在自然语言处理中，处理句法结构树是比较常见的处理问题，如何对句法结构树进行遍历，以及如何抽取出其中的层次关系，是值得去深究的。
本文将从Stanfordcorenlp的句法结构树和nltk中的Tree的数据结构入手，进行对句法结构树的层次遍历，抽取出句子中所包含的句法的层次结构。
首先需要安装Stanfordcorenlp(请自行CSDN)，然后安装nltk(pip一下就可以用其中的Tree模块了)
例句：公安部治安局局长jzdsmt介绍,这次销毁的非法枪支来源于三个方面。
句法结构树可以通过nltk中draw()画出来如下图：
（字体有些变形）
通过递归来进行对句法结构的遍历，代码简洁，运行结果如下：
对照上面的结构树可见 “->”代表的是层次关系，“->”前是上一层的叶节点（这一层的根节点），‘->’后是这一层的叶节点，然后同层的叶节点以空格连接，从而反应出句法结构的层次关系。
代码如下：
from stanfordcorenlp import StanfordCoreNLPfrom nltk import Treecen = []def cenxun(tree): c = [] # 每一层结果的储存 if type(tree[0]) == str: # 如果遇到字符，即到达了叶子节点，便返回 return else: root = [] # 储存子树，即遍历下一层时，每个子树的开始都是作为根 r = tree.label() # 取出当前节点的句法英文标注 for i in range(len(tree)): # 遍历这棵树的子树,root中储存子树，c中保留每棵子树根节点的标注 root.append(tree[i]) # 即这棵树的叶节点的标注，作为一层的信息 c.append(tree[i].label()) c = " ".join(c) # 每层的叶子节点用空格连接 c = r + "->" + c # 根节点用->连接每层的叶节点 cen.append(c) # 将每次遍历的结果存cen中 for rt in root: # 遍历得到的子树，将每个子树作为新的一棵树进行遍历 cenxun(rt) # 递归调用就可以 returndef main(): lang = "zh" nlp = StanfordCoreNLP(r'E:stanford-corenlp-4.2.2', lang=lang) try: sentence = "公安部治安局局长jzdsmt介绍,这次销毁的非法枪支来源于三个方面。" parse = nlp.parse(sentence) t = Tree.fromstring(parse) cenxun(t[0]) t.draw() # 展示句法结构树 except: print("meet error") nlp.close() print("n".join(cen))if __name__ == '__main__': main()``