使用正则表达式删除树中的叶子 (Python)

Question

我有一个语法树，保存在 "LISP-style" 中的文本文件中，用开括号和闭括号表示关系。我想删除所有叶子。例如，我有“（Det the）”，我想成为“Det”。我不是正则表达式专家，所以我想知道如何在更复杂的结构中使用嵌套括号来处理这种行为。树的示例（在我的文件中是一行，缩进只是为了更简单的可视化）：

(S
  (NP I)
  (VP
    (VP (V shot) (NP (Det an) (N elephant)))
    (PP (P in) (NP (Det my) (N pajamas)))))

我想要这样的东西：

(S NP
  (VP
    (VP V (NP Det N))
    (PP P (NP Det N))))

Answer 1

是这样的吗？

re.sub("\((\w*) (\w*)\)", r"", t)

其中 t 是保存语法树的变量。

对于 unicode 支持，请参阅下面的评论。

Answer 2

应该这样做：

import re

tree1 = """(S
  (NP I)
  (VP
    (VP (V shot) (NP (Det an) (N elephant)))
    (PP (P in) (NP (Det my) (N pajamas)))))"""

tree2 = re.sub("\(\s*(\w+)\s*(\w+)\s*\)", r"", tree1)

print(tree2)

输出：

(S
  NP
  (VP
    (VP V (NP Det N))
    (PP P (NP Det N))))

在正则表达式中使用 \s* 而不是仅使用 (space) 可能会更好 - 它允许您拥有零或表示叶子的子字符串中有更多白色space 个字符（space、制表符和换行符）。

link to online Python repl

link to regex101.com

使用正则表达式删除树中的叶子 (Python)

Delete leaves in a tree with regex (Python)

python

regex

tree

nlp