]> git.openstreetmap.org Git - nominatim.git/blob - settings/legacy_icu_tokenizer.yaml
only consider partials in multi-words for initial count
[nominatim.git] / settings / legacy_icu_tokenizer.yaml
1 normalization:
2     - ":: NFD ()"
3     - "[[:Nonspacing Mark:] [:Cf:]] >"
4     - ":: lower ()"
5     - "ß > 'ss'" # German szet is unimbigiously equal to double ss
6     - "[[:Punctuation:][:Space:]]+ > ' '"
7     - ":: NFC ()"
8 transliteration:
9     - !include icu-rules/extended-unicode-to-asccii.yaml
10     - ":: Ascii ()"
11     - ":: NFD ()"
12     - "'' >"
13     - "[[:Nonspacing Mark:] [:Cf:]] >"
14     - "[^[:Ascii:]] >"
15     - ":: lower ()"
16     - "[[:Punctuation:][:Space:]]+ > ' '"
17     - ":: NFC ()"
18 variants:
19   - words:
20     - ~hal => hal
21     - ~hallen => hallen
22     - ~hallerne => hallerne
23     - ~fabrik => fabrik
24     - ~gasse => gasse
25     - ~graben => graben
26     - ~haus => haus
27     - ~höhle => höhle
28     - ~hütte => hütte
29     - ~kapelle => kapelle
30     - ~kogel => kogel
31     - ~spitze => spitze
32     - ~stiege => stiege
33     - ~teich => teich
34     - ~universität => universität
35     - ~wald => wald
36     - ~weg => weg
37     - ~wiese => wiese
38     - ~veg => veg
39     - ~vegen => vegen
40     - ~asema => asema
41     - ~väylä => väylä
42     - acceso -> acces
43     - access -> accs
44     - acequia -> aceq
45     - air force base -> afb
46     - air national guard base -> angb
47     - alameda -> alam
48     - ale -> al
49     - alea -> al
50     - aleea -> al
51     - aleja -> al
52     - alejach -> al
53     - aleje -> al
54     - aleji -> al
55     - all -> al
56     - allee -> al
57     - alley -> al
58     - alleyway -> alwy
59     - ally -> al
60     - alqueria -> alque
61     - ~alue -> al
62     - aly -> al
63     - am -> a
64     - amble -> ambl
65     - an der -> a d
66     - andador -> andad
67     - angosta -> angta
68     - apartamentos -> aptos
69     - apartments -> apts
70     - apch -> app
71     - apeadero -> apdro
72     - approach -> app
73     - arboleda -> arb
74     - arcade -> arc
75     - arrabal -> arral
76     - arroyo -> arry
77     - arterial -> artl
78     - artery -> arty
79     - auf der -> a d
80     - ~aukio -> auk
81     - autopista -> auto
82     - autovia -> autov
83     - avd -> av
84     - avda -> av
85     - ave -> av
86     - avenida -> av
87     - avenue -> av
88     - avinguda -> av
89     - b dul -> bd
90     - back -> bk
91     - bad -> b
92     - bahnhof -> bf
93     - bajada -> bjada
94     - balneario -> balnr
95     - banan -> ba
96     - banda -> b
97     - barranco -> branc
98     - barranquil -> bqllo
99     - barriada -> barda
100     - barrio -> bo
101     - barro -> bo
102     - basin -> basn
103     - bda -> b
104     - bdge -> bri
105     - bdul -> bd
106     - bdwy -> bway
107     - beach -> bch
108     - ~berg -> bg
109     - bgm -> bgm
110     - bhf -> bf
111     - bldngs -> bldgs
112     - block -> blk
113     - blok -> bl
114     - bloque -> blque
115     - blv -> bd
116     - blvd -> bd
117     - boardwalk -> bwlk
118     - boulevard -> bd
119     - boundary -> bdy
120     - brace -> br
121     - brazal -> brzal
122     - brdg -> bri
123     - break -> brk
124     - bridge -> bri
125     - broadway -> bway
126     - broeder -> br
127     - ~brücke -> br
128     - buildings -> bldgs
129     - bul -> bd
130     - bulev -> bd
131     - bulevar -> bd
132     - bulevard -> bd
133     - bulevardu -> bd
