AI Agent白手起家37: LangChain 输出解析器实战：文本、JSON、XML 与 Pydantic

Wang's Blog2026-08-07 11:43

内容纲要

  • 输出解析器核心作用：将大模型自然语言输出转换为结构化数据
  • 常用解析器类型
    • StrOutputParser：提取纯文本，无需格式指令
    • PydanticOutputParser：基于 Pydantic 数据模型，精确控制字段和验证
    • JsonOutputParser：自由 JSON 或结合 Pydantic 生成严格 JSON
    • XMLOutputParser：输出字典，可指定标签约束
  • 关键技术点
    • 格式指令注入：get_format_instructions() 必须嵌入提示词
    • Pydantic v2 版本变化及验证器用法
    • 流式输出中的 JSON 完整性保护
  • 完整可运行代码：使用模拟模型演示四种解析器，无需外部 API Key

引言

大模型输出的本质是自然语言文本，但实际应用需要结构化数据（如 JSON 对象、表格、特定字段）传递给下游服务。早期做法是用正则表达式从文本中抽取信息，但模型输出的随机性常导致匹配失败。LangChain 的输出解析器（Output Parsers）提供了一个标准化方案：通过将格式要求预先注入提示词，并结合解析器自动转换，可稳定获得结构化的 Python 对象。本文通过可运行代码演示文本、JSON、Pydantic 和 XML 四种常见解析器的用法。

输出解析器在 IO 管道中的定位

LangChain 的核心数据流由三部分组成：提示词模板、大模型、输出解析器，它们通过 LCEL 管道串联：
#mermaid-svg-NtVJp4jqESE41xxE{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-NtVJp4jqESE41xxE .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-NtVJp4jqESE41xxE .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-NtVJp4jqESE41xxE .error-icon{fill:#552222;}#mermaid-svg-NtVJp4jqESE41xxE .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-NtVJp4jqESE41xxE .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-NtVJp4jqESE41xxE .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-NtVJp4jqESE41xxE .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-NtVJp4jqESE41xxE .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-NtVJp4jqESE41xxE .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-NtVJp4jqESE41xxE .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-NtVJp4jqESE41xxE .marker{fill:#333333;stroke:#333333;}#mermaid-svg-NtVJp4jqESE41xxE .marker.cross{stroke:#333333;}#mermaid-svg-NtVJp4jqESE41xxE svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-NtVJp4jqESE41xxE p{margin:0;}#mermaid-svg-NtVJp4jqESE41xxE .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-NtVJp4jqESE41xxE .cluster-label text{fill:#333;}#mermaid-svg-NtVJp4jqESE41xxE .cluster-label span{color:#333;}#mermaid-svg-NtVJp4jqESE41xxE .cluster-label span p{background-color:transparent;}#mermaid-svg-NtVJp4jqESE41xxE .label text,#mermaid-svg-NtVJp4jqESE41xxE span{fill:#333;color:#333;}#mermaid-svg-NtVJp4jqESE41xxE .node rect,#mermaid-svg-NtVJp4jqESE41xxE .node circle,#mermaid-svg-NtVJp4jqESE41xxE .node ellipse,#mermaid-svg-NtVJp4jqESE41xxE .node polygon,#mermaid-svg-NtVJp4jqESE41xxE .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-NtVJp4jqESE41xxE .rough-node .label text,#mermaid-svg-NtVJp4jqESE41xxE .node .label text,#mermaid-svg-NtVJp4jqESE41xxE .image-shape .label,#mermaid-svg-NtVJp4jqESE41xxE .icon-shape .label{text-anchor:middle;}#mermaid-svg-NtVJp4jqESE41xxE .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-NtVJp4jqESE41xxE .rough-node .label,#mermaid-svg-NtVJp4jqESE41xxE .node .label,#mermaid-svg-NtVJp4jqESE41xxE .image-shape .label,#mermaid-svg-NtVJp4jqESE41xxE .icon-shape .label{text-align:center;}#mermaid-svg-NtVJp4jqESE41xxE .node.clickable{cursor:pointer;}#mermaid-svg-NtVJp4jqESE41xxE .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-NtVJp4jqESE41xxE .arrowheadPath{fill:#333333;}#mermaid-svg-NtVJp4jqESE41xxE .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-NtVJp4jqESE41xxE .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-NtVJp4jqESE41xxE .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-NtVJp4jqESE41xxE .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-NtVJp4jqESE41xxE .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-NtVJp4jqESE41xxE .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-NtVJp4jqESE41xxE .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-NtVJp4jqESE41xxE .cluster text{fill:#333;}#mermaid-svg-NtVJp4jqESE41xxE .cluster span{color:#333;}#mermaid-svg-NtVJp4jqESE41xxE div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-NtVJp4jqESE41xxE .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-NtVJp4jqESE41xxE rect.text{fill:none;stroke-width:0;}#mermaid-svg-NtVJp4jqESE41xxE .icon-shape,#mermaid-svg-NtVJp4jqESE41xxE .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-NtVJp4jqESE41xxE .icon-shape p,#mermaid-svg-NtVJp4jqESE41xxE .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-NtVJp4jqESE41xxE .icon-shape .label rect,#mermaid-svg-NtVJp4jqESE41xxE .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-NtVJp4jqESE41xxE .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-NtVJp4jqESE41xxE .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-NtVJp4jqESE41xxE :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 用户输入
提示词模板
大模型
输出解析器
结构化数据
下游应用

