Correct Spanish examples

explosion · May 11, 2022 · 7acfad1 · 7acfad1
1 parent 6357b1c
commit 7acfad1
Show file tree

Hide file tree

Showing 8 changed files with 19 additions and 19 deletions.
diff --git a/chapters/es/slides/chapter1_03_rule-based-matching.md b/chapters/es/slides/chapter1_03_rule-based-matching.md
@@ -190,12 +190,12 @@ pattern = [
 ```
 
 ```python
-doc = nlp("Camila prefería comer sushi. Pero ahora está comiendo pasta.")
+doc = nlp("Camila prefería comer sushi. Pero ahora está comiendo espaguetis.")
 ```
 
 ```out
-comer tacos
-comiendo pasta
+comer sushi
+comiendo espaguetis
 ```
 
 Notes: En este ejemplo estamos buscando dos tokens:

diff --git a/exercises/es/exc_01_07.py b/exercises/es/exc_01_07.py
@@ -4,8 +4,8 @@
 nlp = ____
 
 text = (
-    "De acuerdo con la revista Fortune, Apple fue la empresa "
-    "más admirada en el mundo entre 2008 y 2012."
+    "De acuerdo con la revista global de negocios Fortune, Apple fue "
+    "la empresa más admirada en el mundo entre 2008 y 2012."
 )
 
 # Procesa el texto

diff --git a/exercises/es/exc_01_08_01.py b/exercises/es/exc_01_08_01.py
@@ -3,8 +3,8 @@
 nlp = spacy.load("es_core_news_sm")
 
 text = (
-    "De acuerdo con la revista Fortune, Apple fue la empresa "
-    "más admirada en el mundo entre 2008 y 2012."
+    "De acuerdo con la revista global de negocios Fortune, Apple fue "
+    "la empresa más admirada en el mundo entre 2008 y 2012."
 )
 
 # Procesa el texto

diff --git a/exercises/es/exc_01_08_02.py b/exercises/es/exc_01_08_02.py
@@ -3,8 +3,8 @@
 nlp = spacy.load("es_core_news_sm")
 
 text = (
-    "De acuerdo con la revista Fortune, Apple fue la empresa "
-    "más admirada en el mundo entre 2008 y 2012."
+    "De acuerdo con la revista global de negocios Fortune, Apple fue "
+    "la empresa más admirada en el mundo entre 2008 y 2012."
 )
 
 # Procesa el texto

diff --git a/exercises/es/solution_01_07.py b/exercises/es/solution_01_07.py
@@ -4,8 +4,8 @@
 nlp = spacy.load("es_core_news_sm")
 
 text = (
-    "De acuerdo con la revista Fortune, Apple fue la empresa "
-    "más admirada en el mundo entre 2008 y 2012."
+    "De acuerdo con la revista global de negocios Fortune, Apple fue "
+    "la empresa más admirada en el mundo entre 2008 y 2012."
 )
 
 # Procesa el texto

diff --git a/exercises/es/solution_01_08_01.py b/exercises/es/solution_01_08_01.py
@@ -3,8 +3,8 @@
 nlp = spacy.load("es_core_news_sm")
 
 text = (
-    "De acuerdo con la revista Fortune, Apple fue la empresa "
-    "más admirada en el mundo entre 2008 y 2012."
+    "De acuerdo con la revista global de negocios Fortune, Apple fue "
+    "la empresa más admirada en el mundo entre 2008 y 2012."
 )
 
 # Procesa el texto

diff --git a/exercises/es/solution_01_08_02.py b/exercises/es/solution_01_08_02.py
@@ -3,8 +3,8 @@
 nlp = spacy.load("es_core_news_sm")
 
 text = (
-    "De acuerdo con la revista Fortune, Apple fue la empresa "
-    "más admirada en el mundo entre 2008 y 2012."
+    "De acuerdo con la revista global de negocios Fortune, Apple fue "
+    "la empresa más admirada en el mundo entre 2008 y 2012."
 )
 
 # Procesa el texto

diff --git a/exercises/es/test_general.py b/exercises/es/test_general.py
@@ -16,11 +16,11 @@ def nlp():
 
 
 def test_01_08_02_predictions(nlp):
-    text = "De acuerdo con la revista Fortune, Apple fue la empresa más admirada en el mundo entre 2008 y 2012."
+    text = "De acuerdo con la revista global de negocios Fortune, Apple fue la empresa más admirada en el mundo entre 2008 y 2012."
     doc = nlp(text)
     ents = [(ent.text, ent.label_) for ent in doc.ents]
     assert len(ents) == 2
-    assert ents[0] == ("revista Fortune", "ORG")
+    assert ents[0] == ("Fortune", "ORG")
     assert ents[1] == ("Apple", "ORG")
 
 
@@ -36,12 +36,12 @@ def test_01_09_predictions(nlp):
 
 
 def test_slides_01_03(nlp):
-    doc = nlp("Camila prefería comer sushi. Pero ahora está comiendo pasta.")
+    doc = nlp("Camila prefería comer sushi. Pero ahora está comiendo espaguetis.")
     pattern = [{"LEMMA": "comer", "POS": "VERB"}, {"POS": "NOUN"}]
     matcher = Matcher(nlp.vocab)
     matcher.add("TEST", [pattern])
     matches = [doc[start:end].text for _, start, end in matcher(doc)]
-    assert matches == ["comer sushi", "comiendo pasta"]
+    assert matches == ["comer sushi", "comiendo espaguetis"]
 
 
 def test_03_16_02_predictions(nlp):