134     - bulevardul -> bd
135     - bulievard -> bd
136     - bulvar -> bl
137     - bulvari -> bl
138     - burg -> bg
139     - burgemeester -> bg
140     - burgermeister -> bgm
141     - business -> bus
142     - buu dien -> bd
143     - bvd -> bd
144     - bypa -> byp
145     - bypass -> byp
146     - byway -> bywy
147     - c le -> c
148     - cadde -> cd
149     - caddesi -> cd
150     - calle -> c
151     - callej -> cjon
152     - calleja -> cllja
153     - callejon -> cjon
154     - callejuela -> cjla
155     - callizo -> cllzo
156     - calzada -> czada
157     - camino -> cno
158     - camino hondo -> c h
159     - camino nuevo -> c n
160     - camino viejo -> c v
161     - camping -> campg
162     - campo -> c po
163     - can cu khong quan -> cckq
164     - cantera -> cantr
165     - cantina -> canti
166     - canton -> cant
167     - cao dang -> cd
168     - caravan -> cvn
169     - carrer -> c
170     - carrera -> cra
171     - carrero -> cro
172     - carretera -> ctra
173     - carreterin -> ctrin
174     - carretil -> crtil
175     - carril -> crril
176     - caserio -> csrio
177     - cau ldhc bo -> clb
178     - caus -> cway
179     - causeway -> cway
180     - ce -> cv
181     - cen -> ctr
182     - center -> ctr
183     - centre -> ctr
184     - centreway -> cnwy
185     - cesta -> c
186     - chalet -> chlet
187     - chase -> ch
188     - che -> ch
189     - chemin -> ch
190     - cinturon -> cint
191     - circle -> cir
192     - circuit -> cct
193     - circunvalacion -> ccvcn
194     - circus -> crcs
195     - city -> cty
196     - cl -> c
197     - cllon -> cjon
198     - close -> c
199     - cmno -> cno
200     - cobertizo -> cbtiz
201     - colonia -> col
202     - commandant -> cmdt
203     - common -> comm
204     - community -> comm
205     - complejo -> compj
206     - concourse -> con
207     - cong truong -> ct
208     - cong ty -> cty
209     - cong ty co phyn -> ctcp
210     - cong vien -> cv
211     - cong vien van hoa -> cvvh
212     - conjunto -> cjto
213     - convento -> cnvto
214     - cooperativa -> coop
215     - copse -> cps
216     - corner -> cnr
217     - corral -> crral
218     - corralillo -> crrlo
219     - corredor -> crrdo
220     - corso -> c so
221     - corte -> c te
222     - cortijo -> crtjo
223     - costanilla -> cstan
224     - costera -> coste
225     - cottages -> cotts
226     - county -> co
227     - county route -> cr
228     - cours -> crs
229     - court -> ct
230     - courtyard -> ctyd
231     - cove -> cv
232     - creek -> cr
233     - cres -> cr
234     - crescent -> cr
235     - crest -> crst
236     - crk -> cr
237     - croft -> cft
238     - cross -> crss
239     - crossing -> xing
240     - crossroad -> crd
241     - crossway -> cowy
242     - crsg -> xing
243     - crt -> ct
244     - csac -> cds
245     - cswy -> cway
246     - cty cp -> ctcp
247     - cuadra -> cuadr
248     - cuesta -> custa
249     - cul de sac -> cds
250     - cutting -> cutt
251     - ddhi hoc -> dh
252     - ddhi lo -> dl
253     - dehesa -> dhsa
254     - demarcacion -> demar
255     - deviation -> devn
256     - diagonal -> diag
257     - diseminado -> disem
258     - distributor -> dstr
259     - doctor -> dr
260     - dokter -> dr
261     - doktor -> d r
262     - dolna -> dln
263     - dolne -> dln
264     - dolny -> dln
265     - dominee -> ds
266     - dorf -> df
267     - dotsient -> dots
268     - drive -> dr
269     - driveway -> dvwy
