\\btendria\\b|\\bC\\\xcfGO\\b|\\banteg\\b|\\bS\\\xf3Io\\b|\\bIlam\\\xe1ndola\\b|\\bC\\\xe1\\\ufb02at\\\xe9\\b|\\bIlamaste\\b|\\bdaria\\b|\\bIargaba\\b|\\bYati\\b|\\bquerias\\b|\\bIimpiarlo\\b|\\bIargado\\b|\\bgaleria\\b|\\bBartomeu\\b|\\bIocalizarlo\\b|\\bIl\\\xe1mame\\b'}},
|
|
|
|
|
'srp': {'BeginLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'EndLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialLines': {'data': OrderedDict([(u'bi smo', u'bismo'), (u'dali je', u'da li je'), (u'dali si', u'da li si'), (u'Dali si', u'Da li si'), (u'Jel sam ti', u'Jesam li ti'), (u'Jel si', u'Jesi li'), (u"Jel' si", u'Jesi li'), (u"Je I'", u'Jesi li'), (u'Jel si to', u'Jesi li to'), (u"Jel' si to", u'Da li si to'), (u'jel si to', u'da li si to'), (u"jel' si to", u'jesi li to'), (u'Jel si ti', u'Da li si ti'), (u"Jel' si ti", u'Da li si ti'), (u'jel si ti', u'da li si ti'), (u"jel' si ti", u'da li si ti'), (u'jel ste ', u'jeste li '), (u'Jel ste', u'Jeste li'), (u"jel' ste ", u'jeste li '), (u"Jel' ste ", u'Jeste li '), (u'Jel su ', u'Jesu li '), (u'Jel da ', u'Zar ne'), (u'jel da ', u'zar ne'), (u"jel'da ", u'zar ne'), (u'Jeli sve ', u'Je li sve'), (u'Jeli on ', u'Je li on'), (u'Jeli ti ', u'Je li ti'), (u'jeli ti ', u'je li ti'), (u'Jeli to ', u'Je li to'), (u'Nebrini', u'Ne brini'), (u'nedaj', u'ne daj'), (u'ne \u0107u', u'ne\u0107u'), (u'Nemogu', u'Ne mogu'), (u'ne mogu', u'ne mogu'), (u'Nemora\u0161', u'Ne mora\u0161'), (u'od kako', u'otkako'), (u'Si dobro', u'Jesi li dobro'), (u'Svo vreme', u'Sve vrijeme'), (u'Svo vrijeme', u'Sve vrijeme'), (u'Cijelo vrijeme', u'Sve vrijeme')]),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict([(u'\u010du', u'\u0107u'), (u'\u010de\u0161', u'\u0107e\u0161'), (u'\u010de', u'\u0107e'), (u'\u0107\u0161', u'\u0107e\u0161'), (u'\u0107mo', u'\u0107emo'), (u'\u0107te', u'\u0107ete'), (u'\u010demo', u'\u0107emo'), (u'\u010dete', u'\u010dete'), (u'djete', u'dijete'), (u'Hey', u'Hej'), (u'hey', u'hej'), (u'htjeo', u'htio'), (u'Ho\u010de\u0161', u'Ho\u0107e\u0161'), (u'ho\u010de\u0161', u'ho\u0107e\u0161'), (u'i\u010di', u'i\u0107i'), (u'jel', u"je l'"), (u'Jel', u"Je l'"), (u'nedaj', u'ne daj'), (u'Rje\u0161it', u'Rije\u0161it'), (u'smjeo', u'smio'), (u'uop\u010de', u'uop\u0107e'), (u'valda', u'valjda'), (u'\u017eelila', u'\u017eeljela')]),
