NLTK如何将树形结构转换为数组？

Question

首先，我将树转换为列表： 您插入一个已经标记化的句子，它会返回一棵树。

def LanguageCreateTree(tokenizedSentence):
    cp = nltk.RegexpParser(GRAMMAR)
    result = cp.parse(tokenizedSentence)
    result = str(result)
    print(result)

>>> A red cat with a hat
(S A/DT (VP red/VBN (NP cat/NN)) with/IN a/DT hat/JJ)

我该如何基于这个字符串创建一个包含列表的列表？我需要它能够生成以下列表：

[['A','DT'], ['VP', ['red','VBN'], ['NP', ['cat','NN']]], ['with','IN'], ['a','DT'], ['hat','JJ']]]

- deepadmax

---

有没有可能直接从树开始，而不是先转成字符串再转回树形结构？ - KobeJohn

你解析的列表开头不是缺少了 'S' 标识符吗？ - KobeJohn

你所描述的输出仍然是一棵树；一个包含其他列表等递归的列表。 - tripleee

Answer 1

这比你想象的要容易得多 :-) NLTK的Tree类实际上是一个列表（更准确地说，它是从列表类派生出来的）。而且它恰好具有你需要的结构。只需在cp.parse()的结果上使用普通的列表方法即可。以下是一个近似的示例（为说明而实时构建树）：

>>> from nltk import Tree
>>> t = Tree.fromstring("(S A/DT (VP red/VBN (NP cat/NN)) with/IN a/DT hat/JJ)")

>>> print(t[1])
(VP red/VBN (NP cat/NN))
>>> print(t[1][0])   # Element 0 of the subtree at index 1
red/VBN

在这个例子中，我没有将单词与POS标签分开；因此您的树会看起来不同。同时请注意，Tree 有很好的打印方式，但是通过使用repr()可以看到真正的结构：

>>> print(repr(t[1]))
Tree('VP', ['red/VBN', Tree('NP', ['cat/NN'])])

- alexis

---

谢谢，这是一个好的解决方案。但是我该如何分离“A/DT”呢？以便它们也成为两个不同的列表项。 - deepadmax

在你自己的树中，不应该有任何分离的东西：单词和POS标签是分开的，这只是它们被打印出来的方式。如果无法使其工作，请尝试并提供一个简短但完整（可执行！）的示例。 - alexis

如果我只是跳过你告诉我的步骤，直接使用result[x]，它可以在"A/DT"中工作，并将其显示为列表，如下所示：('A'，'DT')。 - deepadmax

不，现在你正在做我告诉你要做的事情：“只需对cp.parse()的结果使用普通列表方法”。 你之前没有理解我的意思，我的示例仅用于说明，因为你的代码是不完整的。[在你提出问题的代码中，result是一个字符串，所以你说的是不可能的；但我相信你的真实代码是不同的）。 - alexis

没问题！但是不完整的问题很难回答，你可以看到。顺便说一句，欢迎来到stackoverflow :-) - alexis