270     - druga -> 2
271     - drugi -> 2
272     - drugie -> 2
273     - drv -> dr
274     - drwy -> dvwy
275     - duong -> d
276     - duong sat -> ds
277     - duza -> dz
278     - duze -> dz
279     - duzy -> dz
280     - east -> e
281     - edificio -> edifc
282     - elbow -> elb
283     - empresa -> empr
284     - entrada -> entd
285     - entrance -> ent
286     - errepidea -> err
287     - escalera -> esca
288     - escalinata -> escal
289     - espalda -> eslda
290     - esplanade -> esp
291     - estacion -> estcn
292     - estate -> est
293     - estrada -> estda
294     - etorbidea -> etorb
295     - explanada -> expla
296     - expressway -> exp
297     - expy -> exp
298     - extension -> ex
299     - extramuros -> extrm
300     - extrarradio -> extrr
301     - fabrica -> fca
302     - fairway -> fawy
303     - faubourg -> fg
304     - fbrca -> fca
305     - ferry -> fy
306     - fire track -> ftrk
307     - firetrail -> fit
308     - follow -> folw
309     - fondamenta -> f ta
310     - footway -> ftwy
311     - foreshore -> fshr
312     - formation -> form
313     - fort -> ft
314     - freeway -> fwy
315     - front -> frnt
316     - frontage -> frtg
317     - frwy -> fwy
318     - fundacul -> fdc
319     - fundatura -> fnd
320     - ga -> g
321     - galeria -> gale
322     - gamla -> gla
323     - garden -> gdn
324     - gardens -> gdn
325     - ~gata -> g
326     - ~gatan -> g
327     - ~gate -> g
328     - ~gaten -> g
329     - gdns -> gdn
330     - gebroeders -> gebr
331     - generaal -> gen
332     - gienieral -> ghien
333     - glade -> gl
334     - gld -> gl
335     - glde -> gl
336     - glorieta -> gta
337     - gorna -> gn
338     - gorne -> gn
339     - gorny -> gn
340     - ~gracht -> gr
341     - grad -> ghr
342     - gran via -> g v
343     - ~gränd -> gr
344     - ~gränden -> gr
345     - grange -> gra
346     - granja -> granj
347     - green -> gn
348     - grn -> gn
349     - gro -> gr
350     - grosse -> gr
351     - grosser -> gr
352     - grosses -> gr
353     - ground -> grnd
354     - grove -> gr
355     - gt -> g
356     - gte -> g
357     - gully -> gly
358     - hauptbahnhof -> hbf
359     - heights -> hts
360     - heiligen -> hl
361     - hgts -> hts
362     - high school -> hs
363     - highroad -> hrd
364     - highway -> hwy
365     - hipodromo -> hipod
366     - hird -> hrd
367     - hospital -> hosp
368     - house -> ho
369     - hse -> ho
370     - i -> 1
371     - ii -> 2
372     - iii -> 3
373     - im -> i
374     - impasse -> imp
375     - in -> i
376     - in der -> i d
377     - industrial -> ind
378     - ingenieur -> ir
379     - interchange -> intg
380     - international -> intl
381     - intr -> int
382     - intrarea -> int
383     - island -> is
384     - jardin -> jdin
385     - jonkheer -> jhr
386     - junction -> jnc
387     - k s -> ks
388     - ~kaari -> kri
389     - kalea -> k
390     - kanunnik -> kan
391     - kapitan -> kap
392     - kardinaal -> kard
393     - ~katu -> k
394     - khach sdhn -> ks
395     - khu cong nghiep -> kcn
396     - khu du lich -> kdl
397     - khu nghi mat -> knm
398     - kleine -> kl
399     - kleiner -> kl
400     - kleines -> kl
401     - kolo -> k
402     - kolonel -> kol
403     - kolonia -> kol
404     - koning -> kon
405     - koningin -> kon
406     - kort e -> k
407     - kri -> kri
408     - kte -> k
409     - ~kuja -> kj
410     - kvartal -> kv
411     - ~kylä -> kl
412     - ~laan -> ln
