如何将文本句子转换为CoNLL-U格式？

Question

我正在研究使用CoNLL-U格式的依赖项解析。我可以找到如何处理CoNLL-U解析器或tokenlist，但我无法找到如何将文本句子转换为CoNLL-U格式。

我试着从https://github.com/datquocnguyen/jPTDP转换代码

def conllConverter(path):
    writer = open(path) + ".conllu", "w", encoding = "utf-8")
    lines = open(path, "r", encoding = "utf-8").readlines()
    for line in lines:
        tok = line.strip().split()
        if not tok or line.strip() == "":
            writer.write("\n")
        else:
            count += 1
            writer.write(str(count) + "\t" + word + "\t" + "\t".join(['_'] * 8) + "\n")
        writer.write("\n")
    writer.close()

if __name__ == "__main__":
    conllCoverter("test")
    pass

"test“文件，这是conllCoverter(路径)函数的输入，是"_io Text10Wrapper”格式的文件，里面包含了我想要转换成CoNLL-U文件的文本句子，比如: 1.完全令人沮丧的经历。2.付了额外的钱买了可以连接的空调。

然而，在我尝试了上面定义的conllConverter(path)函数之后，输出只显示了10个原始列(看起来像是CoNLL-U格式)和原始文本，没有任何额外的信息。

总之，我想问一下如何将文本句子转换为CoNLL-U格式。

Answer 1

尝尝这个

import spacy
from spacy_conll import ConllFormatter

nlp = spacy.load('en_core_web_sm')
conllformatter = ConllFormatter(nlp, ext_names={'conll_pd': 'pandas'},
                                conversion_maps={'lemma': {'-PRON-': 'PRON'}})
nlp.add_pipe(conllformatter, after='parser')
doc = nlp('The quick brown fox jumps over the lazy dog.')
print(doc._.pandas)

这将为您提供以下输出

   id   form  lemma upostag xpostag           feats  head    deprel deps  misc
    1    The    the     DET      DT               _     5       det    _   _
    2  quick  quick     ADJ      JJ      Degree=pos     5      amod    _   _
    3  brown  brown     ADJ      JJ      Degree=pos     5      amod    _   _
    4    fox    fox    NOUN      NN     Number=sing     5  compound    _   _
    5  jumps   jump    NOUN     NNS     Number=plur     0      ROOT    _   _
    6   over   over     ADP      IN               _     5      prep    _   _
    7    the    the     DET      DT               _     9       det    _   _
    8   lazy   lazy     ADJ      JJ      Degree=pos     9      amod    _   _
    9    dog    dog    NOUN      NN     Number=sing     6      pobj    _   SpaceAfter=No
    10      .      .   PUNCT       .  PunctType=peri     5     punct   _   SpaceAfter=No