解析器的作用是将模型输出的自由文本转换为机器易处理的格式，同时保证与 LangChain 生态的其他组件无缝对接。

四种解析器一览

解析器 输出类型 是否需格式指令 典型场景
StrOutputParser 字符串 否 简单问答、文本摘要
PydanticOutputParser Pydantic BaseModel 实例 是 精准字段控制、数据验证
JsonOutputParser 字典 (dict) 是 通用 JSON 数据交互
XMLOutputParser 字典 (dict) 是 兼容 XML 的老系统

使用结构化解析器时，务必通过 get_format_instructions() 获取格式指令并嵌入提示词，否则模型可能不遵守格式约定。

环境准备

安装依赖：

bash 复制代码 
pip install langchain langchain-core langchain-community pydantic

以下代码使用 FakeListChatModel 模拟模型输出，因此无需任何 API Key 即可运行。如果希望接入真实模型（如 OpenAI、DeepSeek），只需替换模型初始化部分。

完整可运行代码

python 复制代码 
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import (
    StrOutputParser,
    JsonOutputParser,
    PydanticOutputParser,
    XMLOutputParser,
)
from langchain_community.chat_models.fake import FakeListChatModel
from pydantic import BaseModel, Field, model_validator

# ======================== 1. 文本解析器 ========================
# 模型预设回复
str_model = FakeListChatModel(responses=["  LangChain 是一个用于构建大语言模型应用的开源框架。"])
str_prompt = ChatPromptTemplate.from_template("用一句话介绍{subject}")
str_chain = str_prompt | str_model | StrOutputParser()
result_str = str_chain.invoke({"subject": "LangChain"})
print("StrOutputParser 结果:", result_str)
print()

# ======================== 2. Pydantic 解析器 ========================
class Joke(BaseModel):
    setup: str = Field(description="笑话的铺垫，必须以问号结尾")
    punchline: str = Field(description="笑话的包袱，回答铺垫问题")

    @model_validator(mode='before')
    @classmethod
    def check_setup_ends_with_question(cls, values: dict) -> dict:
        setup = values.get('setup', '')
        if not setup.endswith('?'):
            raise ValueError(f'setup 必须以问号结尾，当前为: {setup}')
        return values

# 模拟模型返回严格符合 Pydantic 的 JSON 字符串
pyd_model_response = '{"setup": "为什么鸡不能过马路？", "punchline": "因为它会被机动车撞到。"}'
pyd_model = FakeListChatModel(responses=[pyd_model_response])

pyd_parser = PydanticOutputParser(pydantic_object=Joke)
format_instructions = pyd_parser.get_format_instructions()
pyd_prompt = ChatPromptTemplate.from_template(
    "回答用户的查询\n{format_instructions}\n用户输入：{query}"
)
pyd_prompt = pyd_prompt.partial(format_instructions=format_instructions)

pyd_chain = pyd_prompt | pyd_model | pyd_parser
joke_obj = pyd_chain.invoke({"query": "给我讲一个笑话"})
print("PydanticOutputParser 结果:", joke_obj)
print("字段 setup:", joke_obj.setup)
print("字段 punchline:", joke_obj.punchline)
print()

# ======================== 3. JSON 解析器（自由格式） ========================
json_model_response = '{"joke": "为什么鸡不能过马路？因为它会被机动车撞到。"}'
json_model = FakeListChatModel(responses=[json_model_response])

json_parser = JsonOutputParser()
json_format = json_parser.get_format_instructions()
json_prompt = ChatPromptTemplate.from_template(
    "请以 JSON 格式返回一个笑话\n{format_instructions}\n用户输入：{input}"
)
json_prompt = json_prompt.partial(format_instructions=json_format)

json_chain = json_prompt | json_model | json_parser
json_result = json_chain.invoke({"input": "讲个笑话"})
print("JsonOutputParser 结果:", json_result)
print("类型:", type(json_result))
print()

