Better note detection

[wvengen]

Detection of ingredient notes could be improved (especially with the loose parser, I'd think). There are often-occuring ingredient notes that can be recognized, maybe even before parsing (as pre-processing).

A list of Dutch ingredient notes: ingredient_notes.xlsx

[wvengen]

A start.

rule note_template
  'Vrij van'i !char /
  ( 'E' / '"E"' ) ws* '-' ws* 'nummers zijn'i !char /
  'E' ws* '=' ws* 'door'i ws+ ( 'de'i ws+ )? ( 'EU' / 'E.U' '.'? / 'E.G' '.'? ) !char /
  'HOOFDLETTERS staan'i !char /
  'Deze verpakking kan'i !char /
  'Kan sporen van'i !char /
  'Kan sporen bevatten'i !char /
  'Bevat een bron'i !char /
  'Dit product is'i !char /
  'Zie www.'i /
  'Overmatig gebruik kan'i !char /
  'GGN'i ws* digit+ /
  char* 'chocolade:'i ws* 'ten minste'i !char /
  'Producten uit'i !char /
  'Kan'i ( ws+ word ','? )+  ws+ 'bevatten'i !char /
  'Voor allergenen:'i /
  'Deze verpakking kan'i !char /
  'Bevat mogelijk'i !char /
  'cacao'i ( 'bestanddelen'i )? ( ':'i )? ws* 'ten minste'i !char /
  'Allergenen staan' !char /
  'bereid met'i !char /
  'Verpakt onder beschermende atmosfeer'i !char /
  'Geproduceerd in'i !char /
  'Wordt gemaakt in'i !char /
  'Bereid in een bedrijf'i !char /
  'Allergie-informatie staat'i !char /
  'In een fabriek geproduceerd'i !char /
  'Op natuurlijke wijze'i !char /
  'Voor allergenen'i !char /
  'Van nature lactosevrij'i !char /
  'Ondanks onze kwaliteitszorg'i !char /
  'Kijk voor meer informatie'i !char
end

[wvengen]

This could alternatively be implemented as a pre- or post-processor.