除了工具...

您可能从理论上还记得有定义相同语言的无穷语法。有一些标准可以对语法进行分类，并确定哪种语言是给定语言的“规范”或“最小”语法，但是最后，“最佳”语法是一种对手头的任务和工具更方便的语法（请记住将CFG转换为LL和LR语法？）。

然后，您可能不需要庞大的词典来解析英语句子。关于一个单词，用德语或拉丁语（甚至西班牙语）这样的语言有很多了解，但在很多情况下却不是任意的和含糊的英语。您应该能够摆脱小型词典，该词典仅包含到达句子结构所必需的关键词。无论如何，选择的语法无论大小如何，都可以通过工具可以直接使用它的方式进行缓存（即，可以跳过语法分析）。

鉴于此，最好看一下其他人已经在使用的更简单的解析器。文献中一定有成千上万个。研究不同的方法可以让您评估自己的方法，并可能导致您采用别人的方法。

最后，正如我已经提到的，解释自然语言更多是关于人工智能而不是解析。因为结构决定含义，而意义决定结构，所以您必须同时使用两者。自80年代以来，我在文献中曾看到过一种方法，就是让不同的专业人士在“ 黑板 ”上解决问题。通过这种方法，语法分析和语义分析同时进行。

一定要看看Pyparsing 。这是我遇到的最Python化的解析实现，从纯粹的学术角度来看，这是一个很棒的设计。

我同时使用ANTLR和JavaCC在本地大学教授翻译和编译器理论。它们既好又成熟，但是我不会在Python项目中使用它们。

就是说，与编程语言不同，自然语言更多地是关于语义而不是语法，因此跳过自定义语法（自顶向下，回溯，无限制）的现有解析工具的学习曲线可能会更好。前瞻性）词法分析器和解析器，并花费大量时间来编写代码，以弄清已解析但模棱两可的自然语言语句的含义。

我建议使用bitpar，这是一种用C ++编写的非常高效的PCFG解析器。我已经为此编写了基于外壳的Python包装器，请参见https://github.com/andreasvc/eodop/blob/master/bitpar.py