Hi,
a small update on this one :
I’ve built a small python script that uses the patterns from the selnolig
package to extract words with suspicious ligatures from the word list provided
by the Uni Leipzig corpus project. Running the script over a corpus of over 1
million words produces the attached word list. The resulting list of words is
not huge. That corpus gives us a list of about 790 words. I’ll need to check
whether they already are in the goodies file or if I need to add them.
Anyway, I was thinking about making such a script more generic. Think of
something along the lines of:
pdftotext book.pdf | showIncorrectLigatures.py > incorrect-ligatures.txt
Denis
Von: ntg-context <ntg-context-boun...@ntg.nl> Im Auftrag von rh...@t-online.de
Gesendet: Mittwoch, 7. April 2021 20:20
An: ntg-context@ntg.nl
Betreff: Re: [NTG-context] Ligature suppression word list
Message: 2
Date: Tue, 6 Apr 2021 15:03:54 +0000
From: <denis.ma...@ub.unibe.ch<mailto:denis.ma...@ub.unibe.ch>>
To: <j.ha...@xs4all.nl<mailto:j.ha...@xs4all.nl>>,
<ntg-context@ntg.nl<mailto:ntg-context@ntg.nl>>
Subject: Re: [NTG-context] Ligature suppression word list
Message-ID:
<41e6530172b54bffb7a82febff0a6...@ub.unibe.ch<mailto:41e6530172b54bffb7a82febff0a6...@ub.unibe.ch>>
Content-Type: text/plain; charset="iso-8859-1"
-----Ursprüngliche Nachricht-----
Von: Hans Hagen <j.ha...@xs4all.nl<mailto:j.ha...@xs4all.nl>>
Gesendet: Samstag, 3. April 2021 17:58
An: mailing list for ConTeXt users
<ntg-context@ntg.nl<mailto:ntg-context@ntg.nl>>; Maier, Denis
Christian (UB) <denis.ma...@ub.unibe.ch<mailto:denis.ma...@ub.unibe.ch>>
Betreff: Re: [NTG-context] Ligature suppression word list
[…]
2. A bigger solution might be to use selnoligs patterns in a script
that can be run over a large corpus, such as the DWDS (Digitales
Wörterbuch der deutschen Sprache). That should produce us a more
complete list of words where ligatures must be suppressed.
where is that DWDS ... i can write some code to deal with it (i'd rather start
from the source than from some interpretation; who know what more there
is to uncover)
As it turn out, the linguists that helped with the selnolig package did use
another corpus: Stuttgart "Deutsch" Web as Corpus
They describe their approach in that paper:
https://raw.githubusercontent.com/SHildebrandt/selnolig-check/master/selnolig-check-documentation.pdf
A lot of corpora can be found here: https://wortschatz.uni-leipzig.de/de
especially here: https://wortschatz.uni-leipzig.de/de/download/German
There are corpora of many other languages, too, such as English, French, Dutch,
Spanish, Russian, Japanese, Latin, …
HTH
Ralf
Auftrag
Auftritt
Auftakt
Auflage
Auflösung
Aufträge
fünften
Auftraggeber
Auflagen
Auffassung
fünfte
Aufführung
Auftragseingang
auftreten
Auftritte
Fünftel
Straftaten
Auftragsbestand
Aufforderung
Auftreten
Auflistung
Auftrieb
Aufführungen
Straftat
auffällig
Auftragsvolumen
Auftragsbücher
Auffällig
Auftragseingänge
Schieflage
Auftragslage
auflösen
Auftragsbestätigung
Aufträgen
Cheftrainer
Fünfte
Auffinden
Kopftuch
auffallend
auffällige