|
|
|
|
|
'pattern': u'(um)\\b\\\u010du\\b|\\b\\\u010de\\\u0161\\b|\\b\\\u010de\\b|\\b\\\u0107\\\u0161\\b|\\b\\\u0107mo\\b|\\b\\\u0107te\\b|\\b\\\u010demo\\b|\\b\\\u010dete\\b|\\bdjete\\b|\\bHey\\b|\\bhey\\b|\\bhtjeo\\b|\\bHo\\\u010de\\\u0161\\b|\\bho\\\u010de\\\u0161\\b|\\bi\\\u010di\\b|\\bjel\\b|\\bJel\\b|\\bnedaj\\b|\\bRje\\\u0161it\\b|\\bsmjeo\\b|\\buop\\\u010de\\b|\\bvalda\\b|\\b\\\u017eelila\\b'}},
|
|
|
|
|
'swe': {'BeginLines': {'data': OrderedDict([(u'Ln ', u'In '), (u'U ppfattat', u'Uppfattat')]),
|
|
|
|
|
'pattern': u'(um)^\\bLn\\ \\b|\\bU\\ ppfattat\\b'},
|
|
|
|
|
'EndLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'PartialWordsAlways': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeLines': {'data': OrderedDict(),
|
|
|
|
|
'pattern': None},
|
|
|
|
|
'WholeWords': {'data': OrderedDict([(u'l\xe2rt', u'l\xe4rt'), (u'hederv\xe5rda', u'hederv\xe4rda'), (u'storm\xe2stare', u'storm\xe4stare'), (u'Avf\xe2rd', u'Avf\xe4rd'), (u't\xe2lten', u't\xe4lten'), (u'\xe2rjag', u'\xe4r jag'), (u'\xe4rjag', u'\xe4r jag'), (u'j\xe2mlikar', u'j\xe4mlikar'), (u'Riskako\ufb02', u'Riskakor'), (u'Karamellen/', u'Karamellen'), (u'Lngen\xfcng', u'Ingenting'), (u'\xe4rju', u'\xe4r ju'), (u'S\xe1', u'S\xe5'), (u'n\xe4rjag', u'n\xe4r jag'), (u'alltjag', u'allt jag'), (u'g\xf6rjag', u'g\xf6r jag'), (u'trorjag', u'tror jag'), (u'varju', u'var ju'), (u'g\xf6rju', u'g\xf6r ju'), (u'kanju', u'kan ju'), (u'blirjag', u'blir jag'), (u's\xe4gerjag', u's\xe4ger jag'), (u'beh\xe5llerjag', u'beh\xe5ller jag'), (u'pr\xf8blem', u'problem'), (u'r\xe4ddadeju', u'r\xe4ddade ju'), (u'hon\xf8m', u'honom'), (u'Ln', u'In'), (u'sv\xe5r\ufb02\xf6rtad', u'sv\xe5rfl\xf6rtad'), (u'\xf8ch', u'och'), (u'\ufb02\xf6rtar', u'fl\xf6rtar'), (u'k\xe4nnerjag', u'k\xe4nner jag'), (u'\ufb02ickan', u'flickan'), (u'sn\xf8', u'sn\xf6'), (u'gerju', u'ger ju'), (u'k\xf8ntakter', u'kontakter'), (u'\xf8lycka', u'olycka'), (u'n\xf8lla', u'nolla'), (u'sinnenajublar', u'sinnena jublar'), (u'ijobbet', u'i jobbet'), (u'F\xe5rjag', u'F\xe5r jag'), (u'Ar', u'\xc4r'), (u'liggerju', u'ligger ju'), (u'um', u'om'), (u'lbland', u'Ibland'), (u'skjuterjag', u'skjuter