Python 将nltk树转换为JSON表示

我想将以下nltk树表示转换为JSON格式：

期望输出：

{
    "scores": {
        "filler": [
            [
                "scores"
            ],
            [
                "for"
            ]
        ],
        "extent": [
            "highest"
        ],
        "team": [
            "India"
        ]
    }
}

---

将树转换为dict，然后转换为JSON

def tree_to_dict(tree):
    tdict = {}
    for t in tree:
        if isinstance(t, nltk.Tree) and isinstance(t[0], nltk.Tree):
            tdict[t.node] = tree_to_dict(t)
        elif isinstance(t, nltk.Tree):
            tdict[t.node] = t[0]
    return tdict

def dict_to_json(dict):
    return json.dumps(dict)

output_json = dict_to_json({tree.node: tree_to_dict(tree)})

---

看起来输入树可能包含同名的子项。为了支持一般情况，您可以将每个

树

转换为一个字典，将其名称映射到其子列表：

from nltk import Tree # $ pip install nltk

def tree2dict(tree):
    return {tree.node: [tree2dict(t)  if isinstance(t, Tree) else t
                        for t in tree]}

例如：

import json
import sys

tree = Tree('scores',
            [Tree('extent', ['highest']),
             Tree('filler',
                  [Tree('filler', ['scores']),
                   Tree('filler', ['for'])]),
             Tree('team', ['India'])])
d = tree2dict(tree)
json.dump(d, sys.stdout, indent=2)

输出：

{
  "scores": [
    {
      "extent": [
        "highest"
      ]
    }, 
    {
      "filler": [
        {
          "filler": [
            "scores"
          ]
        }, 
        {
          "filler": [
            "for"
          ]
        }
      ]
    }, 
    {
      "team": [
        "India"
      ]
    }
  ]
}

---

将树转换为以树标签为键的字典，然后您可以使用JSON转储轻松地将其转换为JSON

    import nltk.tree.Tree

    def tree_to_dict(tree):
        tree_dict = dict()
        leaves = []
        for subtree in tree:
            if type(subtree) == nltk.tree.Tree:
                tree_dict.update(tree_to_dict(subtree))
            else:
                (expression,tag) = subtree
                leaves.append(expression)
        tree_dict[tree.label()] = " ".join(leaves)

        return tree_dict

---

相关的替代方案。出于我的目的，我不需要保留精确的树，而是希望将实体提取为键，将标记提取为值列表。对于“汤姆和拉里为爱国者队比赛”这句话，我想要以下内容：

{
  "PERSON": [
    "Tom",
    "Larry"
  ],
  "ORGANIZATION": [
    "Patriots"
  ]
}

这将保留标记的顺序（每个实体类型），同时也不会“跺脚”为实体键设置的值。您可以在其他答案中重复使用相同的

json.dump

代码，以将此dict返回到json

from nltk import tag,chunk,tokenize

def prep(sentence):
    return chunk.ne_chunk(tag.pos_tag(tokenize.word_tokenize(sentence)))

t = prep("Tom and Larry play for the Patriots.")

def tree_to_dict(tree):
    tree_dict = dict()
    for st in tree:
        # not everything gets a NE tag,
        # so we can ignore untagged tokens
        # which are stored in tuples
        if isinstance(st, nltk.Tree):
            if st.label() in tree_dict:
                tree_dict[st.label()] = tree_dict[st.label()] + [st[0][0]]
            else:
                tree_dict[st.label()] = [st[0][0]]
    return tree_dict

print(tree_to_dict(t))
# {'PERSON': ['Tom', 'Larry'], 'ORGANIZATION': ['Patriots']}

---

它不是有效的JSON：同一个对象中有两个“团队”名称。JSON对象是一组无序的名称/值对。不同的json解析器可能会产生不同的结果：解析器可能只保留第一个“团队”或最后一个“团队”对，或者（不太可能）另请参见：“当对象中的名称不唯一时，接收此类对象的软件的行为是不可预测的。许多实现只报告姓氏/值对。其他实现报告错误或无法解析对象，一些实现报告所有的名称/值对，包括重复的。“同样，源树包含重复的名称

（'filler'，'filler'））

为什么要从输出中删除它们？它在生成dict时被自动删除。删除它们是可以的，因为输出中不需要填充信息。您如何知道输出中不需要填充信息？将

树

转换为

dict

并使用

json.dump（result\u dict，sys.stdout，indent=2）

而不是手工生成json文本。谢谢。我将再次研究。@J.F.Sebastian如何将树转换为dict？我应该使用哪种方法？

t.node

现在必须切换到

t.label（）

。对于“汤姆·布雷迪为爱国者演奏”这句话，输出是：

{'ORGANIZATION'：（'Patriots'，NNP'），'PERSON'：（'Brady'，'NNP'）}

作为比较，这输出了

{'ORGANIZATION'：'Patriots'，'PERSON'：'Brady'，'S'：'为爱国者演奏。}

为“Tom Brady为爱国者演奏”这句话