Tree 按语句对CFG语法规则进行分组

为每个句子生成以下指定规则。我们必须为每个句子对它们进行分组。输入在文件中。输出也应该在文件中

sentenceid=2

NP--->N_NNP
NP--->N_NN_S_NU
NP--->N_NNP
NP--->N_NNP
NP--->N_NN_O_NU
VGF--->V_VM_VF

sentenceid=3

NP--->N_NN
VGNF--->V_VM_VNF
JJP--->JJ
NP--->N_NN_S_NU
NP--->N_NN
VGF--->V_VM_VF

sentenceid=4

NP--->N_NNP
NP--->N_NN_S_NU
NP--->N_NNP_O_M
VGF--->V_VM_VF

上面包含输入的部分，实际上是每个句子的语法。我想按句子对相邻规则进行分组。输出应如下所示

sentenceid=2

NP--->N_NNP N_NN_S_NU N_NNP N_NNP N_NN_O_NU
VGF--->V_VM_VF

sentenceid=3

NP--->N_NN
VGNF--->V_VM_VNF
JJP--->JJ
NP--->N_NN_S_NU N_NN
VGF--->V_VM_VF

senetnceid=4

NP--->N_NNP N_NN_S_NU N_NNP_O_M
VGF--->V_VM_VF

---

我如何实现这一点？我需要将近1000个句子的概率计算规则。这是每个句子的CFG语法，我想按句子对相邻规则进行分组。

这样如何：考虑到句子在不同的文件中

#!/usr/bin/python

import re
marker = '--->'

def parse_it(sen):
    total_dic = dict()
    marker_memory = ''
    with open(sen, 'r') as fh:
        mem = None
        lo = list()
        for line in fh.readlines():
            if line.strip():
                match = re.search('(sentenceid=\d+)', line)
                if match:
                    if mem and lo:
                        total_dic[marker_memory].append(lo)
                    marker_memory = match.group(0)
                    total_dic[marker_memory] = []
                else:
                    k,v = line.strip().split(marker)
                    k,v = [ x.strip() for x in [k,v]]
                    if not mem or mem == k:
                        lo.append((k,v))
                        mem = k
                    else:
                        total_dic[marker_memory].append(lo)
                        lo = [(k,v)]
                        mem = k
        #total_dic[marker_memory].append(lo)
    return total_dic

dic = parse_it('sentence')
for kin,lol in dic.iteritems():
    print
    print kin
    for i in lol:
        k,v = zip(*i)
        print '%s%s %s' % (k[0],marker,' '.join(v))

输出：

sentenceid=3
VGF---> V_VM_VF
NP---> N_NN
VGNF---> V_VM_VNF
JJP---> JJ
NP---> N_NN_S_NU N_NN
VGF---> V_VM_VF

sentenceid=2
NP---> N_NNP N_NN_S_NU N_NNP N_NNP N_NN_O_NU
VGF---> V_VM_VF

sentenceid=4
VGF---> V_VM_VF
NP---> N_NNP N_NN_S_NU N_NNP_O_M

---

sentenceid=3的输出不正确，我想你能检查一下它的正确性吗..只有相邻的NP应该分组..啊，当然，请给出下面的答案.你能确认一件事吗，所有这些句子都在一个文件中吗？@yopy…我这里只给出3个句子，我有近1000个句子，我要修改的..还有一件事，这里的输出是句子的3倍那么，我的问题是，所有这些句子都在同一个文件中吗？如果是的话，那么我将把代码片段改为工作。让我更改代码段，考虑到它有唯一的句子，请尝试现在，我将您所有的句子放在一个名为句子的文件中，然后运行该文件。那么您的意思是计算从一个文件到另一个文件的重复输入数？