为什么我似乎找不到如此简单的功能来达成解决方案？
一方面，我有一个结构：
[树（ 'kerb_NN'，[ 'Dropped_VBN'，树（ 'provide_VB'，[ 'to_TO'，树（ 'access_NN'，[树（ 'TO_IN'，[树（ 'hardstanding_VBG'，[ 'new_JJ' ，'“ liquid_JJ']）]）））），Tree（'for_IN'，[Tree（'vehicle_NN'，['one_CD'，'domestic_JJ']）]）]））））））））））]]）
只需使用简单功能SpaCy从to_nltk_tree获得。句子是：（{text）下降的路缘石，以便为一辆家用汽车提供新的透气性坚硬材料。
另一方面，我使用NLTK解析了相同的句子：
words = word_tokenize(sent_tokenize(text)[0])
sent = nltk.pos_tag(words)
grammar = "NP: {<DT>?<JJ>*<NN><IN>?<NN>*}"
find = nltk.RegexpParser(grammar)
res = find.parse(sent)
因此，我得到res，它看起来像：
Tree（'S'，[（'Dropped'，'VBD'），Tree（'NP'，[（'kerb'，'NN'）]）），（'to'，'TO'），（ 'provide'，'VB'），Tree（'NP'，[（'access'，'NN'）]），（'to'，'TO'），Tree（'NP'，[（'new'， ''JJ'），（'可渗透'，'JJ'），（'坚硬'，'NN'），（'for'，'IN'）]]），（'one'，'CD'），Tree（' NP'，[（'domestic'，'JJ'），（'vehicle'，'NN'）]））））
那两个版本是不同的，因为在NLTK中，我不得不使用一些自定义语法。 res的类型为tree.Tree，而SpaCy产品是列表。
我想将此列表转换为Tree，但找不到简单的示例。我找到了类似Tree.from_string的东西，但是却找到了相反的东西，例如Tree.from_list。
可以像树一样查看此res对象，使用SpaCy默认语法并作为NLTK树将很有用。有什么提示吗？也许我在拍脚，要实现这一目标要简单得多？