Python 如何使用nltk去除ptb解析树中的-NONE-和*T*-i？

我处理penn tree bank v2树，经常遇到“服务”子树，如这些（以及其他几种类型）

我可以手动添加许多规则来进一步细化我实际使用的节点（使用标记和令牌进行解析，而不使用“哦，看那里”链接或“这里一定有一个节点”——就像斯坦福解析器返回的那些规则一样），但我通常会留下一些服务节点或巨大的间隙和“裁剪的分支”（比如，如果删除上面的

-NONE-

节点，那么

SBAR将完全没有子节点，这很奇怪）

我想知道是否可以从nltk.corpus import ptb；ptb.parsed_sents（）的
输出中删除除实际解析（单词、标记、标点符号）之外的所有内容
one and for all？
删除任何只支配跟踪的子树。在下面，我迭代了子树，但实际检查了它们的子树；这使得通过修改包含空子树的节点来删除空子树变得很容易

for sub in some_tree.subtrees():
    for n, child in enumerate(sub):
        if isinstance(child, str):
            continue
        if all(leaf.startswith("*") for leaf in child.leaves()):
            del sub[n]  # Delete this child

我使用了
leaf.startswith（“*”）
作为检测跟踪的简单标准。必要时用您自己的替换它

编辑：由于要删除所有仅包含标记为
-NONE-
的子树的节点，并且每个子树只控制一个叶，请使用以下测试：

    if len(list(child.subtrees(filter=lambda x:x.label()=='-NONE-')))==len(child.leaves()):
        del sub[n]

多亏了下面的
@alexsis
答案，现在我知道这些东西叫做traces和co-indexes

在包中。

关于

-NONE-

的事情呢？问题是，我不知道这些服务节点的所有种类；我只给出了一个具体的例子，如果您的删除标准是删除每个

-NONE-

节点以及因此变为空的每个更高的节点，那么您应该修改标准a相应地，如果这个标记总是出现在高度为1的情况下，那就很容易了：删除所有支配

-NONE-

节点的子树，就像它的叶子一样多。非常感谢你提供了一个具体的答案，@alexis！这非常有用，不过，我提到的问题没有什么不同；我想知道除了解析它之外，我是否可以去掉所有的东西如果，事先不知道“其他一切”是什么：）因为事实证明有一堆这样的跟踪和联合索引，如果你删除了一些，其他的会保留下来。不过，这是一个非常有用的开头片段！我不确定你的反对意见是什么：从

树库

语料库中可以看出，所有跟踪都由

-NONE-

节点控制，因此新标准应该删除所有只包含跟踪的子树。无论如何，如果您发现的函数符合您的要求，请务必使用它。不过，它所做的与简单地删除只跟踪的子树完全不同。事实上，您的答案本身就包含了值得注意的伟大技巧：查看所有子树的叶子。