python - 将垂直树的树库转换为s表达式

我有一组解析树，它们以这种ascii表示形式，其中缩进确定了结构（并且右括号是隐式的）。我需要将它们转换为s表达式，以便括号确定结构。它有点像python的显着空白与括号。输入格式是树的垂直表示，如下所示：

STA:fcl
=S:np
==DN:pron-dem("tia" <*> <Dem> <Du> <dem> DET P NOM)     Tiaj
==H:n("akuzo" <act> <sd> P NOM) akuzoj
=fA:adv("certe")        certe
=P:v-fin("dauxri" <va+TEMP> <mv> FUT VFIN)      dauxros
.

应该变成：

(STA:fcl (S:np (DN:pron-dem Tiaj) (H:n akuzoj)) (fA:adv certe) (P:v-fin dauxros) .)

我有几乎可以做到的代码，但还不完全是。某个地方总是缺少父母。它变得非常令人沮丧。我应该使用适当的解析器，也许是CFG吗？当前（混乱）代码位于http://github.com/andreasvc/eodop/blob/master/arbobanko.py

最佳答案

仅关注您在此Q中给出的示例，以及有关将垂直树转换为S表达式的Q标题，例如...：

import re
import sys

samp='''S
=NP
==(DT +def) the
== (N +ani) man
=VP
==V walks'''.splitlines()

relinelev = re.compile(r'(=*)(.*)')
reclean = re.compile(r'\s*\((\S+)[^)]*\)')

def clean(line):
  return reclean.sub(r'\1', line)

def reparse(tree=samp):
  stack = [-1]
  for line in tree:
    equals, rest = relinelev.match(line).groups()
    linelev = len(equals)
    while linelev < stack[-1]:
      sys.stdout.softspace = False
      print ')',
      curlev = stack.pop()
    if linelev == stack[-1]:
      sys.stdout.softspace = False
      print ')',
    else:
      stack.append(linelev)
    print '(%s' % clean(rest),
  while stack[-1] >= 0:
    sys.stdout.softspace = False
    print ')',
    stack.pop()
  print

reparse()

似乎有效，并且输出

(S (NP (DT the) (N man)) (VP (V walks)))

我知道您要比在这里做更多的“清理”工作，但这可以集中在clean函数中，而让reparse处理Q的标题。如果您不想随便打印，而是将结果作为字符串返回，则更改当然是很小的：

def reparse(tree=samp):
  stack = [-1]
  result = []
  for line in tree:
    equals, rest = relinelev.match(line).groups()
    linelev = len(equals)
    while linelev < stack[-1]:
      result[-1] += ')'
      curlev = stack.pop()
    if linelev == stack[-1]:
      result[-1] += ')'
    else:
      stack.append(linelev)
    result.append('(%s' % clean(rest))
  while stack[-1] >= 0:
    result[-1] += ')'
    stack.pop()
  return ' '.join(result)