feat: support "N个X" repeat digit pattern in Chinese ITN (#201)

In digit sequences (phone numbers, bank cards, etc.), expand spoken
repeat patterns like 四个八 => 8888. Requires at least one normal
digit before the repeat to avoid false positives (e.g. standalone
四个八 stays as 4个8).

Supported range: 三个X to 九个X (3-9 repetitions).

Examples:
  幺三八五七四九四个八 => 13857498888
  六二二五零八四个零幺二三四五六 => 6225080000123456

Author: pengzhendong

itn/chinese/data/number/repeat_digit.tsv

@@ -0,0 +1,322 @@
+七个一	1111111
+七个七	7777777
+七个三	3333333
+七个两	2222222
+七个九	9999999
+七个二	2222222
+七个五	5555555
+七个伍	5555555
+七个八	8888888
+七个六	6666666
+七个叁	3333333
+七个四	4444444
+七个壹	1111111
+七个幺	1111111
+七个拐	7777777
+七个捌	8888888
+七个柒	7777777
+七个洞	0000000
+七个玖	9999999
+七个肆	4444444
+七个贰	2222222
+七个陆	6666666
+七个零	0000000
+三个一	111
+三个七	777
+三个三	333
+三个两	222
+三个九	999
+三个二	222
+三个五	555
+三个伍	555
+三个八	888
+三个六	666
+三个叁	333
+三个四	444
+三个壹	111
+三个幺	111
+三个拐	777
+三个捌	888
+三个柒	777
+三个洞	000
+三个玖	999
+三个肆	444
+三个贰	222
+三个陆	666
+三个零	000
+九个一	111111111
+九个七	777777777
+九个三	333333333
+九个两	222222222
+九个九	999999999
+九个二	222222222
+九个五	555555555
+九个伍	555555555
+九个八	888888888
+九个六	666666666
+九个叁	333333333
+九个四	444444444
+九个壹	111111111
+九个幺	111111111
+九个拐	777777777
+九个捌	888888888
+九个柒	777777777
+九个洞	000000000
+九个玖	999999999
+九个肆	444444444
+九个贰	222222222
+九个陆	666666666
+九个零	000000000
+五个一	11111
+五个七	77777
+五个三	33333
+五个两	22222
+五个九	99999
+五个二	22222
+五个五	55555
+五个伍	55555
+五个八	88888
+五个六	66666
+五个叁	33333
+五个四	44444
+五个壹	11111
+五个幺	11111
+五个拐	77777
+五个捌	88888
+五个柒	77777
+五个洞	00000
+五个玖	99999
+五个肆	44444
+五个贰	22222
+五个陆	66666
+五个零	00000
+伍个一	11111
+伍个七	77777
+伍个三	33333
+伍个两	22222
+伍个九	99999
+伍个二	22222
+伍个五	55555
+伍个伍	55555
+伍个八	88888
+伍个六	66666
+伍个叁	33333
+伍个四	44444
+伍个壹	11111
+伍个幺	11111
+伍个拐	77777
+伍个捌	88888
+伍个柒	77777
+伍个洞	00000
+伍个玖	99999
+伍个肆	44444
+伍个贰	22222
+伍个陆	66666
+伍个零	00000
+八个一	11111111
+八个七	77777777
+八个三	33333333
+八个两	22222222
+八个九	99999999
+八个二	22222222
+八个五	55555555
+八个伍	55555555
+八个八	88888888
+八个六	66666666
+八个叁	33333333
+八个四	44444444
+八个壹	11111111
+八个幺	11111111
+八个拐	77777777
+八个捌	88888888
+八个柒	77777777
+八个洞	00000000
+八个玖	99999999
+八个肆	44444444
+八个贰	22222222
+八个陆	66666666
+八个零	00000000
+六个一	111111
+六个七	777777
+六个三	333333
+六个两	222222
+六个九	999999
+六个二	222222
+六个五	555555
+六个伍	555555
+六个八	888888
+六个六	666666
+六个叁	333333
+六个四	444444
+六个壹	111111
+六个幺	111111
+六个拐	777777
+六个捌	888888
+六个柒	777777
+六个洞	000000
+六个玖	999999
+六个肆	444444
+六个贰	222222
+六个陆	666666
+六个零	000000
+叁个一	111
+叁个七	777
+叁个三	333
+叁个两	222
+叁个九	999
+叁个二	222
+叁个五	555
+叁个伍	555
+叁个八	888
+叁个六	666
+叁个叁	333
+叁个四	444
+叁个壹	111
+叁个幺	111
+叁个拐	777
+叁个捌	888
+叁个柒	777
+叁个洞	000
+叁个玖	999
+叁个肆	444
+叁个贰	222
+叁个陆	666
+叁个零	000
+四个一	1111
+四个七	7777
+四个三	3333
+四个两	2222
+四个九	9999
+四个二	2222