elften
Auffassungen
Auflaufform
Auftraggebers
Auftritten
auffangen
offline
Auffahrt
Auftragswert
Fünfter
Auftaktveranstaltung
Auftragserteilung
Straftatbestand
auffüllen
Auflauf
Auftragnehmer
Dorffest
Kaufinteresse
Straftäter
auftauchen
elfte
Auffallend
fünften Mal
fünfter
Auffälligkeiten
Auftragsvergabe
Kaufinteressenten
auffindbar
auftretenden
Auffahrunfall
Prüfling
aufladen
auflaufen
Auftrages
Auftrags
Dampflokomotiven
auffälliges
fünftägigen
Auflösungen
Auftragen
Hofladen
Schlaflosigkeit
auftretende
Aufladen
Aufladung
Auflockerung
Auftaktspiel
Auftragsbüchern
Auftritts
Briefträger
Prüflinge
Schlaflabor
Schlaftabletten
kampflos
Auftaktquartal
Auftauchen
Auftragsabwicklung
Auftragseingängen
Dampflok
Hoffest
Tiefflug
auffallen
auffrischen
auffälliger
auffälligsten
schlaflose
Auffrischung
Auffällige
Auflehnung
Auflieger
Auftraggebern
Auftragssumme
Brieftasche
Elfter
Straftätern
auffälligste
fünftes
schlaflose Nächte
tarifliche
Auffahrunfälle
Auflagenhöhe
Auflassung
Auftaktsieg
Auftragsbearbeitung
Auftragseingangs
Auftragsmord
Auftragsrückgang
Auftretens
Kopfteil
Kopftuchverbot
Scheffler
Tariflohn
Tieflader
auffälligen
auftragsbezogen
Auffanglager
Aufführungspraxis
Auflockerungen
Auflösungsvertrag
Auftanken
Auftragnehmers
Auftragsbestände
Auftragsbuch
Auftragseinbruch
Auftragsplus
Auftrittsmöglichkeiten
Brieffreund
Golffahrer
Kopftücher
Offline
Tiefladern
auffallende
auffordern
aufführen
auflegen
auftauen
auftragen
auftreiben
fünftägige
schlaflosen
Auffahrten
Auffahrunfällen
Auffanggesellschaft
Aufforderungscharakter
Aufforstung
Auffälligstes
Auffüllen
Auflagefläche
Auflaufen
Auflösungserscheinungen
Auftauen
Auftragsannahme
Auftragsarbeiten
Auftragskomposition
Auftragsminus
Auftragsmorde
Auftrittsort
Brieffreundin
Brieffreundschaft
Brieftaschen
Brieftauben
Cheftrainer Andreas Hirsch
Fünften
Fünftes
Kampffeld
Kaufinteressent
Kopfleiste
Surftipps
Surftips
Tiefland
aufleben
auflockern
auftanken
auftrumpfen
stoffliche
tiefliegenden
Auffanglösung
Auffindung
Auffliegen
Aufforderung zum Tanz
Aufforderungen
Aufforstungsmaßnahmen
Auffälligkeit
Auffälligste
Auffälligster
Aufführungsorte
Auffüllung
Auflage von 2
Auflagenverstöße
Auflegen
Auflösen
Auflösungsbeschluss
Auflösungstendenzen
Auftaktdrittel
Auftaktrennen
Auftauzeit
Auftrag geben
Auftrage
Auftrageber
Auftraggeberin
Auftragsbestätigungen
Auftragseinbrüche
Auftragsentwicklung
Auftragsfertiger
Auftragsformular
Auftragsindex
Auftragsmörder
Auftragsnummer
Auftragspolster
Auftragswerken
Auftretende
Auftrittszeit
Auftrumpfen
Brieffreundschaften
Brieftaube
Dampflokomotive
Dampfloks
Dorffeste
Dorffesten
Dorffestes
Dorfteich
Elfte
Golfturnier
Hoffassade
Hoffung
Hoftür
Kampffahrzeuge
Kampflos
Kampflustig
Kopffreiheit
Kopftuch tragen
Kopftuchs
Kopftuchstreit
Prüffristen
Prüflings
Schlaflabore
Schlaflose
Schlaftablette
Straflager
Straflosigkeit
Straftatbestände
Straftraining
Surftipp
Tarifflucht
Tarifforderungen
Tarifliste
Tariflöhne
Tariftabelle
Tariftreuegesetz
Tiefflüge
Wurftechniken
auffordernde
auffälligem
auffällt
auflachen
auflagenstärkste
auflandigem
aufleuchten
aufliegen
