如何通过nltk在Python中从Tree类型转换为String类型？

Question

for subtree3 in tree.subtrees():
  if subtree3.label() == 'CLAUSE':
    print(subtree3)
    print subtree3.leaves()

使用此代码，我能够提取树的叶子。 对于某个例子[('talking', 'VBG'), ('constantly', 'RB')]它们是： [('talking', 'VBG'), ('constantly', 'RB')] 。 这是完全正确的。 现在我想要将这些Tree元素转换为字符串或列表以进行进一步处理。 我怎样才能做到这一点？

我尝试了什么

for subtree3 in tree.subtrees():
  if subtree3.label() == 'CLAUSE':
    print(subtree3)
    print subtree3.leaves()
    fo.write(subtree3.leaves())
fo.close()

但它抛出一个错误：

Traceback (most recent call last):
  File "C:\Python27\Association_verb_adverb.py", line 35, in <module>
    fo.write(subtree3.leaves())
TypeError: expected a character buffer object

我只想将叶子存储在文本文件中。

Answer 1

这取决于您的NLTK和Python版本。 我认为你在nltk.tree模块中引用了Tree类。 如果是这样，请继续阅读。

在您的代码中，确实如此：

1. subtree3.leaves()返回“元组列表”对象，
2. fo是一个Python File IO对象 ， fo.write只接收一个str类型作为参数

你可以用fo.write(str(subtree3.leaves()))打印树叶，因此：

for subtree3 in tree.subtrees():
    if subtree3.label() == 'CLAUSE':
        print(subtree3)
        print subtree3.leaves()
        fo.write(str(subtree3.leaves()))
fo.flush()
fo.close()

并且不要忘记flush()缓冲区。

Answer 2

可能问题更多的是尝试将元组列表写入文件而不是遍历NLTK Tree对象。 请参阅NLTK：如何遍历名词短语以返回字符串列表？ 并将列表/元组解包为两个列表/元组

要输出2个字符串的元组列表，我发现使用这个成语很有用：

fout = open('outputfile', 'w')

listoftuples = [('talking', 'VBG'), ('constantly', 'RB')]
words, tags = zip(*listoftuples)

fout.write(' '.join(words) + '\t' + ' '.join(tags) + '\n')

但是如果子树中有多个级别，则zip(*list)代码可能不起作用。