如何自动化归一化分形结构的嵌套JSON并生成完整语句

你的需求本质上是遍历树形结构的所有叶子节点路径，把路径上的label依次拼接成句子。这种场景用**递归深度优先搜索（DFS）**最适合，完全不需要预定义结构，能自动适配各种层级和宽度的JSON文件。

核心实现代码 #

def extract_sentences(node, current_path=None):
    # 初始化当前路径，第一次调用时为空列表
    if current_path is None:
        current_path = []
    # 把当前节点的label加入路径
    current_path = current_path + [node['label']]
    # 如果当前节点没有children，说明走到了路径尽头，返回拼接好的句子
    if 'children' not in node or not node['children']:
        return [' '.join(current_path)]
    # 否则遍历所有子节点，递归收集所有子路径的句子
    sentences = []
    for child in node['children']:
        sentences.extend(extract_sentences(child, current_path))
    return sentences

# 处理你的示例数据
test = [
    {
        "label": "I",
        "children": [
            {
                "label": "want",
                "children": [
                    {
                        "label": "a",
                        "children": [
                            {"label": "coffee"},
                            {"label": "big", "children": [{"label": "piece of cake"}]},
                        ],
                    }
                ],
            },
            {"label": "need", "children": [{"label": "time"}]},
            {"label": "like", "children": [{"label": "italian", "children": [{"label": "pizza"}]}]},
        ],
    },
    {
        "label": "We",
        "children": [
            {"label": "are", "children": [{"label": "ok"}]},
            {"label": "will", "children": [{"label": "rock you"}]},
        ],
    },
]

# 遍历根节点列表，收集所有句子
all_sentences = []
for root in test:
    all_sentences.extend(extract_sentences(root))

print(all_sentences)

输出结果 #

[
    'I want a coffee',
    'I want a big piece of cake',
    'I need time',
    'I like italian pizza',
    'We are ok',
    'We will rock you'
]

为什么这个方法能解决你的问题？ #

• 完全动态适配：不管你的JSON层级有多深、每个节点的子节点数量差异多大，递归都会自动遍历所有可能的路径，不需要提前定义任何结构参数（比如json_normalize的meta/record_path）。
• 路径跟踪清晰：每次递归都会带着当前已经拼接的路径，遇到叶子节点（没有children的节点）就直接生成完整句子，完美对应你要的"所有路径"逻辑，和os.walk遍历文件路径的思路一致。
• 代码简洁易维护：核心逻辑只有十几行，后续如果需要调整拼接规则（比如用其他分隔符），只需要修改' '.join(current_path)这一行即可。

对比你之前尝试的方案 #

• 比pandas.json_normalize更灵活：不需要提前分析结构，适用于100多个不同结构的JSON文件。
• 比jsonpath_ng更精准：不仅能提取所有label，还能保留层级关系，正确拼接成完整语句。
• 比扁平化/层级元组方法更直接：不需要处理复杂的索引拆分，递归天然就能处理树形结构的路径传递。

如果你的JSON文件里存在children为空数组的情况（比如{"label": "test", "children": []}），这个函数也能正确处理，会把"test"作为单独的句子返回。

内容的提问来源于stack exchange，提问作者R1mk4