Python NLTK和Stanford依赖项解析器-如何获取单词位置？

当通过NLTK使用斯坦福大学的依赖项解析器时，我是否可以获得单词的位置，如中所示

这是供参考的最新版本

~~~

示例：

当我通过NLTK使用Stanford的依赖项解析器时，使用上面提到的SO post中的示例，我得到一个元组列表，如下所示：

[((u'shot', u'VBD'), u'nsubj', (u'I', u'PRP')),
((u'shot', u'VBD'), u'dobj', (u'elephant', u'NN')),
((u'elephant', u'NN'), u'det', (u'an', u'DT')),
((u'shot', u'VBD'), u'prep', (u'in', u'IN')),
((u'in', u'IN'), u'pobj', (u'sleep', u'NN')),
((u'sleep', u'NN'), u'poss', (u'my', u'PRP$'))]

然而，当我使用在线工具时，我也会得到一个指向单词位置的指针，请参见以下文本中的数字：

nsubj(shot-2, I-1)
det(elephant-4, an-3)
dobj(shot-2, elephant-4)
prep(shot-2, in-5)
poss(sleep-7, my-6)
pobj(in-5, sleep-7)

在某些特定情况下，关于单词位置的信息是非常重要的*，因此仍然可以通过NLTK获得它吗

---

（*）对于特定情况：考虑技术文本，其中术语首字母缩略词被替换为简单的英语关键字，以简化解析器的工作

不确定是否有办法直接从三元组中获取。但是，如果我没记错的话，您可以调用依赖项上的

deps.triples（）

，以获得这种三元组格式的依赖项。在该dependencies对象（上面的deps）上，您还可以调用

deps.get\u by\u address（i）

，以获取指定索引处的单词。如果这些是连接的，您可以尝试（即从.get_by_address（position）和deps.triples（）中的每个项中获取的任何对象）。如果是这样，您可以在从dep triple到位置之前制作一本字典。 And.get_by_address（）是基于1的（不是基于0的），因为0始终是根节点

编辑：刚刚发现.triples（）似乎只是返回一个元组列表，看起来不像是任何可以从中检索ex.position信息的奇特的东西。以下内容可能会对您有所帮助（很抱歉，德国的例子）：

然后遍历如下所示：

def traverse(deps, addr):

dep = deps.get_by_address(addr)
print(dep)
for d in dep['deps']:
    for addr2 in dep['deps'][d]:
        traverse(deps, addr2)

它应该递归地遍历图中的所有依赖项，并给出以下输出：

{'word': None, 'head': None, 'address': 0, 'lemma': None, 'feats': None, 'ctag': 'TOP', 'deps': defaultdict(<class 'list'>, {'root': [3]}), 'tag': 'TOP', 'rel': None}
{'word': 'nach', 'head': 0, 'address': 3, 'lemma': '_', 'rel': 'root', 'ctag': 'VBP', 'feats': '_', 'deps': defaultdict(<class 'list'>, {'dobj': [5], 'nsubj': [2]}), 'tag': 'VBP'}
{'word': 'gehen', 'head': 3, 'address': 5, 'lemma': '_', 'rel': 'dobj', 'ctag': 'NN', 'feats': '_', 'deps': defaultdict(<class 'list'>, {'amod': [4]}), 'tag': 'NN'}
{'word': 'Hause', 'head': 5, 'address': 4, 'lemma': '_', 'rel': 'amod', 'ctag': 'JJ', 'feats': '_', 'deps': defaultdict(<class 'list'>, {}), 'tag': 'JJ'}
{'word': 'werde', 'head': 3, 'address': 2, 'lemma': '_', 'rel': 'nsubj', 'ctag': 'NNP', 'feats': '_', 'deps': defaultdict(<class 'list'>, {'compound': [1]}), 'tag': 'NNP'}
{'word': 'Ich', 'head': 2, 'address': 1, 'lemma': '_', 'rel': 'compound', 'ctag': 'NNP', 'feats': '_', 'deps': defaultdict(<class 'list'>, {}), 'tag': 'NNP'}

{'word'：None，'head'：None，'address'：0，'lemma'：None，'feats'：None，'ctag'：'TOP'，'deps'：defaultdict（，{'root'：[3]}），'tag'：'TOP'，'rel'：None}
{'word'：'nach'，'head'：0，'address'：3，'引理'：'u'，'rel'：'root'，'ctag'：'VBP'，'feats'：'u'，'deps'：defaultdict（，{'dobj'：[5]，'nsubj'：[2]}），'tag:'VBP}
{'word'：'gehen'，'head'：3，'address'：5，'引理'：'u'，'rel'：'dobj'，'ctag'：'NN'，'feats'：'u'，'deps'：defaultdict（，{'amod'：[4]}），'tag'：'NN}
{'word'：'Hause'，'head'：5，'address'：4，'lemma'：'u'，'rel'：'amod'，'ctag'：'JJ'，'feats'：'u'，'deps'：defaultdict（，{}），'tag'：'JJ}
{'word'：'werde'，'head'：3，'address'：2，'引理'：'u'，'rel'：'nsubj'，'ctag'：'NNP'，'feats'：'u'，'deps'：defaultdict（，{'component'：[1]}），'tag'：'NNP}
{'word'：'Ich'，'head'：2，'address'：1，'lemma'：'uu'，'rel'：'component'，'ctag'：'NNP'，'feats'：'uu'，'deps'：defaultdict（，{}），'tag'：'NNP}

与您正在使用的.triples（）格式略有不同，但希望这能有所帮助

{'word': None, 'head': None, 'address': 0, 'lemma': None, 'feats': None, 'ctag': 'TOP', 'deps': defaultdict(<class 'list'>, {'root': [3]}), 'tag': 'TOP', 'rel': None}
{'word': 'nach', 'head': 0, 'address': 3, 'lemma': '_', 'rel': 'root', 'ctag': 'VBP', 'feats': '_', 'deps': defaultdict(<class 'list'>, {'dobj': [5], 'nsubj': [2]}), 'tag': 'VBP'}
{'word': 'gehen', 'head': 3, 'address': 5, 'lemma': '_', 'rel': 'dobj', 'ctag': 'NN', 'feats': '_', 'deps': defaultdict(<class 'list'>, {'amod': [4]}), 'tag': 'NN'}
{'word': 'Hause', 'head': 5, 'address': 4, 'lemma': '_', 'rel': 'amod', 'ctag': 'JJ', 'feats': '_', 'deps': defaultdict(<class 'list'>, {}), 'tag': 'JJ'}
{'word': 'werde', 'head': 3, 'address': 2, 'lemma': '_', 'rel': 'nsubj', 'ctag': 'NNP', 'feats': '_', 'deps': defaultdict(<class 'list'>, {'compound': [1]}), 'tag': 'NNP'}
{'word': 'Ich', 'head': 2, 'address': 1, 'lemma': '_', 'rel': 'compound', 'ctag': 'NNP', 'feats': '_', 'deps': defaultdict(<class 'list'>, {}), 'tag': 'NNP'}