auftauchenden
auftraggebende
auftun
elften Mal
ft
ftp
fünflappig
fünfte Mal
kopflos
schlaftrunkenen
stofflichen
Auffahren
Auffahrgefahr
Auffahrt zum
Auffallen
Auffang-
Auffangbeckens
Auffangbehälter
Auffangbett
Auffangen
Auffangrege-lungen
Auffangsieb
Auffangstationen
Auffangsystem
Auffangund
Auffangvorrichtung
Auffangwanne
Auffangzentrum
Auffassungsgabe
Auffassungsunterschied
Auffassungsunterschiede
Auffasungen
Auffindbarkeit
Auffindens
Auffindsituation
Auffllig
Auffordernd
Aufforstungen
Aufforstungsbescheid
Aufforstungsprogramm
Aufforstungsunternehmen
Auffrischen
Auffrischimpfung
Auffrischungen
Auffrischungsimpfung
Auffälligen
Auffälliges
Auffälligkeitsgrad
Aufführungen/Lesungen
Aufführungsbedingungen
Aufführungsblöcken
Aufführungsdauer
Aufführungskünste
Aufführungsort
Aufführungspause
Aufführungstermine
Auffüllarbeiten
Auffüllkapazität
Auffütterung
Auflagebereich
Auflagedatum
Auflagedruck
Auflageflaeche
Auflagemaß
Auflagen-Plus
Auflagendruck
Auflagendruckprozess
Auflagenrückgang
Auflagenzahlen
Auflagepunkte
Auflager
Auflagerreaktionen
Auflagezeit
Auflassungsvormerkung
Auflauf-Alternative
Auflaufbremse
Auflaufs
Auflaufschäden
Aufleben
Auflegen-Symbol
Aufleger
Auflegung
Aufleuchten
Auflichtbildverarbeitung
Auflichtmikroskopie
Aufloesung
Auflösezeit
Auflösung der Ehe
Auflösungs-Dreisatz
Auflösungs-Erscheinungen
Auflösungsantrag
Auflösungsarbeit
Auflösungsbeschluß
Auflösungsverlust
Auflösungsversammlung
Auflösungsvertrages
Auflösungsverträge
Auflüge
Auftakt-Heldin
Auftakt-Niederlage
Auftakt-Reise
Auftakt-Sieg
Auftaktabend
Auftaktaktionen
Auftaktbezwinger
Auftaktdrittels
Auftaktetappe
Auftaktfall
Auftaktgegner
Auftaktpartie
Auftaktpremiere
Auftaktprogramm
Auftaktsatz
Auftaktseminar
Auftaktshow
Auftaktspiele
Auftakttermin
Auftaktveranstaltungen
Auftaktvorlesung
Auftanken
Auftauchende
Auftauchgeschwindigkeit
Auftrag erteilen
Auftrag vergeben
Auftragbestand
Auftragemengen
Auftraggbeer
Auftrags-
Auftrags-volumens
Auftragsarbeit
Auftragsarten
Auftragsbaby
Auftragsberatungsstellen
Auftragsbericht
Auftragsbeschreibung
Auftragsbestandes
Auftragsbestands
Auftragsbestätigung/Lieferschein
Auftragsboom
Auftragsdaten
Auftragsdecke
Auftragsdurchlauf
Auftragseinbrüchen
Auftragsende
Auftragserholung
Auftragsfirma
Auftragsfirmen
Auftragsflaute
Auftragsflut
Auftragsformulare
Auftragsgegenstandes
Auftragsgeschwindigkeit
Auftragshöhe
Auftragsinhalt
Auftragskiller
Auftragskostenpauschale
Auftragskunst
Auftragslücken
Auftragsmangel
Auftragsmordes
Auftragsnamens
Auftragspalette
Auftragspauschale
Auftragspotential
Auftragspotenzial
Auftragsproduktion
Auftragsprojekte
Auftragsreichweite
Auftragsreichweiten
Auftragsrückgänge
Auftragssachbearbeiter
Auftragsschub
Auftragsschwankungen
Auftragssituation
Auftragsspitzen
Auftragsstammsatz
Auftragsstornierungen
Auftragsstornos
Auftragsstunden
Auftragssummen
Auftragssätze
Auftragstalfahrt
Auftragstyp1:Auftrag
Auftragsunternehmern
Auftragsverdoppelung
Auftragsverfolgung
Auftragsvergaben
Auftragsvielfalt
Auftragsvolumens
Auftragswarteschlange
Auftragswelle
Auftragswerk
Auftragswertes
Auftragswesens
