Как преобразовать дерево nltk (Stanford) в новый формат в python?

Question

У меня есть это дерево Стэнфорда, и я хочу преобразовать его в новый формат.

(ROOT 
    (S 
     (NP (DT A) (NN friend)) 
     (VP 
     (VBZ comes) 
     (NP 
      (NP (JJ early)) 
      (, ,) 
      (NP 
      (NP (NNS others)) 
      (SBAR 
       (WHADVP (WRB when)) 
       (S (NP (PRP they)) (VP (VBP have) (NP (NN time)))))))))) 

Answer 1

Могут быть способы сделать это только с использованием строковой обработки, но я бы проанализировал их и напечатал их в формате newick рекурсивно. Несколько минимальная реализация:

import re 

class Tree(object): 
    def __init__(self, label): 
     self.label = label 
     self.children = [] 

    @staticmethod 
    def _tokenize(string): 
     return list(reversed(re.findall(r'\(|\)|[^ \n\t()]+', string))) 

    @classmethod 
    def from_string(cls, string): 
     tokens = cls._tokenize(string) 
     return cls._tree(tokens) 

    @classmethod 
    def _tree(cls, tokens): 
     t = tokens.pop() 
     if t == '(': 
      tree = cls(tokens.pop()) 
      for subtree in cls._trees(tokens): 
       tree.children.append(subtree) 
      return tree 
     else: 
      return cls(t) 

    @classmethod 
    def _trees(cls, tokens): 
     while True: 
      if not tokens: 
       raise StopIteration 
      if tokens[-1] == ')': 
       tokens.pop() 
       raise StopIteration 
      yield cls._tree(tokens) 

    def to_newick(self): 
     if self.children and len(self.children) == 1: 
      return ','.join(child.to_newick() for child in self.children) 
     elif self.chilren: 
      return '(' + ','.join(child.to_newick() for child in self.children) + ')' 
     else: 
      return self.label 

Обратите внимание, что, конечно, теряется информация в процессе преобразования, так как только терминальные узлы сохраняются. Использование:

>>> s = """(ROOT (...""" 
>>> Tree.from_string(s).to_newick() 
...