413     - ladera -> ldera
414     - landing -> ldg
415     - lane -> ln
416     - laneway -> lnwy
417     - lange -> l
418     - largo -> l go
419     - lille -> ll
420     - line -> ln
421     - link -> lk
422     - lit -> lt
423     - little -> lt
424     - llanura -> llnra
425     - lookout -> lkt
426     - loop -> lp
427     - low -> lr
428     - lower -> lr
429     - luitenant -> luit
430     - lwr -> lr
431     - m te -> mt
432     - m tele -> mt
433     - maantee -> mt
434     - mala -> ml
435     - male -> ml
436     - malecon -> malec
437     - maly -> ml
438     - manor -> mnr
439     - mansions -> mans
440     - market -> mkt
441     - ~markt -> mkt
442     - mazowiecka -> maz
443     - mazowiecki -> maz
444     - mazowieckie -> maz
445     - meadows -> mdws
446     - meander -> mr
447     - medical -> med
448     - meester -> mr
449     - mercado -> merc
450     - mevrouw -> mevr
451     - mews -> m
452     - miasto -> m
453     - middle -> mid
454     - middle school -> ms
455     - mile -> mi
456     - military -> mil
457     - mirador -> mrdor
458     - mitropolit -> mit
459     - mkt -> mkt
460     - mndr -> mr
461     - mnt -> mt
462     - monasterio -> mtrio
463     - monseigneur -> mgr
464     - mont -> mt
465     - motorway -> mwy
466     - mount -> mt
467     - mountain -> mtn
468     - mtwy -> mwy
469     - muelle -> muell
470     - municipal -> mun
471     - muntele -> mt
472     - museum -> mus
473     - mw -> m
474     - na -> n
475     - namesti -> nam
476     - namestie -> nam
477     - national park -> np
478     - national recreation area -> nra
479     - national wildlife refuge area -> nwra
480     - nha hat -> nh
481     - nha thi dzu -> ntd
482     - nha tho -> nt
483     - nordre -> ndr
484     - norra -> n
485     - north -> n
486     - north east -> ne
487     - north west -> n
488     - northeast -> ne
489     - northwest -> n
490     - nowa -> n
491     - nowe -> n
492     - nowy -> n
493     - nucleo -> ncleo
494     - nw -> n
495     - oa -> o
496     - ob -> o
497     - obere -> o
498     - oberer -> o
499     - oberes -> o
500     - olv -> olv
501     - onze lieve vrouw e -> olv
502     - osiedle -> os
503     - osiedlu -> os
504     - ostra -> o
505     - outlook -> otlk
506     - p k -> pk
507     - p ta -> pta
508     - p zza -> p za
509     - palacio -> palac
510     - pantano -> pant
511     - parade -> pde
512     - paraje -> praje
513     - park -> pk
514     - parklands -> pkld
515     - parkway -> pwy
516     - parque -> pque
517     - particular -> parti
518     - partida -> ptda
519     - pas -> ps
520     - pasadizo -> pzo
521     - pasaje -> psaje
522     - paseo -> po
523     - paseo maritimo -> psmar
524     - pasillo -> psllo
525     - pass -> ps
526     - passage -> ps
527     - passatge -> ptge
528     - passeig -> pg
529     - pastoor -> past
530     - pathway -> pway
531     - ~penger -> pgr
532     - ~pfad -> p
533     - pgr -> pgr
534     - ph -> p
535     - phi truong -> pt
536     - phuong -> p
537     - phwy -> pway
538     - piata -> pta
539     - piaz -> p za
540     - piazza -> p za
541     - piazzale -> p le
542     - piazzetta -> pta
543     - pierwsza -> 1
544     - pierwsze -> 1
545     - pierwszy -> 1
546     - pike -> pk
547     - pko -> pko
548     - pkwy -> pwy
549     - pky -> pwy
550     - plac -> pl
551     - placa -> pl
552     - place -> pl
553     - placem -> pl
554     - placu -> pl
555     - ~plass -> pl
556     - ~plassen -> pl
