In [1]:

    

import os
import discoursegraphs as dg

MMAX_TESTFILE = os.path.expanduser('~/corpora/potsdam-commentary-corpus-2.0.0/coreference/maz-1423.mmax')
mdg = dg.read_mmax2(MMAX_TESTFILE)


    

In [2]:

    

import itertools
from collections import defaultdict
from discoursegraphs.readwrite.mmax2 import spanstring2tokens


    

In [3]:

    

def gen_bracket_mappings(docgraph):
    pointing_chains = dg.get_pointing_chains(docgraph, layer=None)
    markables = sorted(itertools.chain(*pointing_chains),
                       key=dg.util.natural_sort_key)

    markable2chain = {}
    for chain in pointing_chains:
        chain_id = chain[0] # first markable in a chain
        for markable in chain:
            markable2chain[markable] = chain_id

    token2markable = defaultdict(list)
    opening = defaultdict(list)
    closing = defaultdict(list)
    for markable in markables:
        span_tokens = spanstring2tokens(docgraph, docgraph.node[markable][docgraph.ns+':span'])
        opening[span_tokens[0]].append(markable)
        closing[span_tokens[-1]].append(markable)
        for tok_id in span_tokens:
            token2markable[tok_id].append(markable)
    return opening, closing, markable2chain, token2markable


    

In [10]:

    

def gen_closing_string(closing_dict, markable2chain, token_id, stack):
    num_of_closing_brackets = len(closing_dict[token_id])
    closing_markable_ids = [stack.pop() for i in range(num_of_closing_brackets)]
    return u''.join(u']_{}'.format(markable2chain[closing_id]) for closing_id in closing_markable_ids)

def gen_bracketed_output(docgraph):
    opening, closing, markable2chain, token2markable = gen_bracket_mappings(docgraph)
    
    ret_str = u''
    stack = []
    for token_id in docgraph.tokens:
        token_str = docgraph.get_token(token_id)
        if token_id in opening:
            num_of_opening_brackets = len(opening[token_id])
            stack.extend(opening[token_id])
            opening_str = u'[' * num_of_opening_brackets

            if token_id in closing:
                # token is both the first and last element of 1+ markables
                closing_str = gen_closing_string(closing, markable2chain, token_id, stack)
                ret_str += u'{0}{1}{2} '.format(opening_str, token_str, closing_str)
            else: # token is the first element of 1+ markables
                ret_str += u'{0}{1} '.format(opening_str, token_str)
        elif token_id in closing:
            closing_str = gen_closing_string(closing, markable2chain, token_id, stack)
            ret_str += u'{0}{1} '.format(token_str, closing_str)
        else:
            ret_str += u'{} '.format(token_str)
    return ret_str


    

In [11]:

    

print gen_bracketed_output(mdg)


    

    




Zum Angewöhnen Die Diskussion , wie teuer [die neue [Wittstocker]_markable_22 Stadthalle]_markable_21 für Vereine und Veranstalter wird , hat einige Zeit in Anspruch genommen . Bei der jüngsten Sitzung haben die Stadtverordneten entschieden . Vor allem kommerzielle Veranstalter werden ab 2002 gut zur Kasse gebeten . Die Einnahmen sind dennoch nur ein Tropfen auf den heißen Stein . Die Betriebskosten [für den schmucken Veranstaltungsort]_markable_21 sind hoch . Jetzt wird es darum gehen , [die Halle]_markable_21 so oft wie möglich zu füllen . Je mehr Veranstaltungen stattfinden , desto weniger wird der Stadthaushalt belastet . [Die Halle]_markable_21 muss ausgelastet sein . Und [in der Region]_markable_22 gibt es Konkurrenz . Auch die Nachbarstädte bieten Veranstaltern genügend Platz . [Wittstock]_markable_22 dagegen muss sich erst einen Namen machen . Das Oktoberfest hat gezeigt , dass es eine Anlaufzeit braucht . Die Gäste aus nah und fern müssen sich erst daran gewöhnen , nach [Wittstock]_markable_22 und Richtung Gymnasium zu pilgern . Fest steht , dass [die Dosse-Stadt]_markable_22 als Mittelzentrum ohne einen ansehnlichen Veranstaltungsort mit ausreichend Platz fürs Publikum nicht auskommt . Ohne [die Halle]_markable_21 würde [Wittstock]_markable_22 bald ins Hintertreffen geraten . 

In [8]:

    

opening, closing, markable2chain, token2markable = gen_bracket_mappings(mdg)


    

In [9]:

    

markable2chain


    

    
Out[9]:





{'markable_10': 'markable_21',
 'markable_11': 'markable_22',
 'markable_12': 'markable_22',
 'markable_14': 'markable_22',
 'markable_17': 'markable_22',
 'markable_19': 'markable_22',
 'markable_2': 'markable_21',
 'markable_21': 'markable_21',
 'markable_22': 'markable_22',
 'markable_7': 'markable_21',
 'markable_8': 'markable_21'}

In [ ]: