Update README with more usage examples, removed rule to correct ൻറ

README.md

@@ -35,9 +35,9 @@ Output: Normalized unicode text
 
 >>> from libindic.normalizer import Normalizer
 >>> normalizer = Normalizer("ml")
->>> result = normalizer.normalize('ദു:ഖത്തിന്റെ')
+>>> result = normalizer.normalize('ഇ–മെയിൽ ദു:ഖത്തിന്റെ  ൊന്നിലോ പാൻറ് 2011 സര്വകലാശാല അവള്‍ അവില്‍പാെതി ഹാർഡ്‌വെയർ‌ അവര്ക്ക് കാറ്ഡ് നമ്പറുള്പ്പെടെ പൌരൻ കൺ്മഷി “ഭാൎയ്യ”')
 >>> print(result)
->> ദുഃഖത്തിന്റെ
+>> ഇമെയിൽ ദുഃഖത്തിന്റെ  ഒന്നിലോ പാന്റ് 2011 സർവകലാശാല അവൾ അവിൽപൊതി ഹാർഡ്‌വെയർ അവർക്ക് കാർഡ് നമ്പറുൾപ്പെടെ പൗരൻ കൺമഷി ഭാര്യ
 >>> result = normalizer.normalize('പൌരൻ!!', remove_punctuations=False)
 >>> print(result)
 >>> പൗരൻ!!
@@ -66,10 +66,6 @@ Sample output:
 coverage run --source=libindic -m unittest discover -s libindic
 .
 ----------------------------------------------------------------------
-Ran 1 test in 0.001s
-
-OK
-flake8 --max-complexity 10 libindic
-
+Ran 2 test in 0.014s
 ```
 

libindic/normalizer/core.py

@@ -43,7 +43,6 @@ def load_rules(self):
                 # Replace {PUNCTUATION} placeholder with actual punctuation characters
                 pattern = pattern.replace('{PUNCTUATION}', re.escape(string.punctuation))
                 rules['compiled_regex'][re.compile(pattern, re.UNICODE)] = replacement
-
         return rules
 
     def apply_regex_patterns(self, text):

libindic/normalizer/rules/normalizer.ml.yaml

@@ -66,7 +66,6 @@ common_mistakes: # Regex patterns for common mistakes in Malayalam raw corpus, A
   'പക്ഷെ': 'പക്ഷേ' 
   'ൻറും' : 'ന്റും'
   'ൻറ്': 'ന്റ്'
-  'ൻറി' : 'ന്റി'
   'ുൻപോൾ' : 'ുമ്പോൾ'
 
 

libindic/normalizer/tests/test_normalizer.py

@@ -67,8 +67,7 @@ def test_normalize(self):
         self.assertEqual(normalize('ൌന്നത്യം'), 'ഔന്നത്യം')
         self.assertEqual(normalize('പാൻറ്'), 'പാന്റ്')
         self.assertEqual(normalize('കൺ്മഷി'), 'കൺമഷി')
-        self.assertEqual(normalize('“ആൻറി”', remove_punctuations=False), '"ആന്റി"')
-        self.assertEqual(normalize('“ആൻറി', remove_punctuations=True), 'ആന്റി') # This happens by dafault
+        self.assertEqual(normalize('“ആൻസി”', remove_punctuations=False), '"ആൻസി"')
         self.assertEqual(normalize('അമ്മ’'), 'അമ്മ')
         self.assertEqual(normalize('അമ്മ’', remove_punctuations=False), "അമ്മ'")
         self.assertEqual(normalize('ഇ–മെയിൽ', remove_punctuations=False), "ഇ-മെയിൽ")