557     - plateau -> plat
558     - ~plats -> pl
559     - ~platsen -> pl
560     - ~platz -> pl
561     - plaza -> pl
562     - plazoleta -> pzta
563     - plazuela -> plzla
564     - ~plein -> pln
565     - pln -> pln
566     - ploshchad -> pl
567     - plz -> pl
568     - plza -> pl
569     - pnt -> pt
570     - poblado -> pbdo
571     - pocket -> pkt
572     - point -> pt
573     - poligono -> polig
574     - poligono industrial -> pgind
575     - ~polku -> p
576     - ponte -> p te
577     - porta -> pta
578     - portal -> prtal
579     - portico -> prtco
580     - portillo -> ptilo
581     - prazuela -> przla
582     - precinct -> pct
583     - pres -> pres
584     - president -> pres
585     - prins -> pr
586     - prinses -> pr
587     - professor -> prof
588     - profiesor -> prof
589     - prolongacion -> prol
590     - promenade -> prom
591     - psge -> ps
592     - pueblo -> pblo
593     - puente -> pnte
594     - puerta -> pta
595     - puerto -> pto
596     - ~puistikko -> pko
597     - ~puisto -> ps
598     - punto kilometrico -> pk
599     - pza -> pl
600     - quadrangle -> qdgl
601     - quadrant -> qdrt
602     - quai -> qu
603     - quan -> q
604     - quay -> qy
605     - quays -> qys
606     - qucyng truong -> qt
607     - ~quelle -> qu
608     - quoc lo -> ql
609     - ~raitti -> r
610     - rambla -> rbla
611     - ramble -> rmbl
612     - rampla -> rampa
613     - range -> rnge
614     - ~ranta -> rt
615     - rdhp hat -> rh
616     - reach -> rch
617     - reservation -> res
618     - reserve -> res
619     - reservoir -> res
620     - residencial -> resid
621     - retreat -> rtt
622     - rhein -> rh
623     - ribera -> rbra
624     - ridge -> rdge
625     - ridgeway -> rgwy
626     - right of way -> rowy
627     - rincon -> rcon
628     - rinconada -> rcda
629     - ~rinne -> rn
630     - rise -> ri
631     - riv -> r
632     - river -> r
633     - riverway -> rvwy
634     - riviera -> rvra
635     - road -> rd
636     - roads -> rds
637     - roadside -> rdsd
638     - roadway -> rdwy
639     - ronde -> rnde
640     - rosebowl -> rsbl
641     - rotary -> rty
642     - rotonda -> rtda
643     - round -> rnd
644     - route -> rt
645     - rte -> rt
646     - rue -> r
647     - rvr -> r
648     - sa -> s
649     - saint -> st
650     - sainte -> ste
651     - salizada -> s da
652     - san -> s
653     - san bay -> sb
654     - san bay quoc te -> sbqt
655     - san van dong -> svd
656     - sanatorio -> sanat
657     - sankt -> st
658     - santa -> sta
659     - santuario -> santu
660     - sector -> sect
661     - sendera -> sedra
662     - sendero -> send
663     - serviceway -> swy
664     - shunt -> shun
665     - shwy -> sh
666     - siding -> sdng
667     - sielo -> s
668     - sint -> st
669     - slope -> slpe
670     - sodra -> s
671     - sok -> sk
672     - sokagi -> sk
673     - sokak -> sk
674     - sondre -> sdr
675     - soseaua -> sos
676     - sound -> snd
677     - south -> s
678     - south east -> se
679     - south west -> sw
680     - south-east -> se
681     - south-west -> sw
682     - southeast -> se
683     - southwest -> sw
684     - spl -> sp
685     - splaiul -> sp
686     - spodnja -> sp
687     - spodnje -> sp
688     - spodnji -> sp
689     - square -> sq
690     - srednja -> sr
691     - srednje -> sr
692     - srednji -> sr
693     - stara -> st
694     - stare -> st
695     - stary -> st
696     - state highway -> sh
697     - state route -> sr