Auftragszahlen
Auftragszugangsim
Auftragung
Auftreffen
Auftreffgeschwindigkeit
Auftreffpunkt
Auftrennen
Auftretenden
Auftriebkraft
Auftriebsgürtel
Auftriebshilfen
Auftriebskraft
Auftriebskräfte
Auftriebskörper
Auftriebsprinzip
Auftriebszuwachs
Auftriebsübungen
Auftriebverliehen
Auftrittes
Auftrittmöglichkeiten
Auftritts-Reihenfolge
Auftrittserfahrung
Auftrittsgarantie
Auftrittsmarathon
Auftrittsorte
Auftrittsreihe
Auftrittstermine
Auftrittstiefe
Auftrittsverbot
Auftrittsverbote
Auftrocknung
Auftrumpferei
Briefform
Brieffreunde
Brieflaufzeiten
Brieftaubenausstellung
Brieftaubenzuchtverein
Brieftitel
Briefträgern
Cheffige
Cheflimousinen
Cheftechnologin
Cheftoilette
Cheftrainer Andreas Bergmann
Cheftrainer Frank Mantek
Cheftrainer Maier
Cheftrainer Martin Rufener
Cheftrainer-Posten
Cheftrainer-Stelle
Cheftrainerin
Cheftrainerin Ulla Koch
Cheftrainers
Cheftrainerstelle
Cheftu
Dampffontäne
Dampflagerstätten
Dampfleck
Dampfleistung
Dampflock
Dampflokbestand
Dampflokeldorados
Dampflokfahrten
Dampflokführer
Dampflokzuschlag
Dampfluftbefeuchter
Dorffest-Atmosphäre
Dorffest-Ausschuss
Dorffestmacher
Dorffeuerwehr
Dorffilialen
Dorfidylle
Dorfitter
Dorfladen
Dorflebens
Dorflehrer
Dorftore
Dorftrottel
Dorfturnier
Fünflingen
Fünftausend
Fünftelregelung
Golffahrerin
Golffalte
Golfferien
Golflehrer
Golflektion
Golfliebhaber
Golftag
Golftouren
Grifflänge
Grifflöchern
Hanffaser
Hanffeld
Hanffreund
Hanfliteratur
Hoffeste
Hoffungen
Hoffungsträger
Hofi
Hofladens
Hofland
Hofleben
Hoflicht
Hoflieferant
Hoflnung
Hofläden
Hoftheater
Huflederhaut
Impffest
Impffrist
Impflösungen
Impflücken
Kampffertigkeit
Kampfformen
Kampfführung
Kampfinstrument
Kampflesben
Kampflied
Kampflinie
Kampflose
Kaufimpulse
Kopffeld
Kopffüßer-Kamasutra
Kopflänge
Kopfläuse
Kopftemperatur
Kopftransplantation
Kopftreffer
Kopftrommel
Kopfträger
Kopftuchdebatte
Kopftuchverbots
Laufteam
Lauftest
Offline-Betrachtung
Offline-Betrieb
Offline-Browser
Offline-Funktionalitäten
Offline-Geschäft
Offline-Kompaktierung
Offline-Programmierung
Offline-Publikationen
Offline-Test
Offline-Version
Offline-Vertriebskanal
Offline-Wikipedia
Offlineversion
Offlinezeit
Prüffehler
Prüffrist
Prüflaboratorien
Prüflaboratorium
Prüflabors
Prüflager
Prüflauf
Prüfleiter
Prüflingen
Prüflinges
Prüflingsanschluss
Prüfliste
Prüflizenzen
Prüftruppe
Ruftaste
Ruftasten
Rufton
Rufton-Listen
Ruftongenerator
Rumpfflächen
Rumpfform
Schiffl
Schifflände
Schlaflaborpersonal
Schlaflager
Schlaflandschaft
Schlaflieder
Schlafliegen
Schlaftabletten-Sucht
Schlaftemperatur
Schlaftheater
Schlaftrakt
Schlaftrunken
Schlaftyp
Schleiflack
Stoffideen
Stoffliche
Stofflänge
Straftatbestandes
Straftatbilanz
Straftatverdacht
Straftäterin
Straftäters
Sumpflandschaft
Surflehrerbody
Tarifforderung
Tariffragen
Tariffähigkeit
Tarifinformation
Tarifinnovationen
Tariflandschaft
Tariflichen
Tariflohns
Tariflohnsteigerung
Tarifthemen
Tariftreue-Erklärung
Tiefflieger
Tiefflugaktivitäten
Tiefflugangriffen
Tiefflugschneisen
Tiefland-Regenwälder
Tieflandes
Tieflandgebiete
Tieflandgebieten
Tieflandregenwälder
Tieflochbohren
Tieflohnbereich
Tieftauchen
