Паттерн я понимаю так: N - X, где X > sys.maxsize

print sys.maxsize
9223372036854775807

Да, баг, спасибо) В третьем питоне всё ок, кстати:

Python 2.7.12+ (default, Sep 17 2016, 12:08:02) 
>>> xrange(int('1433'), int('40817810505751201174'))
OverflowError: Python int too large to convert to C long

Python 3.5.2+ (default, Sep 22 2016, 12:18:14) 
>>> range(int('1433'), int('40817810505751201174'))
range(1433, 40817810505751201174)

а там maxsize такой же?

ага

Дима, а какая предположительно временная сложность у yargy extract()?

не очень понимаю в кишках, но ведь это и есть реализация glr парсера, так ведь?

в худшем случае О(n^3)

Спасибо

Привет, ребята. Есть такой вопрос: что вы хотели бы увидеть в официальном туторе natasha?
Например, как проводить нормализацию, или ещё там что-нибудь.

Привет. Да, было бы неплохо сделать несколько примеров с увеличением, а затем на них пояснить процесс обработки текста. В примерах можно добавить информацию о том, как можно расширить грамматику.

*С увеличением сложности

Можно сделать по аналогии с какой-нибудь хорошей документацией. Например, http://pymorphy2.readthedocs.io/en/latest/user/guide.html . Там хорошо, что  рассматриваются конкретные примеры , например, morph.parse('стали') и вывод библиотеки.

Мне было бы интересно увидеть пояснения, может быть, не самых базовых вещей:
1. Что означает gnc_match(0, solve_disambiguation=True). Отдельно что значит gnc_match(0) — согласование слова с самим собой? И отдельно что такое solve_disambiguation
2.  Зачем в 'labels': [
 gram('ADJF'),
 dictionary(FEDERAL_DISTRICT_DICTIONARY),
],
gram('ADJF')? В FEDERAL_DISTRICT_DICTIONARY всё равно только одни прилагательные.
3. Откуда берутся всякие gram(‘Geox’), gram('Abbr'), gram('Orgn')? Я так понимаю из pymorphy?
4. Подробнее про рекурсивные грамматики. Они существуют? Почему, например, разбор адресов сделан без них.
Вместо
AdjShortReversedWithHn = AdjShortReversed + OPTIONAL_COMMA_GRAMMAR + HOUSE_NUMBER_GRAMMAR
AdjNounFullWithHn = AdjNounFull + OPTIONAL_COMMA_GRAMMAR + HOUSE_NUMBER_GRAMMAR
AdjNounShortWithHn = AdjNounShort + OPTIONAL_COMMA_GRAMMAR + HOUSE_NUMBER_GRAMMAR

Могло бы быть что-то вроде

Address = …
AddressWithHn = Address + OPTIONAL_COMMA_GRAMMAR + HOUSE_NUMBER_GRAMMAR

Отличные вопросы (:
1. gnc_match(0) - проверяет согласование по роду, числу и падежу с словом, пойманным первым правилом грамматики (ну, нумерация же начинается с нуля), т.е. в лейбл передается стек грамматики (список токенов), который содержит уже найденные слова (и который потом возвращается в качестве результата разбора, если словосочетание пройдет все проверки), некоторые лейблы принимают аргумент solve_disambiguation - который снимает неоднозначность (неоднозначность  это, например, когда pymorphy возвращает несколько результатов разбора слова стали - сущ. и глагол, и это правильно), и для имен людей (скорее всего) будет найден верный вариант разбора (саше ивановой - существительные женского рода, сашу иванова - существительные мужского рода) - т.е. при solve_disambiguation=True уменьшается кол-во разборов отдельно взятых токенов в конечном результате (что очень помогает при нормализации, например)
2. Это, наверное, я как-то недоглядел - хороший повод сделать PR (;
3. Да, это специальные граммемы opencorpora - словаря, который использует pymorphy - http://opencorpora.org/dict.php?act=gram , за исключением, по моему, Abbr - pymorphy добавляет эту граммему для слов похожих на инициалы (одна буква в заглавном регистре, кроме мягкого знака и т.д.)
4. Буквально на днях я допилил рекурсивные грамматики (т.е. грамматики внутри грамматик), сейчас, например ,номера и литеры домов реализованы на них (https://github.com/bureaucratic-labs/natasha/blob/master/natasha/grammars/location/grammars.py#L522) т.е. мелкими шагами мы идем к тому варианту, что вы описали (:

Спасибо за вопросы, постараюсь прояснить эти моменты в документации.

Привет. Можете подсказать, из какой базы взять слова для составления собственной грамматики и как это сделать под Python?

Какие слова?

Допустим, Хочу вытаскивать местоположение. Где взять словарь?

Если не хватает встроенного, можно попробовать https://github.com/MenaraSolutions/geographer-ru (только зачем?)

Мне нужно для вкр.