要遍历Huggingface分词器并处理剩余部分，可以按照以下步骤进行：

1. 导入必要的库和模块：

from transformers import AutoTokenizer

# 实例化分词器
tokenizer = AutoTokenizer.from_pretrained("模型名称")

2. 定义待处理的文本：

text = "待分词的文本"

3. 使用分词器对文本进行分词处理：

tokens = tokenizer.tokenize(text)

4. 处理剩余部分： 你可以根据具体需求对分词后的tokens进行进一步处理，例如删除停用词或标点符号，或者进行其他自定义处理。

下面是一个示例代码，演示了如何使用Huggingface分词器处理剩余部分：

from transformers import AutoTokenizer

# 实例化分词器
tokenizer = AutoTokenizer.from_pretrained("bert-base-uncased")

# 待处理的文本
text = "Hello, how are you? I'm doing great!"

# 分词处理
tokens = tokenizer.tokenize(text)

# 处理剩余部分
processed_tokens = [token for token in tokens if token not in ["?", "!", ",", "."]]

# 打印处理结果
print(processed_tokens)

以上代码会将文本分词，并移除其中的标点符号，输出结果如下：

['hello', 'how', 'are', 'you', 'i', 'm', 'doing', 'great']

你可以根据具体需求修改剩余部分的处理方式，例如添加额外的处理逻辑或使用其他库或方法进行处理。