Tieftauchweltrekord
Tieftemperaturforschung
Tiefton-Verstärkers
Tieftonbereich
Tieftöner
Topflappen
Torflaute
Torftopf
Wurftechnik
auffahren
auffahrenden
auffallenden
auffallenderweise
auffallendes
auffallendste
auffassen
auffinbar
aufflammen
aufflanschen
auffliegen
aufflog
auffordert
auffressen
auffährt
auffälligstes
aufladbare
aufladbaren
auflandige
auflassen
auflauernden
auflaufendem
auflaufender
auflebenden
aufleuchtenden
aufliegende
aufliegenden
auflockernde
auflösbar
auflösenden
auflöst
auflösungsgerichteten
auftakeln
auftauchende
auftauchte
auftischen
auftragsbezogene
auftragsbezogener
auftragsgefertigten
auftragsneutral
auftragsrelevanten
auftreffenden
auftretender
auftretende Lärmbelästigungen
auftrumpfende
auftrumpfender
briefliche
brieflichem
brieflichen
elftes
fbr-Branchenführer
fbr-Fördermitglieder
fffffffrrrrrrrrrrttttttttt
fh-potsdam.de
fh-zwickau.de
fhS
fhren
fkedvberatung
flappenden
ftp-Applikationen
ftp-Server
ftp.Uni-Augsburg.DE
ftp.cityhost.de
ftp.suse.com
ftplib.pl-Bibliothek
ftw.at
fünftausend
fünfteilige
fünfteiligen
fünftens
fünftägiger
fünftätigen
kampffrei
kampffreudige
kampflustigen
kopfförmig
offline-Lesen
prüffähige
schieflaufen
schlaflos
schlaftrunkener
senffarbenen
straflos
tariffähigen
tariflich
tariflichen
tariflose
tariftreue
tariftreuen
tieffrequenten
import re
# Step 1 Read the file
#input_file = 'deu_mixed-typical_2011_10K-words.txt'
input_file = 'deu_mixed-typical_2011_1M-words.txt'
with open(input_file, encoding='utf8') as f:
lines = [re.sub('([0-9]+)\t|\t([0-9]+)\n', '', line) for line in f]
# Step 2 Filter
# either with list comprehension
# filtered_lines = [el for el in lines if re.match(r'.*ff.*', el)]
# or with a filter function
# removeLigsPattern = r'(.*auffo.*|.*aufli.*)'
# Don't suppress ligatures in these words
noFalsePositives = re.compile(r"""(
Lauffen|
Stauffach|
Stauffen|
stauffen|
Stauffer|
stauffer|
Stauffisch|
stauffisch|
chauffier|
Chauffier|
chauffeur|
Chauffeur|
chauffement|
cheffekt|
Scheffel|
scheffel|
cheffizi|
cheffé|
Hoffacker|
Hoffart|
Hoffärt|
Hoffricht|
Hoffranz|
tieffekt|
tieffiziffahrtffallee|
ffallerg|
ffallokat|
iffalt|
offalt|
Diffami|
diffami|
riffans|
toffansffarbeit|
toffeier|
ffeindealerBüffeld|
büffeld|
ffeldenk|
Iffeld|
Löffeld|
löffeld|
Müffeld|
müffeld|
nüffeld|
Riffeld|
taffeld|
toffeld|
Trüffeld|
trüffeld|
Waffeld|
waffeldffelleck|
ffellinde|
Muffell|
muffell|
öffell|
taffell|
toffell|
üffell|
Buffett|
Büffett|
buffett|
büffett|
Buffetz|
Büffetz|
affirm|
Affirm|
Affoltern|
Suffrage|
suffrage|
toffrak|
ffraum|
ffraub|
ffrausch|
ffraup|
toffreak|
chiffrei|
toffrei|
uffreis|
luffrei|
iffreig|
toffries|
affront|
Affront|
iffund|
toffund|
iffuss|
rtstraffern|
ssstraffern|
Briefing|
ebriefing|
Chefin|
chefin|
chefibel|
chefiebe|
chefigur|
chefilm|
chefili|
chefirm|
chefisch|
Hofier|
Laufig|
Blaufi|
laufilter|
laufiedr|
rumpfig|
schafigu|
chlafitt|
Tarifier|
tarifier|
figelehrt|
Delfinfo|
Delfinhalt|
raffinhalt|
Delfinkont|
auflair|
aufläche|
aufliegl|
auflüssig|
baufl|
Baufl|
blaufl|
Blaufl|
fraufl|
Fraufl|
gauflöte|
graufl|
Graufl|
onauflo|
