构建标题层级结构：从扁平列表生成嵌套树形数据

本文介绍如何将无序的标题列表（含数字编号与非编号项）自动解析为具有父子关系的树状结构，通过两步法识别编号层级、建立父子引用，并输出可读性强的嵌套字典或可视化树形表示。

在文档解析、目录生成，甚至是知识图谱构建这样的场景里，我们经常要跟一堆扁平化的标题列表打交道。别小看这个需求——无论是从PDF里提取的文本，还是Markdown文件的章节标题，它们往往杂乱无章，编号格式还经常混着来。想要把它们组织成有层次、有结构的树形数据，其实是个挺讲究的事。

这篇内容分享的是一个纯Python实现的方案，最大的特点就是不依赖任何第三方库，逻辑简单直接，而且可扩展性足够好。最关键的是，它能同时处理那些既有数字编号（比如“13.3. Risk”这种标准编号），又有后续缩进式子项（比如“SubStrategy”）的混合型标题序列。

核心思路：两阶段构建法

整个方案拆成两个步骤来做，核心逻辑就是“分离解析”之后再“层级聚合”。这样设计的好处很明显：绕开那些复杂的正则匹配和递归陷阱，每一步做了什么、结果是什么，都一清二楚。调试起来也友好得多。

第一阶段：按编号提取主干节点，挂载同级子项
具体怎么做呢？先遍历整个标题列表。如果某个标题的开头是数字（直接用title[0].isnumeric()判断），那就把它编号的部分提取出来，比如“13.3.1”这串数字，用作字典的唯一键，然后创建一个初始节点。而那些不以数字开头的标题，比如“SubStrategy”，就直接挂到最近那个有编号的节点的children列表里。这一步等于先把骨架搭好，再把那些零散的子项暂时归位。

第二阶段：基于编号前缀推导父子关系
这一步才是建立真正层级关系的关键。对每个已经建立好的编号节点，截取它的父级编号。举个例子，“13.3.1”的父级就是“13.3”。如果这个父编号在字典里存在，那当前节点就作为子节点挂上去；如果不存在，那它就自动成为根节点。逻辑简单粗暴，但非常有效。

完整实现代码

import json

titles = [
    "13.3. Risk",
    "13.3.1. Strategy",
    "SubStrategy",
    "13.3.2. Token",
    "Material",
    "Impact",
    "Aling"
]

# Step 1: 构建编号节点字典，挂载直接子项（非编号标题）
results = {}
current_parent = None
for title in titles:
    if title and title[0].isnumeric():
        # 提取编号（去除末尾点号）
        prefix, name = title.split(" ", 1)
        key = prefix.strip(".")
        current_parent = results.setdefault(key, {"name": title, "children": []})
    elif current_parent is not None:
        # 将非编号项挂载到最近的编号节点下
        current_parent["children"].append(title)

# Step 2: 建立父子层级关系
roots = []
for key, node in results.items():
    # 获取父级编号（如 "13.3.1" → "13.3"）
    parent_key = ".".join(key.split(".")[:-1])
    if parent_key in results:
        # 父节点存在：当前节点作为其子节点
        results[parent_key]["children"].append(node)
    else:
        # 父节点不存在：当前节点为根
        roots.append(node)

# 输出结构化树（JSON格式，便于验证）
print("生成的树形结构（JSON）：")
print(json.dumps(roots[0], indent=2, ensure_ascii=False))

输出效果

运行之后，你得到的就是一个标准的嵌套字典：

{
  "name": "13.3. Risk",
  "children": [
    {
      "name": "13.3.1. Strategy",
      "children": ["SubStrategy"]
    },
    {
      "name": "13.3.2. Token",
      "children": ["Material", "Impact", "Aling"]
    }
  ]
}

如果需要用那种“|_”格式的可视化树形文本，很简单，加一个递归打印函数就行：

def print_tree(node, indent=0):
    prefix = "   " * indent + "|_"
    if isinstance(node, dict) and "name" in node:
        print(f"{prefix}'{node['name']}'")
        for child in node.get("children", []):
            if isinstance(child, dict):
                print_tree(child, indent + 1)
            else:
                print(f"{'   ' * (indent + 1)}|____'{child}'")
    else:
        print(f"{'   ' * indent}|____'{node}'")

print("n可视化树形结构：")
print_tree(roots[0])

注意事项与扩展建议

说几个实践中的要点，能帮你少踩几个坑：

• 健壮性：代码默认会把第一个出现的数字编号项当作根节点，并且支持多根场景（roots是个列表）。如果遇到空字符串或者奇怪的格式，建议前置清洗一下。
• 编号规范：这个方案依赖的是用点号分隔的数字编号（比如1、1.1、1.1.1）。如果用这套逻辑去解析罗马数字编号或者1a这种不规范的层级，那肯定翻车。如果需要兼容，记得加一个加强版的key解析逻辑。
• 扩展性：生成的字典结构非常通用。无论是直接喂给anytree去初始化Node，还是给前端Tree组件做数据源，甚至导出成YAML或Markdown目录格式，都毫无压力。
• 性能优化：如果列表长度超过10⁴项，第二步的查找可能会遇到性能瓶颈。一个简单的优化办法是用集合把results.keys()预存起来，加速查找过程。

这套方法在简洁性和可维护性之间找到了一个很好的平衡点，算得上是处理混合编号标题结构的一种实用范式。