698     - station -> stn
699     - stazione -> staz
700     - ste -> ste
701     - steenweg -> stwg
702     - sth -> s
703     - ~stig -> st
704     - ~stigen -> st
705     - store -> st
706     - str la -> sdla
707     - stra -> st
708     - ~straat -> st
709     - strada -> st
710     - strada comunale -> sc
711     - strada provinciale -> sp
712     - strada regionale -> sr
713     - strada statale -> ss
714     - stradela -> sdla
715     - strand -> st
716     - ~strasse -> str
717     - street -> st
718     - strip -> strp
719     - stwg -> stwg
720     - subida -> sbida
721     - subway -> sbwy
722     - sveta -> sv
723     - sveti -> sv
724     - svieti -> sv
725     - ~sving -> sv
726     - ~svingen -> sv
727     - svwy -> swy
728     - ~taival -> tvl
729     - tanav -> tn
730     - tce -> ter
731     - tcty -> tct
732     - terr -> ter
733     - terrace -> ter
734     - thanh pho -> tp
735     - thfr -> thor
736     - thi trzn -> tt
737     - thi xa -> tx
738     - thoroughfare -> thor
739     - ~tie -> t
740     - tieu hoc -> th
741     - tinh lo -> tl
742     - tollway -> tlwy
743     - tong cong ty -> tct
744     - ~tori -> tr
745     - torrente -> trrnt
746     - towers -> twrs
747     - township -> twp
748     - tpke -> tpk
749     - track -> trk
750     - trail -> trl
751     - trailer -> trlr
752     - transito -> trans
753     - transversal -> trval
754     - trasera -> tras
755     - travesia -> trva
756     - triangle -> tri
757     - trung hoc co so -> thcs
758     - trung hoc pho thong -> thpt
759     - trung tam -> tt
760     - trung tam thuong mdhi -> tttm
761     - trunkway -> tkwy
762     - trzeci -> 3
763     - trzecia -> 3
764     - trzecie -> 3
765     - tunnel -> tun
766     - turn -> tn
767     - turnpike -> tpk
768     - tvl -> tvl
769     - ulica -> ul
770     - ulice -> ul
771     - ulicy -> ul
772     - ulitsa -> ul
773     - underpass -> upas
774     - university -> univ
775     - untere -> u
776     - unterer -> u
777     - unteres -> u
778     - upper -> up
779     - upr -> up
780     - urbanizacion -> urb
781     - utca -> u
782     - v d -> vd
783     - va -> v
784     - ~väg -> v
785     - ~vägen -> v
786     - vale -> v
787     - van -> v
788     - van de -> vd
789     - varf -> vf
790     - varful -> vf
791     - vastra -> v
792     - vayla -> vla
793     - vdct -> via
794     - vecindario -> vecin
795     - ~vei -> v
796     - ~veien -> v
797     - velika -> v
798     - velike -> v
799     - veliki -> v
800     - veliko -> v
801     - vereda -> vreda
802     - via -> v
803     - viad -> via
804     - viaduct -> via
805     - viaducto -> vcto
806     - viale -> v le
807     - vicolo -> v lo
808     - vien bcyo tang -> vbt
809     - view -> vw
810     - villas -> vlls
811     - virf -> vf
812     - virful -> vf
813     - vista -> vsta
814     - viviendas -> vvdas
815     - vkhod -> vkh
816     - vla -> vla
817     - ~vliet -> vlt
818     - vlt -> vlt
819     - vn -> v
820     - vuon quoc gia -> vqg
821     - walk -> wlk
822     - walkway -> wkwy
823     - way -> wy
824     - west -> w
825     - wharf -> whrf
826     - wielka -> wlk
827     - wielki -> wlk
828     - wielkie -> wlk
829     - wielkopolska -> wlkp
830     - wielkopolski -> wlkp
831     - wielkopolskie -> wlkp
832     - wojewodztwie -> woj
833     - wojewodztwo -> woj
834     - yard -> yd
835     - zgornja -> zg
836     - zgornje -> zg
837     - zgornji -> zg
838     - zhilishchien komplieks -> zh k
839     - zum -> z