+四个五	5555
+四个伍	5555
+四个八	8888
+四个六	6666
+四个叁	3333
+四个四	4444
+四个壹	1111
+四个幺	1111
+四个拐	7777
+四个捌	8888
+四个柒	7777
+四个洞	0000
+四个玖	9999
+四个肆	4444
+四个贰	2222
+四个陆	6666
+四个零	0000
+捌个一	11111111
+捌个七	77777777
+捌个三	33333333
+捌个两	22222222
+捌个九	99999999
+捌个二	22222222
+捌个五	55555555
+捌个伍	55555555
+捌个八	88888888
+捌个六	66666666
+捌个叁	33333333
+捌个四	44444444
+捌个壹	11111111
+捌个幺	11111111
+捌个拐	77777777
+捌个捌	88888888
+捌个柒	77777777
+捌个洞	00000000
+捌个玖	99999999
+捌个肆	44444444
+捌个贰	22222222
+捌个陆	66666666
+捌个零	00000000
+柒个一	1111111
+柒个七	7777777
+柒个三	3333333
+柒个两	2222222
+柒个九	9999999
+柒个二	2222222
+柒个五	5555555
+柒个伍	5555555
+柒个八	8888888
+柒个六	6666666
+柒个叁	3333333
+柒个四	4444444
+柒个壹	1111111
+柒个幺	1111111
+柒个拐	7777777
+柒个捌	8888888
+柒个柒	7777777
+柒个洞	0000000
+柒个玖	9999999
+柒个肆	4444444
+柒个贰	2222222
+柒个陆	6666666
+柒个零	0000000
+玖个一	111111111
+玖个七	777777777
+玖个三	333333333
+玖个两	222222222
+玖个九	999999999
+玖个二	222222222
+玖个五	555555555
+玖个伍	555555555
+玖个八	888888888
+玖个六	666666666
+玖个叁	333333333
+玖个四	444444444
+玖个壹	111111111
+玖个幺	111111111
+玖个拐	777777777
+玖个捌	888888888
+玖个柒	777777777
+玖个洞	000000000
+玖个玖	999999999
+玖个肆	444444444
+玖个贰	222222222
+玖个陆	666666666
+玖个零	000000000
+肆个一	1111
+肆个七	7777
+肆个三	3333
+肆个两	2222
+肆个九	9999
+肆个二	2222
+肆个五	5555
+肆个伍	5555
+肆个八	8888
+肆个六	6666
+肆个叁	3333
+肆个四	4444
+肆个壹	1111
+肆个幺	1111
+肆个拐	7777
+肆个捌	8888
+肆个柒	7777
+肆个洞	0000
+肆个玖	9999
+肆个肆	4444
+肆个贰	2222
+肆个陆	6666
+肆个零	0000
+陆个一	111111
+陆个七	777777
+陆个三	333333
+陆个两	222222
+陆个九	999999
+陆个二	222222
+陆个五	555555
+陆个伍	555555
+陆个八	888888
+陆个六	666666
+陆个叁	333333
+陆个四	444444
+陆个壹	111111
+陆个幺	111111
+陆个拐	777777
+陆个捌	888888
+陆个柒	777777
+陆个洞	000000
+陆个玖	999999
+陆个肆	444444
+陆个贰	222222
+陆个陆	666666
+陆个零	000000

itn/chinese/rules/cardinal.py

@@ -149,6 +149,10 @@ def build_tagger(self):
         self.number_exclude_0_to_9 = (sign.ques + number_exclude_0_to_9).optimize()
 
         # 3. 特殊格式的数字
+        # "N个X" repeat pattern for digit sequences, e.g. 四个八 => 8888
+        repeat_digit = string_file(get_abs_path("../itn/chinese/data/number/repeat_digit.tsv"))
+        digit_token = digits | repeat_digit
+
         # cardinal string like 127.0.0.1, used in ID, IP, etc.
         cardinal = digits.plus + (dot + digits.plus).plus
         # float number like 1.11
@@ -157,6 +161,9 @@ def build_tagger(self):
         #   340621199806051223, used in ID card
         idcard_last_char = digits | "X" | "x"
         cardinal |= digits**3 | digits**4 | digits**5 | digits**11 | (digits**17 + idcard_last_char) | digits**18
+        # digit sequences with "N个X" repeat, e.g. 幺三八四个八 => 1388888
+        # requires at least one normal digit before repeat_digit
+        cardinal |= digits.plus + repeat_digit + digits.star
 
         # 4. 特殊格式的数字 + 标准数字
         # cardinal string like 23