jag'), (u'Vadd\xe5', u'Vad d\xe5'), (u'pratarj\xe4mt', u'pratar j\xe4mt'), (u'harju', u'har ju'), (u'sitterjag', u'sitter jag'), (u'h\xe4\ufb02a', u'h\xe4rja'), (u's\ufb01\xe4l', u'stj\xe4l'), (u'F\xd6U', u'F\xf6lj'), (u'varf\xf6rjag', u'varf\xf6r jag'), (u's\ufb01\xe4rna', u'stj\xe4rna'), (u'b\xf6\ufb02ar', u'b\xf6rjar'), (u'b\xf6\ufb02an', u'b\xf6rjan'), (u'st\xe4ri', u'st\xe5r'), (u'p\xe4', u'p\xe5'), (u'harjag', u'har jag'), (u'attjag', u'att jag'), (u'Verkarjag', u'Verkar jag'), (u'K\xe4nnerjag', u'K\xe4nner jag'), (u'd\xe4rjag', u'd\xe4r jag'), (u'tu\ufb01', u'tuff'), (u'lurarjag', u'lurar jag'), (u'varj\xe4ttebra', u'var j\xe4ttebra'), (u'allvan', u'allvar'), (u'deth\xe4r', u'det h\xe4r'), (u'va\ufb02e', u'varje'), (u'F\xf6Uer', u'F\xf6ljer'), (u'personalm\xf6tetl', u'personalm\xf6tet!'), (u'harjust', u'har just'), (u'\xe4rj\xe4tteduktig', u'\xe4r j\xe4tteduktig'), (u'd\xe4rja', u'd\xe4r ja'), (u'lngen\xfcng', u'lngenting'), (u'iluften', u'i luften'), (u'\xf6sen', u'\xf6ser'), (u'tv\xe2', u'tv\xe5'), (u'Uejerna', u'Tjejerna'), (u'h\xe5n*', u'h\xe5rt'), (u'\xc4rjag', u'\xc4r jag'), (u'keL', u'Okej'), (u'F\xf6rjag', u'F\xf6r jag'), (u'varj\xe4ttekul', u'var j\xe4ttekul'), (u'k\xe4mpan', u'k\xe4mpar'), (u'mycketjobb', u'mycket jobb'), (u'Uus', u'ljus'), (u'serjag', u'ser jag'), (u'vetjag', u'vet jag'), (u'f\xe5rjag', u'f\xe5r jag'), (u'hurjag', u'hur jag'), (u'f\xf6rs\xf6kerjag', u'f\xf6rs\xf6ker jag'), (u't\xe1nagel', u't\xe5nagel'), (u'va\xfce', u'varje'), (u'Uudet', u'ljudet'), (u'amhopa', u'allihopa'), (u'V\xe4\xfc', u'V\xe4lj'), (u'g\xe4ri', u'g\xe5r'), (u'r\xf6d\xfcus', u'r\xf6dljus'), (u'Uuset', u'ljuset'), (u'Rid\xe0n', u'Rid\xe5n'), (u'vi\xfca', u'vilja'), (u'g\xe5ri', u'g\xe5r i'), (u'Hurd\xe5', u'Hur d\xe5'), (u'inter\\/juar', u'intervjuar'), (u'menarjag', u'menar jag'), (u'spyrjag', u'spyr jag'), (u'bri\xfcera', u'briljera'), (u'N\xe4rjag', u'N\xe4r jag'), (u'ner\\/\xf6s', u'nerv\xf6s'), (u'ilivets', u'i livets'), (u'n\xe4got', u'n\xe5got'), (u'p\xe0', u'p\xe5'), (u'Lnnan', u'Innan'), (u'Uf', u'Ut'), (u'lnnan', u'Innan'), (u'D\xe0ren', u'D\xe5ren'), (u'F\xe0rjag', u'F\xe5r jag'), (u'Vad\xe4rdetd\xe4L', u'Vad \xe4r det