onauflu|
Moskaufl|
Schauflieg|
SchaufloÃ|
schauflöÃ|
Schauflug|
Schauflüg|
schauflieg|
schaufloÃ|
schauflöÃ|
schauflug|
schauflüg|
Taufliege|
achefl|
ichefl|
schefl|
chefläche|
dorfliese|
dorflüg|
thanflamm|
hoflosk|
eimpflanz|
eimpfleg|
timpfleg|
kopflaster|
kopfleg|
kopflaum|
Durufl|
mbarufl|
ruflagge|
rufleisch|
nsumpfl|
isumpfl|
ssumpfl|
surfleck|
surflüg|
surflüss|
tiefläche|
atieflaute|
atieflut|
Topflagg|
Topflitz|
Topflor|
rtopfli|
topfläch|
topfleg|
topflop|
topflug|
topflüg|
Torflagge|
Torflügel|
Torflut|
torfläche|
torflasch|
torflieg|
torflimm|
torflitz|
torfloss|
torflott|
torfluch|
torflug|
torflüg|
torflüss|
torfluss|
torfluÃ|
tropflug|
aflosk|
rafloss|
ampfläch|
ampflanz|
ampfleg|
eufleiÃ|
eufleiss|
siflage|
ouflage|
flandern|
flandrisch|
huffleb|
nflehn|
rflehn|
Hoflehn|
Kaltefleiter|
Hoefler|
Knoepffler|
fflerhyth|
flicht|
Bempfling|
Haflinge|
flöchte|
flohnetz|
ntflohn|
lfloss|
lflosk|
gopflaum|
iopflast|
nopflaster|
opflair|
opflanz|
pfloss|
Breifl|
breifl|
Dreifl|
dreifl|
Freifl|
freifl|
eiereifl|
reifläch|
reiflagg|
reiflamm|
reiflasch|
reiflies|
reiflock|
reifloh|
reiflöhe|
reiflott|
tafleck|
taflege|
weifleck|
chwerfl|
werflitz|
araffind|
raffinte|
stoffiz|
stoffig|
omicheft[ceg]|
elfterfolg|
fünfterfolg|
Fünfterfolg|
fünftrang|
Fünftrang|
fünftreich|
Fünftreich|
Fünftoper|
Fünftrund|
Fünftäon|
fünftältest|
Fünftältest|
Senftenberg|
straftheit|
ftagent|
ftanzahl|
ftanzeig|
ftanzieh|
ftanzüg|
ftaristokr|
ftassel|
fteamt|
nfteich|
ifteich|
fteilfr|
fterminder|
ftermitt|
ftestation|
ftestatist|
ftextrakt|
fthemm|
ftiefigur|
haftier|
Muftier|
stiftisch|
ünftisch|
ftodem|
ftopfer|
afträume|
äfträume|
rifträume|
ufträume|
ftresorp|
ftrett|
ftreturn|
ftritter|
Luftritt|
nftüb|
pftheit|
tdurftrö|
Werftr|
werftr|
Werftu|
werftu|
Duftas|
duftas|
Gruftas|
gruftas|
Luftas|
luftas|
uftassoz|
tdurfta|
Kafka|
kafka|
Piefke|
piefkei|
Safka|
Potrafke|
Sprafke|
Shirafkan|
Tirafkan|
Selfkant|
Rifkin|
fjord|
fjör|
Ãsafjarðarbær|
fjell|
fjall|
fjäll|
fjöll|
Prokofjew|
Sufjan|
Eefje|
Astafjew
)""", re.X)
# Patterns that indicate incorrect ligatures
incorrectLigatures = re.compile(r"""(
#.*auffo.*|
#.*aufli.*|
#.*auffi.*
Auff[aeiloruyäöü]|
auff[aeiloruyäöü]|
Brieff|
brieff|
Cheff|
cheff[aäeioöruü]|
Dampff|
dampff|
Dorff[aäeiloöruü]|
dorff[aäeiloöruü]|
Hanff|
hanff|
Hoff[aäiloöruü]|
Golff|
golff|
Hoffern|
hoffern|
Hoffest|
Impff|
Kampff[aäeoöruü]|
kampff[aäeoöruü]|
Kopff[aäeoöruü]|
kopff[aäeoöruü]|
Klopff|
klopff|
Prüff|
prüff|
Ruffach|
ruffach|
Rumpff|
Schaffang|
Schaffarm|
Schaffels|
Schilff|
schilff|
Senff|
senffa|
senffl|
senfl[aä]|
Sumpff|
sumpff|
Tariff|
tariff|
Tieff|
tieff|
chaffron|
eiffest|
ffabrik|
ffacet|
ffachl|
ffachm|
ffäch|
ffaden|
ffäd|
ffähig|
ffahn|
ffahr|
ffähr|
ffaktor|
ffakult|
ffall|
ffäll|
ffalt|
ffält|
ffami|
ffanat|
ffans|
ffanta|
ffarb|
ffärb|
ffaschi|
ffassad|
ffäul|
ffecht|
ffeder|
ffedr|
ffehl|
ffeier|
ffeind[els]|
ffeld|
ffell|
ffeile|
ffenster|
fferien|
ffernseh|
ffertig|
ffestl|
ffests|
ffetisch|
ffetus|
ffett|
ffetz|
ffeud|
ffeue|
ffilet|
ffindung|
ffirm|
ffolg|
ffoli|
ffolter|
