Initial addition of the Russian language

src/rules/disallowed_words/russian.txt

@@ -0,0 +1,258 @@
+хуй
+хуина
+хуйло
+опизденевшие
+пизда
+др
+доп
+ул
+им
+ст
+св
+чел
+шт
+пр
+см
+мн
+пл
+мл
+уд
+ср
+др
+рус
+ед
+чл
+корр
+еп
+пп
+оз
+кг
+гв
+рр
+тд
+км
+кн
+мм
+юр
+ур
+дв
+ев
+яп
+шп
+яз
+цз
+тт
+сб
+пн
+вт
+ср
+чт
+пт
+вск
+эп
+зп
+сц
+уу
+ув
+оо
+би
+мя
+ал
+сс
+уг
+ол
+сл
+узб
+эк
+кр
+хр
+кс
+рч
+вн
+ов
+аг
+уч
+хх
+дд
+тп
+мч
+вр
+ьо
+ин
+оф
+ус
+тж
+жд
+дл
+мд
+фр
+эм
+ит
+оп
+лл
+ак
+эл
+рп
+вм
+3-бет
+аббр
+аббрев
+абл
+абс
+абх
+авар
+Авв
+авг
+Авд
+австр
+австрал
+авт
+Агг
+агр
+адж
+адм
+адыг
+азерб
+азиат
+акад
+академ
+акк
+акц
+алб
+алг
+алгебр
+алж
+алт
+алф
+альм
+альп
+ам
+Ам
+амер
+анат
+англ
+ангол
+аннот
+антич
+ао
+ап
+Апок
+апп
+апр
+ар
+араб
+арам
+аргент
+арифм
+арм
+арт
+артез
+арх
+археол
+архиеп
+архим
+архип
+архит
+ас
+асб
+асс
+ассир
+ассист
+астр
+астрон
+ат
+ата
+ати
+атм
+афг
+афр
+ацет
+б-ка
+б-н
+б-ца
+б-чка
+бат-н
+башк
+бел
+белорус
+бзн
+библ
+биогр
+биол
+бирм
+Бл
+блгв
+блгвв
+блж
+блр
+больн
+бр
+браз
+брет
+брит
+бц
+быв
+Быт
+бюдж
+бюлл
+вл
+Вл
+вс
+вт
+вып
+г-жа
+г-н
+Гбайт
+ГВт
+гг
+Гкал
+гл
+глаг
+гм
+гос
+гр
+грн
+дал
+дБ
+деепр
+дееприч
+Дж
+диак
+долл
+дптр
+др
+зак
+зам
+Зв
+изд-во
+кал
+кат
+кв
+кВА
+кВт
+кВтч
+ккал
+корп
+корр
+Мб
+Мбит
+МВт
+мг
+МГц
+межд
+междунар
+мес
+мест
+нареч
+Бк
+Вт
+га
+гг
+Гг
+Ггц
+кг
+км
+кт
+мкс
+мм
+сек

src/rules/russian.toml

@@ -0,0 +1,78 @@
+min_trimmed_length = 3
+
+# For count = 2 we have sentences like: "Это он", "Будет беда"
+# and a lot of trash abbreviations like "до н.", "и доп."
+min_word_count = 3
+
+max_word_count = 14
+
+# In Russian, words can consist of one letter, so no restrictions
+min_characters = 0
+
+may_end_with_colon = false
+quote_start_with_letter = true
+needs_punctuation_end = false
+needs_letter_start = true
+
+# Apparently, in some places the sentences are cut incorrectly,
+# which is why we get some part of the sentence, and not its entirety.
+# This is required to fix sentences like:
+# с Иваном Галамяном.
+needs_uppercase_start = true
+
+allowed_symbols_regex = "[А-Яа-яёЁ\\s:,.\\-‑?;!—­‐–'·=’―−”‘]"
+
+disallowed_symbols = [
+  # Here invisible chars: use vim to work with them
+  '­', '​', '', '་'
+]
+
+broken_whitespace = ["  ", " ,", " .", " ?", " !", " ;", " \""]
+
+abbreviation_patterns = [
+  # Abbreviations:
+
+  # 1. М.Н.С.
+  "[А-Я]+\\.*[А-Я]",
+
+  # 2. А. Пушкин
+  "[А-Я]\\.",
+
+  # 3. Дж.
+  "[А-Я][а-я]\\.",
+
+  # 4. СССР
+  "[А-Я]{2,}",
+
+  # 5. г. Пушкина.
+  "\\s[а-я]\\.",
+
+  # 6. — —
+  "— —",
+
+  # 7. сайка фито— и зоопланктоном
+  "[а-я]—\\s[а-я]",
+
+  # 8. Повод —первое упоминание
+  "[а-я]\\s—[а-я]",
+
+  # 9. с разрывом связей С—С и образованием
+  "[А-Я]—[А-Я]",
+
+  # 10. Words that are similar to ordinary, but cannot be at the end of a sentence,
+  #     which means they are abbreviations
+  "\\s(ор|ок|ом|ум|те|ил)\\.",
+
+  # 11. по учению св.отцов
+  "[а-я]\\.[а-я]",
+
+  # 12. др.-евр. чл.-корр.
+  "[а-я]{1,3}\\.-[а-я]{1,4}\\.",
+
+  # 13. ул.Тюменская
+  "[А-Яа-я]\\.[А-Яа-я]",
+
+  # 14. Ставропольский кр.,
+  "\\.,"
+]
+