d\xe4r'), (u'sm\xe0tjuv', u'sm\xe5tjuv'), (u't\xe0gr\xe5nare', u't\xe5gr\xe5nare'), (u'dit\xe0t', u'dit\xe5t'), (u's\xe4', u's\xe5'), (u'v\xe0rdsl\xf6sa', u'v\xe5rdsl\xf6sa'), (u'n\xe0n', u'n\xe5n'), (u'kommerjag', u'kommer jag'), (u'\xe4rj\xe4ttebra', u'\xe4r j\xe4ttebra'), (u'\xe4rj\xe4vligt', u'\xe4r j\xe4vligt'), (u'\xe0kerjag', u'\xe5ker jag'), (u'ellerjapaner', u'eller japaner'), (u'attjaga', u'att jaga'), (u'eften', u'efter'), (u'h\xe4stan', u'h\xe4star'), (u'Lntensivare', u'Intensivare'), (u'fr\xe0garjag', u'fr\xe5gar jag'), (u'pen/ers', u'pervers'), (u'r\xe0barkade', u'r\xe5barkade'), (u'styrkon', u'styrkor'), (u'Dif\xe5f', u'Dit\xe5t'), (u'h\xe4nden', u'h\xe4nder'), (u'f\xf6\ufb01a', u'f\xf6lja'), (u'Idioten/', u'Idioter!'), (u'Varf\xf6rjagade', u'Varf\xf6r jagade'), (u'd\xe4rf\xf6rjag', u'd\xe4rf\xf6r jag'), (u'forjag', u'for jag'), (u'Iivsgladje', u'livsgl\xe4dje'), (u'narjag', u'n\xe4r jag'), (u'sajag', u'sa jag'), (u'genastja', u'genast ja'), (u'rockument\xe0ren', u'rockument\xe4ren'), (u'turne', u'turn\xe9'), (u'fickjag', u'fick jag'), (u'sager', u's\xe4ger'), (u'Ijush\xe5rig', u'ljush\xe5rig'), (u'tradg\xe5rdsolycka', u'tr\xe4dg\xe5rdsolycka'), (u'kvavdes', u'kv\xe4vdes'), (u'd\xe0rja', u'd\xe4r ja'), (u'hedersgaster', u'hedersg\xe4ster'), (u'Nar', u'N\xe4r'), (u'smaki\xf6sa', u'smakl\xf6sa'), (u'lan', u'Ian'), (u'Lan', u'Ian'), (u'eri', u'er i'), (u'universitetsamne', u'universitets\xe4mne'), (u'garna', u'g\xe4rna'), (u'Line truncated
|
|
|
|
|
'pattern': u"(um)\\bl\\\xe2rt\\b|\\bhederv\\\xe5rda\\b|\\bstorm\\\xe2stare\\b|\\bAvf\\\xe2rd\\b|\\bt\\\xe2lten\\b|\\b\\\xe2rjag\\b|\\b\\\xe4rjag\\b|\\bj\\\xe2mlikar\\b|\\bRiskako\\\ufb02\\b|\\bKaramellen\\/\\b|\\bLngen\\\xfcng\\b|\\b\\\xe4rju\\b|\\bS\\\xe1\\b|\\bn\\\xe4rjag\\b|\\balltjag\\b|\\bg\\\xf6rjag\\b|\\btrorjag\\b|\\bvarju\\b|\\bg\\\xf6rju\\b|\\bkanju\\b|\\bblirjag\\b|\\bs\\\xe4gerjag\\b|\\bbeh\\\xe5llerjag\\b|\\bpr\\\xf8blem\\b|\\br\\\xe4ddadeju\\b|\\bhon\\\xf8m\\b|\\bLn\\b|\\bsv\\\xe5r\\\ufb02\\\xf6rtad\\b|\\b\\\xf8ch\\b|\\b\\\ufb02\\\xf6rtar\\b|\\bk\\\xe4nnerjag\\b|\\b\\\ufb02ickan\\b|\\bsn\\\xf8\\b|\\bgerju\\b|\\bk\\\xf8ntakter\\b|\\b\\\xf8lycka\\b|\\bn\\\xf8lla\\b|\\bsinnenajublar\\b|\\bijobbet\\b|\\bF\\\xe5rjag\\b|\\bAr\\b|\\bliggerju\\b|