You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
304 lines
3.7 KiB
304 lines
3.7 KiB
# -*- coding: utf-8 -*-
|
|
model = {
|
|
' de': 0,
|
|
'es ': 1,
|
|
'de ': 2,
|
|
'la ': 3,
|
|
' la': 4,
|
|
'el ': 5,
|
|
'que': 6,
|
|
' el': 7,
|
|
' co': 8,
|
|
'ent': 9,
|
|
's d': 10,
|
|
' qu': 11,
|
|
' i ': 12,
|
|
'en ': 13,
|
|
'er ': 14,
|
|
' a ': 15,
|
|
'ls ': 16,
|
|
'nt ': 17,
|
|
' pe': 18,
|
|
'e l': 19,
|
|
'a d': 20,
|
|
' en': 21,
|
|
'per': 22,
|
|
'ci ': 23,
|
|
'ar ': 24,
|
|
'ue ': 25,
|
|
'al ': 26,
|
|
' se': 27,
|
|
'est': 28,
|
|
'at ': 29,
|
|
' es': 30,
|
|
'ts ': 31,
|
|
' s ': 32,
|
|
' pr': 33,
|
|
'aci': 34,
|
|
' un': 35,
|
|
'res': 36,
|
|
'men': 37,
|
|
's e': 38,
|
|
'del': 39,
|
|
's a': 40,
|
|
's p': 41,
|
|
' re': 42,
|
|
'les': 43,
|
|
" l'": 44,
|
|
'na ': 45,
|
|
'a l': 46,
|
|
' ca': 47,
|
|
" d'": 48,
|
|
'els': 49,
|
|
'a p': 50,
|
|
'ia ': 51,
|
|
'ns ': 52,
|
|
'con': 53,
|
|
' le': 54,
|
|
'tat': 55,
|
|
'a c': 56,
|
|
'i d': 57,
|
|
'a a': 58,
|
|
'ra ': 59,
|
|
'a e': 60,
|
|
' no': 61,
|
|
'ant': 62,
|
|
' al': 63,
|
|
't d': 64,
|
|
's i': 65,
|
|
' di': 66,
|
|
'ta ': 67,
|
|
're ': 68,
|
|
'a s': 69,
|
|
'com': 70,
|
|
's c': 71,
|
|
'ita': 72,
|
|
'ons': 73,
|
|
'sta': 74,
|
|
'ica': 75,
|
|
' po': 76,
|
|
'r a': 77,
|
|
' in': 78,
|
|
'pro': 79,
|
|
'tre': 80,
|
|
' pa': 81,
|
|
'ues': 82,
|
|
'amb': 83,
|
|
'ion': 84,
|
|
'des': 85,
|
|
'un ': 86,
|
|
' ma': 87,
|
|
'da ': 88,
|
|
's s': 89,
|
|
'a i': 90,
|
|
'an ': 91,
|
|
'mb ': 92,
|
|
' am': 93,
|
|
'l d': 94,
|
|
'e d': 95,
|
|
'va ': 96,
|
|
'pre': 97,
|
|
'ter': 98,
|
|
'e e': 99,
|
|
'e c': 100,
|
|
'a m': 101,
|
|
'cia': 102,
|
|
'una': 103,
|
|
'i e': 104,
|
|
'nci': 105,
|
|
'tra': 106,
|
|
' te': 107,
|
|
'ona': 108,
|
|
'os ': 109,
|
|
't e': 110,
|
|
'n e': 111,
|
|
'l c': 112,
|
|
'ca ': 113,
|
|
'cio': 114,
|
|
'l p': 115,
|
|
' tr': 116,
|
|
'par': 117,
|
|
'r l': 118,
|
|
't a': 119,
|
|
'e p': 120,
|
|
'aqu': 121,
|
|
'nta': 122,
|
|
' so': 123,
|
|
'ame': 124,
|
|
'era': 125,
|
|
'r e': 126,
|
|
'e s': 127,
|
|
'ada': 128,
|
|
'n a': 129,
|
|
's q': 130,
|
|
' si': 131,
|
|
' ha': 132,
|
|
'als': 133,
|
|
'tes': 134,
|
|
' va': 135,
|
|
' m ': 136,
|
|
'ici': 137,
|
|
'nte': 138,
|
|
's l': 139,
|
|
's m': 140,
|
|
'i a': 141,
|
|
'or ': 142,
|
|
' mo': 143,
|
|
'ist': 144,
|
|
'ect': 145,
|
|
'lit': 146,
|
|
'm s': 147,
|
|
' to': 148,
|
|
