使用正则表达式处理句法分析树

1， 正则表达式如何处理嵌套结构

a.       .net处理嵌套结构的方法

举例说明：

问题描述：从before (nope (yes (here) okay) after中匹配得到最大的被”()”包含的文本。即显示红色的部分。

答案：.net：\((?>[^()]+|\((?<DEPTH>)|\)(?<-DEPTH>))*(?(DEPTH)(?!))\)

        分析：

        (1)、\(匹配左括号；\)匹配右括号；[^()]+匹配非括号字符串

(2)、(?>….)固化分组，固化分组的作用在于：一旦括号内的子表达式匹配之后，匹配的内容就固定下来，在接下来的匹配过程中不会改变，除非整个固化分组的括号都被弃用，在外部回溯中重新应用。该处使用固化分组的作用在于提高匹配速度。

(3)、DEPTH的使用:DEPTH实际使用了命名捕获的<?>…>，它总是能够匹配成功。正则表达式引擎的回溯堆栈保存了当前匹配成功分组的相关信息，而(?<DEPTH>)跟在\(后，所以它的成功匹配便可以保存\(的个数。跟随在\)后的结构(?<-DEPTH>)是.NET独有的结构，它会在匹配\)成功之后去掉最近的”successful DEPTH”标记。如果不存在这样的”successful DEPTH”标记，就会报告失败，整个正则表达式匹配失败：1,每匹配一个\(会把正则表达式保存的当前括号嵌套深度值加1；2, 每匹配一个\)会把正则表达式保存的当前括号嵌套深度值减1；3, (?(DEPTH)(?!))确保匹配最后的\)时，深度为0。

2， 如何使用正则表达式处理句法分析树

如何使用正则表达式识别一棵类似如下表示的句法分析树？

(TOP (S (NPB (DT The) (NN question) ) (VP (VBZ remains) (SBAR-A (IN whether) (S-A (NPB (PRP they) ) (VP (MD will) (VP-A (VB be) (ADJP (JJ able) (SG (VP (TO to) (VP-A (VB help) (PUNC. us.) ) ) ) ) ) ) ) ) ) ) )

答案：\((?>[^()]+|\([^()\s]+\s(?<DEPTH>)|\)\s(?<-DEPTH>))*(?(DEPTH)(?!))\)

分析类似。

3， 使用正则表达式处理句法分析树实例

a.       使用正则表达式获取所有的叶结点:    \((?<POS>[^()]+)\s(?<Leaf>[^()]+)\)

b.      使用正则表达式获取所有的名词短语NP:

\(NP\s(?>[^()]+|\([^()\s]+\s(?<DEPTH>)|\)\s(?<-DEPTH>))*(?(DEPTH)(?!))\)

c.       使用正则表达式获取满足如下性质的子树

        i.   该子句的标记为SBAR[^()]*

                   ii.      该子句根节点的第一个儿子为一个词性为IN的词。

                  iii.      该子句的第二个儿子为一个子句：使用S[^()]*识别

                 iv.      该子句没有其他的儿子