ffond|
fforder|
fförder|
fforell|
fform|
fförm|
fforsch|
fforen|
fforu|
ffoto|
fföt|
ffracht|
ffrag|
ffrak|
ffrank|
ffräs|
ffrau|
ffreak|
ffregat|
ffrei|
ffremd|
ffreq|
ffreu|
ffrisch|
ffried|
ffries|
ffrist|
ffriseu|
ffrisur|
ffront|
ffrosch|
ffrösch|
ffrucht|
ffrücht|
ffrüh|
ffund|
fführ|
ffunk|
ffühl|
ffüll|
ffürst|
ffuÃ|
ffuss|
ffüÃ|
ffüss|
ffutter|
ffütter|
hoffan|
hoffersch|
hoffest|
hoffete|
lffach|
offegen|
pffach|
pffern|
pffest|
pffels|
pffont|
pffüh|
reiffern|
rffan|
rffeel|
rffest|
rffinn|
rffleck|
straffern|
ünff|
wurff[aäeiloöruü]|
Aufi|
aufinstr|
aufirr|
aufisst|
Briefi|
briefi|
Chefi|
chefi|
Chefin[a-mo-z]|
chefind|
Dorfi|
dorfi|
Hofi|
Kampfi|
kampfi|
Kaufi|
kaufi|
Laufi|
laufi|
rüfi|
Rumpfi|
rumpfi|
chafi|
chlafi|
Strafi|
strafi|
Tarifi|
tarifi|
Tiefinn|
tiefinn|
fidee|
fideol|
fidentif|
fidentit|
fidol|
fidyll|
figel|
fikone|
fillus|
fimman|
fimmob|
fimmun|
fimp|
findex|
findikat|
findiv|
findiz|
findust|
finfekt|
finfiz|
finfo|
finfra|
finfus|
fingenieur|
finhab|
finhalat|
finhalt|
finitia|
finjekt|
finkont|
finnenaus|
finnenohr|
finnenfl|
finnenl|
finnenraum|
finnenräum|
finnens|
finner|
finnig|
finnov|
finsass|
finsekt|
finsel|
finserat|
finsign|
finspek|
finsta|
finstinkt|
finstitu|
finstrukt[io]|
finstrum|
finsuff|
finszen|
fintars|
fintell|
fintegr|
fintens|
finter|
finton|
fintrig|
finvent|
finvest|
firis|
fironi|
firre|
firru|
fisolat|
fisolie|
fisoth|
uffax|
Aufl[aeiouyäöü]|
aufl|
bauflösen|
blaufloch|
blauflog|
Briefl|
briefl|
Chefl|
chefl|
Dampfl|
dampfl|
Dorfl|
dorfl|
Fünfl|
fünfl|
Golfl|
golfl|
Hanfl|
hanfl|
Hofl|
hofl|
Huflatt|
huflatt|
Hufled|
hufled|
Impfl|
impfla|
impfle|
impflücke|
Kampfl|
kampfl|
Kopfl[äeioöuüy]|
kopfl[äeioöuüy]|
Köpfl[aäioöuüy]|
köpfl[aäioöuüy]|
Pfeifl|
pfeifl|
Pfiffl|
pfiffl|
Prüfl|
prüfl|
Reliefl|
reliefl|
Rufl|
rufl|
Schafl|
schafl|
Schiefl|
schiefl|
Schilfl|
schilfl|
Schlafl|
schlafl|
Schleifl|
schleifl|
Schrumpfl|
schrumpfl|
Schweifl|
schweifl|
Senfl|
Steifl|
steifl|
Strafl|
strafl|
Strumpfl|
strumpfl|
Sumpfl|
sumpfl|
Surfl|
surfl|
Tarifl|
tarifl|
Tiefl|
tiefl|
Topfl|
topfl|
rtopfleg|
Torfl|
torfl|
Tropfl|
tropfl|
Wurfl|
wurfl|
Würfl|
würfl|
alflede|
aflied|
aflos|
aflück|
ampfl[aäou]|
arflad|
äufle|
eufle|
flaberer|
flabor|
flage|
flagun|
flähm|
flaminat|
flamp|
fland|
fländ|
fläng|
flapp|
flärm|
fflatter|
flauf|
fläuf|
flaun|
fleb|
alfleder|
flehn|
flehr|
fleiden|
flein|
fleist|
fleit|
flektür|
fler|
fleut|
flich|
öpflicht|
flieb|
flief|
flift|
flig|
flila|
flinde|
fling|
flini|
flinse|
flisch|
flist|
fliter|
flizenz|
flobby|
flöch|
flöff|
flohn|
flöhn|
flok|
flord|
flösch|
flösu|
fluft|
flung|
flust|
Gipfle|
gipfle|
chopfl|
lflady|
lflast|
lflos|
nflehm|
oflad|
ofläd|
oflück|
opfla|
öpfle|
orflad|
pflaut|
pfleier|
pflehm|
pfleis|
pfleu|
pflid|
pflied|
pfloch|
pflos|
pflös|
pflup|
pflux|
rfläd|
rflück|
rfluke|
reifl|
Reifl|
Tafle|
tafle|
urflad|
ürfla|
urfloch|
ürfloch|
wafle|
wefle|
weifle|
werfl|
affind|
ffibel|
ffieb|
ffigu|
ffilm|
ffilter|
ffinal|
ffinte|
ffinanz|
ffistel|
ffixier|
iffind|
lffing|
lffisch|
nffing|
pffi|
reiffing|
Stoffi|
stoffi|
