免费中文分词（文本处理）：依存句法分析返回结构解读（sentences 各字段详解）
免费中文分词文本处理中文NLPAPI教程ShowAPI # 免费中文分词（文本处理）：依存句法分析返回结构解读（sentences 各字段详解）
> 接口：依存句法分析（2663-8）｜是否免费：是（含档位限制）｜返回格式：JSON｜适用人群：中高级开发者、语言学研究｜阅读时间：约 8 分钟
## 核心要点
- 依存句法分析（2663-8）返回 `sentences` 数组，每项是一个依存结点，含 `id` / `lemma` / `cpos` / `head_word_id` / `deprel` / `pos`。
- `head_word_id` 指向父结点 id（根结点为 0），`deprel` 表示它与父结点的依存关系——二者是还原句法树的关键。
- `cpos` 是粗粒度词性、`pos` 是细粒度词性，`lemma` 是原词/词干。
## Why
「谁修饰谁」是理解句子结构的核心。依存句法把一个句子拆成「词→词」的有向关系树：主谓、动宾、定中一目了然。它在关系抽取、智能问答、作文批改里都是底层能力。ShowAPI 把这个分析做成了免费接口，返回的是结构化的依存结点，你拿回去自己就能画树、做规则。
## What
**接口速览**
| 项 | 值 |
|------|------|
| 接口地址 | `https://route.showapi.com/2663-8` |
| 必填参数 | `text` |
| 返回 | `sentences`: [{id, lemma, cpos, head_word_id, deprel, pos}] |
**字段含义**
| 字段 | 含义 |
|------|------|
| `id` | 结点 id（本句内唯一） |
| `lemma` | 词语的原词/词干 |
| `cpos` | 词性（粗粒度） |
| `pos` | 词性（细粒度） |
| `head_word_id` | 头结点（父结点）id；根结点默认为 0 |
| `deprel` | 本词与头结点的依存关系标签 |
## How
拿到依存结点后，用 `head_word_id` 还原句法树：
```python
import requests
resp = requests.post(
"https://route.showapi.com/2663-8",
params={"appKey": "YOUR_APPKEY"},
data={"text": "小明吃苹果"},
timeout=10,
).json()
body = resp["showapi_res_body"]
if body.get("ret_code") != 0:
raise RuntimeError(body.get("remark"))
nodes = {n["id"]: n for n in body.get("sentences", [])}
for nid, n in nodes.items():
head = nodes.get(n["head_word_id"])
head_word = head["lemma"] if head else "ROOT"
print(f"{n['lemma']} --{n['deprel']}--> {head_word}")
```
**cURL**
```bash
curl -X POST "https://route.showapi.com/2663-8?appKey=YOUR_APPKEY" \
-H "content-type: application/x-www-form-urlencoded" \
--data-urlencode "text=小明吃苹果"
```
## 返回示例与解析
```json
{
"showapi_res_body": {
"ret_code": 0,
"remark": "成功",
"sentences": [
{ "id": "1", "lemma": "小明", "cpos": "n", "head_word_id": "2", "deprel": "nsubj", "pos": "nh" },
{ "id": "2", "lemma": "吃", "cpos": "v", "head_word_id": "0", "deprel": "root", "pos": "v" },
{ "id": "3", "lemma": "苹果", "cpos": "n", "head_word_id": "2", "deprel": "dobj", "pos": "n" }
]
}
}
```
- `吃` 的 `head_word_id` 为 `0`，是整句的根（ROOT）。
- `小明` 通过 `nsubj`（名词主语）依附于 `吃`；`苹果` 通过 `dobj`（直接宾语）依附于 `吃`。
- `deprel` 标签体系以实际返回为准（常见如 nsubj/dobj/root 等）。
## 进阶 / 边界
- **画树**：以 `head_word_id==0` 的结点为根，递归把每个结点挂到其父结点下，即可得到完整依存树。
- **词性粒度**：`cpos` 粗、`pos` 细，做过滤时按需选用。
- **免费档限制**：默认档位下 `sentences` 可能为空，见 [免费档位与调用策略](https://www.showapi.com/guides/cnseg-free-tier-2663)。
## FAQ
**Q1：怎么找到句子的根？**
找 `head_word_id` 为 `0` 的结点，它就是依存树的根。
**Q2：deprel 标签是什么意思？**
表示本词与父结点的语法关系（如 nsubj 主语、dobj 宾语），具体标签以实际返回为准。
**Q3：cpos 和 pos 有什么区别？**
`cpos` 是粗粒度词性，`pos` 是细粒度（如 `n` vs `nh`），按需使用。
**Q4：多句话怎么处理？**
按接口返回的分句结构处理；具体是否自动分句以实际返回为准。
**Q5：免费档返回空 sentences 是失败吗？**
多为档位限制，先核对额度。
## 相关能力 / 下一步阅读
- [免费中文分词（文本处理）：语义距离接入点边界](https://www.showapi.com/guides/cnseg-distance-2663)
- [免费中文分词（文本处理）：返回结构与公共字段全解](https://www.showapi.com/guides/cnseg-response-2663)
- [免费中文分词（文本处理）：5 分钟快速接入](https://www.showapi.com/guides/cnseg-quickstart-2663)
> 本系列共 14 篇：查看[免费中文分词（文本处理）API 指南总目录](https://www.showapi.com/guides/cnseg-guides-2663)