\\bum\\b|\\blbland\\b|\\bskjuterjag\\b|\\bVadd\\\xe5\\b|\\bpratarj\\\xe4mt\\b|\\bharju\\b|\\bsitterjag\\b|\\bh\\\xe4\\\ufb02a\\b|\\bs\\\ufb01\\\xe4l\\b|\\bF\\\xd6U\\b|\\bvarf\\\xf6rjag\\b|\\bs\\\ufb01\\\xe4rna\\b|\\bb\\\xf6\\\ufb02ar\\b|\\bb\\\xf6\\\ufb02an\\b|\\bst\\\xe4ri\\b|\\bp\\\xe4\\b|\\bharjag\\b|\\battjag\\b|\\bVerkarjag\\b|\\bK\\\xe4nnerjag\\b|\\bd\\\xe4rjag\\b|\\btu\\\ufb01\\b|\\blurarjag\\b|\\bvarj\\\xe4ttebra\\b|\\ballvan\\b|\\bdeth\\\xe4r\\b|\\bva\\\ufb02e\\b|\\bF\\\xf6Uer\\b|\\bpersonalm\\\xf6tetl\\b|\\bharjust\\b|\\b\\\xe4rj\\\xe4tteduktig\\b|\\bd\\\xe4rja\\b|\\blngen\\\xfcng\\b|\\biluften\\b|\\b\\\xf6sen\\b|\\btv\\\xe2\\b|\\bUejerna\\b|\\bh\\\xe5n\\*\\b|\\b\\\xc4rjag\\b|\\bkeL\\b|\\bF\\\xf6rjag\\b|\\bvarj\\\xe4ttekul\\b|\\bk\\\xe4mpan\\b|\\bmycketjobb\\b|\\bUus\\b|\\bserjag\\b|\\bvetjag\\b|\\bf\\\xe5rjag\\b|\\bhurjag\\b|\\bf\\\xf6rs\\\xf6kerjag\\b|\\bt\\\xe1nagel\\b|\\bva\\\xfce\\b|\\bUudet\\b|\\bamhopa\\b|\\bV\\\xe4\\\xfc\\b|\\bg\\\xe4ri\\b|\\br\\\xf6d\\\xfcus\\b|\\bUuset\\b|\\bRid\\\xe0n\\b|\\bvi\\\xfca\\b|\\bg\\\xe5ri\\b|\\bHurd\\\xe5\\b|\\binter\\\\\\/juar\\b|\\bmenarjag\\b|\\bspyrjag\\b|\\bbri\\\xfcera\\b|\\bN\\\xe4rjag\\b|\\bner\\\\\\/\\\xf6s\\b|\\bilivets\\b|\\bn\\\xe4got\\b|\\bp\\\xe0\\b|\\bLnnan\\b|\\bUf\\b|\\blnnan\\b|\\bD\\\xe0ren\\b|\\bF\\\xe0rjag\\b|\\bVad\\\xe4rdetd\\\xe4L\\b|\\bsm\\\xe0tjuv\\b|\\bt\\\xe0gr\\\xe5nare\\b|\\bdit\\\xe0t\\b|\\bs\\\xe4\\b|\\bv\\\xe0rdsl\\\xf6sa\\b|\\bn\\\xe0n\\b|\\bkommerjag\\b|\\b\\\xe4rj\\\xe4ttebra\\b|\\b\\\xe4rj\\\xe4vligt\\b|\\b\\\xe0kerjag\\b|\\bellerjapaner\\b|\\battjaga\\b|\\beften\\b|\\bh\\\xe4stan\\b|\\bLntensivare\\b|\\bfr\\\xe0garjag\\b|\\bpen\\/ers\\b|\\br\\\xe0barkade\\b|\\bstyrkon\\b|\\bDif\\\xe5f\\b|\\bh\\\xe4nden\\b|\\bf\\\xf6\\\ufb01a\\b|\\bIdioten\\/\\b|\\bVarf\\\xf6rjagade\\b|\\bd\\\xe4rf\\\xf6rjag\\b|\\bforjag\\b|\\bIivsgladje\\b|\\bnarjag\\b|\\bsajag\\b|\\bgenastja\\b|\\brockument\\\xe0ren\\b|\\bturne\\b|\\bfickjag\\b|\\bsager\\b|\\bIjush\\\xe5rig\\b|\\btradg\\\xe5rdsolycka\\b|\\bkvavdes\\b|\\bd\\\xe0rja\\b|\\bhedersgaster\\b|\\bNar\\b|\\bsmaki\\\xf6sa\\b|\\blan\\b|\\bLan\\b|\\beri\\b|\\buniversitetsamne\\b|\\bgarna\\b|\\bar\\b|\\bbaltdjur\\b|\\bvarjag\\b|\\b\\\xe0r\\b|\\bf\\\xf6rf\\\xf6rst\\\xe0rkare