ffinnen|
cheffl[aiou]|
Griffl|
griffl|
Offline|
offline|
Pfiffl|
Scheffle|
scheffle|
Schiffl|
schiffl|
Stoffl|
stoffl|
afflu|
fflamell|
fflast|
fflatsch|
ffloch|
fflos|
ifflo|
offlad|
öffle|
offlo|
pufflack|
taffle|
ufflad|
uffläd|
luffleck|
äfle|
üffle|
Auffl|
auffl|
eiffleck|
ffläch|
fflech|
ffleisch|
fflexib|
fflies|
fflimm|
ffluch|
fflüch|
fflug|
fflüg|
fflur|
ffluss|
fflüs|
fflut|
iefflieg|
iefflog|
lfflach|
mpffl|
opffl|
upffl|
rfflad|
rfflasch|
wurfl|
ft|
Auft[aähioöruüy]|
auft[aähioöruüy]|
Brieft|
brieft|
Cheft|
cheft[a-z]|
Dorft|
dorft|
Elfte|
elfte|
Fünft[aäeoöruy]|
fünft[aäeoöruy]|
Golft|
golft[hiruüy]|
Greift[eio]|
Hanftau|
Hoft[aäehioäruüy]|
hoft[aähioöruü]|
Huftra|
Kopft[aäehioäruüy]|
Laufte|
Prüft[aähioäruüy]|
prüft[aähioöruü]|
Ruft[aäehioäruüy]|
Schaftal|
Schaftor|
Schaftreib|
schaftal|
schaftor|
schaftreib|
Schlaft|
schlaft[aähioäruüy]|
Schilft[äehiruüy]|
schilft[hiruüy]|
Senft[aäehioäruy]|
Straft[aähioöruüy]|
straft[aähioöruüy]|
Sufft|
Surft[ähiöüy]|
Tarift|
tarift|
Tieft|
Torft|
torft|
Wurft|
wurft|
fft[aähioöruüy]|
Abstreiftest|
Ankauftest|
Hörprüftest|
Hüpftest|
Impftest|
Kauftest|
Klopftest|
Kneiftest|
Lichtschweiftest|
Rückruftest|
Schnupftest|
Sumpftest|
Tropftest|
Wettkampftest|
tofftest|
aftee|
auftee|
lauftest|
eiftie|
eiftit|
eiftr|
elieft|
enftei|
ftabell|
ftablett|
ftafel|
ftag|
ftäg|
ftalsg|
ftanz|
ftänz|
ftari|
ftarn|
ftasse|
ftatb|
ftaten|
ftätig|
ftauch|
ftaugl|
ftaume|
ftax|
fteam|
ftechn|
ftedd|
fteich|
fteigw|
fteil|
ftelef|
fteleph|
ftelegr|
fteller|
ftempel|
ftemper|
ftempo|
ftendenz|
ftentak|
fteppi|
ftermin|
ftermit|
fterrain|
fterrass|
fterrin|
fterror|
ftestat|
fteuf|
ftext|
ftheat|
fthem|
ftheor|
ftherap|
ftick|
ftief|
ftier|
ftipp|
ftirad|
ftisch|
ftod|
fton|
ftön|
ftool|
ftopf|
ftöpf|
ftorig|
ftour|
ftrader|
ftradition|
fträg|
ftrain|
ftränk|
ftransp|
fträume|
ftrauri|
ftreff|
ftresor|
ftret|
ftrick|
ftrieb|
ftrief|
ftrift|
ftrimest|
ftritt|
ftrott|
ftrüb|
ftrunk|
ftrupp|
ftuch|
ftüch|
ftürk|
fturm|
ftürm|
ftyp|
ftyr|
ftwist|
graftum|
graftüm|
hoftest|
iefta|
iefto|
ieftö|
ieftra|
lfta|
lfto|
lftö|
lftum|
nftü|
nftübchen|
ölfte|
pft[aähioöruüy]|
pftee|
pfteig|
pftender|
rftr|
werftrage|
rftu|
uftas|
urfta|
urfto|
ünftor|
fb|
fh|
fk|
fj|
fff
)""", re.X)
def findWrongLigatures(el):
return False if re.match(noFalsePositives, el) else
re.match(incorrectLigatures, el)
filtered_lines = list(filter(findWrongLigatures, lines))
# print(filtered_lines)
# Step 3 Write list of words to a file
with open('ligature-prevention-wordlist.txt', 'w') as file:
file.writelines("%s\n" % line for line in filtered_lines)
___________________________________________________________________________________
If your question is of interest to others as well, please add an entry to the
Wiki!
maillist : ntg-context@ntg.nl / http://www.ntg.nl/mailman/listinfo/ntg-context
webpage : http://www.pragma-ade.nl / http://context.aanhet.net
archive : https://bitbucket.org/phg/context-mirror/commits/
wiki : http://contextgarden.net
___________________________________________________________________________________
