使用正则表达式（Python）删除树中的叶子

我有一个语法树，以“LISP风格”保存在一个文本文件中，带有显示关系的开括号和闭括号。我想删除所有的叶子。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一个更复杂的结构中处理这种行为，用嵌套的括号。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）：

我想要的是：

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

像这样的

re.sub("\((\w*) (\w*)\)", r"\1", t)

其中t是保存语法树的变量

有关unicode支持，请参见下面的注释。

类似的内容

re.sub("\((\w*) (\w*)\)", r"\1", t)

其中t是保存语法树的变量

有关unicode支持的信息，请参见下面的注释。

这应该可以做到：

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"\1", tree1)

print(tree2)

输出：

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

在regex中使用

\s*

可能比只使用

（空格）更好-它允许在表示叶子的子字符串中有零个或多个空格字符（空格、制表符和换行符）的序列

这应该可以做到：

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"\1", tree1)

print(tree2)

输出：

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

在regex中使用

\s*

可能比只使用

（空格）更好-它允许在表示叶子的子字符串中有零个或多个空格字符（空格、制表符和换行符）的序列

---

这正是我需要的！如果可能的话，我想请您提供更多帮助：我需要unicode字符的支持，我做了一个小测试，例如，“è”自然不会被\w检测到（这只是[a-z]）。我如何处理这个问题？@Andrearonagnoli:请参阅Python

re

文档。如果有人需要现成的UNICODE版本，这里有一个解决方案：tree=re.sub（r“（（\w*）（\w*））”，r“\1”，UNICODE（tree，'utf-8'），flags=re.UNICODE），这正是我需要的！如果可能的话，我想请您提供更多帮助：我需要unicode字符的支持，我做了一个小测试，例如，“è”自然不会被\w检测到（这只是[a-z]）。我如何处理这个问题？@Andrearonagnoli:请参阅Python

re

文档。如果有人需要现成的UNICODE版本，这里有一个解决方案：tree=re.sub（r“（（\w*）（\w*））”，r“\1”、UNICODE（tree，'utf-8'）、flags=re.UNICODE）以及允许换行，

\s*

允许字符串中任意空格字符（简单空格、制表符、换行符等）的倍数，这也可能很方便。：）有关详细信息，请参见Python

re

文档中的

\s

项。好的，现在解释了

\s

和

*

的含义。除了允许换行符外，

\s*

还允许字符串中任意空格字符（简单空格、制表符、换行符等）的倍数，这也很方便。：）有关详细信息，请参见Python

re

文档中的

\s

条目。好的，现在解释

\s

和

*

的含义。