\\b|\\barjattespeciell\\b|\\bh\\\xe0rg\\\xe5r\\b|\\bIa\\b|\\bIimousinen\\b|\\bkrickettra\\b|\\bh\\\xe5rdrockv\\\xe0rlden\\b|\\btr\\\xe0bit\\b|\\bMellanvastern\\b|\\barju\\b|\\bturnen\\b|\\bkanns\\b|\\bbattre\\b|\\bv\\\xe0rldsturne\\b|\\bdar\\b|\\bsj\\\xe0lvant\\\xe0nder\\b|\\bjattelange\\b|\\bberattade\\b|\\bS\\\xe4\\b|\\bvandpunkten\\b|\\bN\\\xe0rjag\\b|\\blasa\\b|\\bskitl\\\xe0skigt\\b|\\bsambandsv\\\xe0g\\b|\\bvaldigt\\b|\\bStamga\\\ufb01el\\b|\\b\\\xe0rjag\\b|\\btajming\\b|\\butg\\\xe4ng\\b|\\bH\\\xe0r\\\xe5t\\b|\\bh\\\xe0r\\\xe5t\\b|\\banvander\\b|\\bharjobbat\\b|\\bimageide\\b|\\bkla\\\ufb01en\\b|\\bsjalv\\b|\\bdvarg\\b|\\bdetjag\\b|\\bdvargarna\\b|\\bfantasiv\\\xe0rld\\b|\\b\\\ufb01olliga\\b|\\bmandoiinstr\\\xe0ngar\\b|\\bmittjobb\\b|\\bSkajag\\b|\\blandari\\b|\\bgang\\b|\\bDetjag\\b|\\bNarmre\\b|\\bI\\\xe5tjavelni\\b|\\bH\\\xe5llerjag\\b|\\bvisionarer\\b|\\bT\\\xfclvad\\b|\\bmilit\\\xe0rbas\\b|\\bjattegiada\\b|\\bFastjag\\b|\\bs\\\xe5jag\\b|\\brockvarlden\\b|\\bsaknarjag\\b|\\ballafall\\b|\\b\\\ufb01anta\\b|\\bKr\\\xe0ma\\b|\\bstammer\\b|\\bbudb\\\xe0rare\\b|\\bIivsfiiosofi\\b|\\bf\\\xf6rj\\\xe4mnan\\b|\\bgillarjag\\b|\\bIarvat\\b|\\bklararjag\\b|\\bhatta\\\ufb01\\'\\\xe0r\\b|\\bD\\\xe0\\b|\\bupp\\\ufb01nna\\b|\\bR\\\xe0ttf\\\xe5glar\\b|\\bSv\\\xe4\\\xfcboda\\b|\\bP\\\xe5b\\\xf6\\\ufb02ar\\b|\\bslutarju\\b|\\bni\\\ufb01skebu\\\xfcken\\b|\\bh\\\xe4rj\\\xe4keln\\b|\\bH\\\xdfppa\\b|\\bf\\\xf6rst\\\xf6rds\\b|\\bvarj\\\xe4ttegoda\\b|\\bKor\\\\\\/\\b|\\bbr\\\xfcl\\\xe9el\\b|\\bHei\\b|\\b\\\xe4lskarjordgubbsglass\\b|\\bSn\\\xf6bom\\b|\\bSn\\\xf6boH\\b|\\bSn\\\xf6bol\\b|\\bsn\\\xf6boH\\b|\\bL\\\xe4ggerp\\\xe5\\b|\\blnge\\\ufb02\\b|\\bS\\\xe4gerj\\\xe4ttesmarta\\b|\\bdopplen\\/\\\xe4derradar\\b|\\bs\\\xe4kertj\\\xe4ttefin\\b|\\b\\\xe4rj\\\xe4ttefin\\b|\\bverkarju\\b|\\bblirju\\b|\\bkor\\\\\\/\\b|\\bnaturkatastro\\\ufb01\\b|\\bstickerjag\\b|\\bj\\\xe4ttebu\\\ufb01\\\xe9\\b|\\bbe\\\ufb01nner\\b|\\bSp\\\ufb02ng\\b|\\btrec\\\ufb01e\\b|\\bryckerjag\\b|\\bskullejag\\Line truncated
|
|
|
|
|
for lang, grps in data.iteritems():
|
|
|
|
|
for grp in grps.iterkeys():
|
|
|
|
|
if data[lang][grp]["pattern"]:
|
|
|
|
|
data[lang][grp]["pattern"] = re.compile(data[lang][grp]["pattern"])
|
panni