'ir ': 149,
|
|
'a t': 150,
|
|
'esp': 151,
|
|
'ran': 152,
|
|
'str': 153,
|
|
'om ': 154,
|
|
'l s': 155,
|
|
'st ': 156,
|
|
'nts': 157,
|
|
' me': 158,
|
|
'no ': 159,
|
|
'r d': 160,
|
|
"d'a": 161,
|
|
"l'a": 162,
|
|
'ats': 163,
|
|
'ria': 164,
|
|
's t': 165,
|
|
' ta': 166,
|
|
'sen': 167,
|
|
'rs ': 168,
|
|
'eix': 169,
|
|
'tar': 170,
|
|
's n': 171,
|
|
'n l': 172,
|
|
'tal': 173,
|
|
'e a': 174,
|
|
't p': 175,
|
|
'art': 176,
|
|
' mi': 177,
|
|
' ll': 178,
|
|
'tic': 179,
|
|
'ten': 180,
|
|
'ser': 181,
|
|
' aq': 182,
|
|
'ina': 183,
|
|
'ntr': 184,
|
|
'a f': 185,
|
|
'sti': 186,
|
|
'ol ': 187,
|
|
'a q': 188,
|
|
'for': 189,
|
|
'ura': 190,
|
|
'ers': 191,
|
|
'ari': 192,
|
|
'int': 193,
|
|
'act': 194,
|
|
"l'e": 195,
|
|
' fi': 196,
|
|
'r s': 197,
|
|
'e t': 198,
|
|
'tor': 199,
|
|
'si ': 200,
|
|
'ste': 201,
|
|
'rec': 202,
|
|
'a r': 203,
|
|
' fe': 204,
|
|
'is ': 205,
|
|
'em ': 206,
|
|
'n d': 207,
|
|
'car': 208,
|
|
'bre': 209,
|
|
' fo': 210,
|
|
' vi': 211,
|
|
' an': 212,
|
|
'ali': 213,
|
|
'i p': 214,
|
|
'ix ': 215,
|
|
'ell': 216,
|
|
'l m': 217,
|
|
'pos': 218,
|
|
'orm': 219,
|
|
'l l': 220,
|
|
'i l': 221,
|
|
' ac': 222,
|
|
'fer': 223,
|
|
's r': 224,
|
|
'ess': 225,
|
|
'eu ': 226,
|
|
'e m': 227,
|
|
'ens': 228,
|
|
'ara': 229,
|
|
'eri': 230,
|
|
'sa ': 231,
|
|
'ssi': 232,
|
|
'us ': 233,
|
|
'ort': 234,
|
|
'tot': 235,
|
|
'll ': 236,
|
|
'por': 237,
|
|
'ora': 238,
|
|
' ci': 239,
|
|
'tan': 240,
|
|
'ass': 241,
|
|
'n c': 242,
|
|
'ost': 243,
|
|
'nes': 244,
|
|
'rac': 245,
|
|
'a u': 246,
|
|
'ver': 247,
|
|
'ont': 248,
|
|
'ha ': 249,
|
|
' ti': 250,
|
|
'itz': 251,
|
|
'gra': 252,
|
|
't c': 253,
|
|
' n ': 254,
|
|
'a v': 255,
|
|
'ren': 256,
|
|
'cat': 257,
|
|
'nal': 258,
|
|
' ri': 259,
|
|
'qua': 260,
|
|
't l': 261,
|
|
' do': 262,
|
|
't s': 263,
|
|
'rma': 264,
|
|
'ual': 265,
|
|
'i s': 266,
|
|
's f': 267,
|
|
'n p': 268,
|
|
's v': 269,
|
|
'te ': 270,
|
|
't i': 271,
|
|
' ba': 272,
|
|
'cte': 273,
|
|
'tam': 274,
|
|
'man': 275,
|
|
'l t': 276,
|
|
'ial': 277,
|
|
' fa': 278,
|
|
'ic ': 279,
|
|
' ve': 280,
|
|
'ble': 281,
|
|
'a n': 282,
|
|
'all': 283,
|
|
'tza': 284,
|
|
'ies': 285,
|
|
" s'": 286,
|
|
'le ': 287,
|
|
'omp': 288,
|
|
'r c': 289,
|
|
' nc': 290,
|
|
'rti': 291,
|
|
'it ': 292,
|
|
'rre': 293,
|
|
'fic': 294,
|
|
'any': 295,
|
|
'on ': 296,
|
|
' sa': 297,
|
|
'r p': 298,
|
|
'tur': 299,
|
|
}
|