Python 基于树结构的产生式规则，带re但不带nltk

我想从树结构中提取规则，而不使用自然语言工具包（NLTK）。
例如：；树形结构为：

( NP-TMP ( NNP December  )  ( CD 1998  )  )  \n

我想提取规则，以便：

NP-TMP -> NNP CD
NNP -> 'December'
CD -> '1998'

---

如何在Python中使用

re

库而不使用“nltk”？一个非常不优雅的解决方案是

import re

s_expr = "( NP-TMP ( NNP December  )  ( CD 1998  )  )"
regex = re.compile("([\\w-]+)")

matches = re.findall(regex, s_expr)
# assert the s-expressions are 5
assert (len(matches) == 5)
print matches[0], matches[1], matches[3]
print matches[1], matches[2]
print matches[3], matches[4]

---

这里我假设所有的s表达式或树都有两个后代，如果不是，这是行不通的，也许手工制作的解析器比正则表达式更好。

所有的树都是这样吗？您需要描述多个规则，以便更清楚地了解您是从固定模式进行简单提取还是解析s表达式。正则表达式是正则的，因为它是递归语法的子集。也就是说，它无法解析递归语法的产物，而这正是您试图做的。然而，如果出于某种原因您反对使用NLTK，您可以查看任何Lisp解析器（它们通常不是很复杂）来了解如何解析它。还有其他库可以帮助您构建特殊类型的解析器。我没有用过，但看起来还可以。我树结构中的每个节点都有2个或1个节点，当我想提取它的规则时，我不知道它的格式（因为它应该是自动提取的。根据您的解决方案，我不能自动提取。@serenei fgufyurzt您可以检查匹配的数字，在它们成对时断言，并循环它们，在我看来这很容易，只是它不是很优雅（一点也不优雅）。