您可以让 SyntaxNet 以更易于解析的 conll 格式输出所有内容，而不是解析树。您的句子的 conll 格式如下所示：
1 Alice _ NOUN NNP _ 10 nsubj _ _
2 , _ . , _ 1 punct _ _
3 who _ PRON WP _ 6 nsubj _ _
4 had _ VERB VBD _ 6 aux _ _
5 been _ VERB VBN _ 6 aux _ _
6 reading _ VERB VBG _ 1 rcmod _ _
7 about _ ADP IN _ 6 prep _ _
8 SyntaxNet _ NOUN NNP _ 7 pobj _ _
9 , _ . , _ 10 punct _ _
10 saw _ VERB VBD _ 0 ROOT _ _
11 Bob _ NOUN NNP _ 10 dobj _ _
12 in _ ADP IN _ 10 prep _ _
13 the _ DET DT _ 14 det _ _
14 hallway _ NOUN NN _ 12 pobj _ _
15 yesterday _ NOUN NN _ 10 tmod _ _
16 . _ . . _ 10 punct _ _
每列的含义可以在这里找到。目前我们关心的唯一列是第一列（单词的 ID）、第二列（单词本身）和第七列（头部，换句话说，父级）。根节点的父节点为 0。
要获得 conll 格式，我们只需注释掉 demo.sh 的最后几行（我假设您曾经使用它来获取输出）：
$PARSER_EVAL \
--input=$INPUT_FORMAT \
--output=stdout-conll \
--hidden_layer_sizes=64 \
--arg_prefix=brain_tagger \
--graph_builder=structured \
--task_context=$MODEL_DIR/context.pbtxt \
--model_path=$MODEL_DIR/tagger-params \
--slim_model \
--batch_size=1024 \
--alsologtostderr \
| \
$PARSER_EVAL \
--input=stdin-conll \
--output=stdout-conll \
--hidden_layer_sizes=512,512 \
--arg_prefix=brain_parser \
--graph_builder=structured \
--task_context=$MODEL_DIR/context.pbtxt \
--model_path=$MODEL_DIR/parser-params \
--slim_model \
--batch_size=1024 \
--alsologtostderr #\
# | \
# bazel-bin/syntaxnet/conll2tree \
# --task_context=$MODEL_DIR/context.pbtxt \
# --alsologtostderr
（不要忘记注释掉上一行的反斜杠）
（我从哪里得到这个技巧，请参阅评论）
当我自己运行 demo.sh 时，我得到了很多我不需要的信息。您如何摆脱我留给您解决的问题（让我知道:)）。我现在将相关部分复制到一个文件中，这样我就可以将它通过管道传输到我要编写的 python 程序中。如果您可以摆脱这些信息，您应该也可以将 demo.sh 直接导入 python 程序。
注意：我对 python 还很陌生，所以请随时改进我的代码。
首先，我们只想从输入中读取 conll 文件。我喜欢把每个单词都放在一个不错的班级里。
#!/usr/bin/env python
import sys
# Conll data format:
# http://ilk.uvt.nl/conll/#dataformat
#
# The only parts we need:
# 1: ID
# 2: FORM (The original word)
# 7: HEAD (The ID of its parent)
class Word:
"A class containing the information of a single line from a conll file."
def __init__(self, columns):
self.id = int(columns[0])
self.form = columns[1]
self.head = int(columns[6])
self.children = []
# Read the conll input and put it in a list of words.
words = []
for line in sys.stdin:
# Remove newline character, split on spaces and remove empty columns.
line = filter(None, line.rstrip().split(" "))
words.append(Word(line))
不错，但它还不是树形结构。我们必须做更多的工作。
我可以 foreach 整个列表几次以查找每个孩子的每个单词，但这效率低下。我改为按他们的父母对它们进行排序，然后它应该只是快速查找给定父母的每个孩子。
# Sort the words by their head (parent).
lookup = [[] for _ in range(len(words) + 1)]
for word in words:
lookup[word.head].append(word)
创建树形结构：
# Build a tree
def buildTree(head):
"Find the children for the given head in the lookup, recursively"
# Get all the children of this parent.
children = lookup[head]
# Get the children of the children.
for child in children:
child.children = buildTree(child.id)
return children
# Get the root's child. There should only be one child. The function returns an
# array of children so just get the first one.
tree = buildTree(0)[0] # Start with head = 0 (which is the ROOT node)
为了能够以新格式打印树，您可以向 Word 类添加一些方法重载：
def __str__(self):
if len(self.children) == 0:
return "[" + self.form + "]"
else:
return "[" + self.form + " " + "".join(str(child) for child in self.children) + "]"
def __repr__(self):
return self.__str__()
现在你可以这样做：
print tree
并像这样管道它：
cat input.conll | ./my_parser.py
或直接从语法网：
echo "Alice, who had been reading about SyntaxNet, saw Bob in the hallway yesterday." | syntaxnet/demo.sh | ./my_parser.py