# ======================== 4. XML 解析器（指定标签） ========================
xml_model_response = """<movies>
    <movie>
        <title>阿甘正传</title>
        <year>1994</year>
        <actor>汤姆·汉克斯</actor>
    </movie>
    <movie>
        <title>荒岛余生</title>
        <year>2000</year>
        <actor>汤姆·汉克斯</actor>
    </movie>
</movies>"""
xml_model = FakeListChatModel(responses=[xml_model_response])

# 指定顶层标签和内部字段
xml_parser = XMLOutputParser(tags=["movies", "movie", "title", "year", "actor"])
xml_format = xml_parser.get_format_instructions()
xml_prompt = ChatPromptTemplate.from_template(
    "根据用户查询生成 XML 列表\n{format_instructions}\n{query}"
)
xml_prompt = xml_prompt.partial(format_instructions=xml_format)

xml_chain = xml_prompt | xml_model | xml_parser
xml_result = xml_chain.invoke({"query": "列出汤姆·汉克斯的电影"})
print("XMLOutputParser 结果 (字典):", xml_result)
print("第一标题:", xml_result["movies"][0]["movie"][0]["title"][0])
print()

# ======================== 5. 流式 JSON 演示（模拟） ========================
# 为演示流式解析，使用一个分段返回的模拟模型
# 由于 FakeListChatModel 不支持 streaming，此处仅给出概念说明。
# 在实际应用中，可使用支持流式的模型替换，解析器会自动处理部分 JSON。
print("流式 JSON 解析概念：解析器在接收到不完整的 JSON 片段时，会等待字段完整再输出。")

结果解读

  • StrOutputParser 直接返回去除多余空白的纯文本。
  • PydanticOutputParser 将模型返回的 JSON 反序列化为 Joke 对象，并执行验证器检查 setup 是否以问号结尾，失败则抛出异常。
  • JsonOutputParser 返回普通字典，适合无需强类型校验的场景；若结合 Pydantic，可生成更严格的 JSON。
  • XMLOutputParser 默认将 XML 转为多层嵌套字典，通过 tags 参数可约束输出结构，避免无关字段。

Pydantic 版本注意事项

LangChain 在不同版本中使用的 Pydantic 版本不同：v0.1 之前同时兼容 Pydantic v1/v2，v0.2 起默认 v2，v0.3 完全弃用 v1。代码示例基于 Pydantic v2，语法与 v1 差异较大（如 model_validator 替代 root_validator），若使用旧版 LangChain 需调整导入和验证器写法。

最佳实践

  • 始终将 get_format_instructions() 注入提示词，否则模型可能自由发挥。
  • 需要严格字段验证时首选 PydanticOutputParser，其错误处理机制能与 LangChain 的 OutputFixingParser 结合自动修复。
  • 处理 XML 时注意解析结果是嵌套字典，访问路径较深，可编写辅助函数提取。
  • 流式场景下，JsonOutputParser 能保证任意截断时刻的 JSON 仍为合法片段，便于前端实时渲染。

总结

输出解析器是 LangChain 从模型"模糊输出"到"精确数据"的关键桥梁。文本解析器简单直接，Pydantic 提供强类型保障，JSON 和 XML 覆盖了主流数据交换格式。

使用框架封装好的解析器，不仅能减少重复造轮子，还能充分利用其与模型、提示词模板的深度集成，大幅提升 LLM 应用的工程化水平。

相关推荐
灵析表格2 小时前
json_ObjectToKV 函数深度研究报告
json·excel·wps·灵析表格·excel公式盒子
wtsolutions2 小时前
JSON 怎么导入 WPS？怎么转换成 WPS 表格？WPS 怎么打开 JSON？完整教程
json·wps
梦想三三3 小时前
Qwen Function Calling实战：重构电商客服AI Agent
人工智能·python·langchain·大模型·rag
initialize13064 小时前
Oracle数据库 binary XML data类型同步
xml·数据库
hboot13 小时前
AI工程师第六课 - RAG检索增强生成
后端·langchain·llm
用户31268748772019 小时前
AI Agent 开发实战（十一）：Multi-Agent 协作编排
langchain·ai编程
(轻舟已过万重山)20 小时前
第27章 框架实操：用 LangChain/LlamaIndex 搭建完整 RAG 系统
人工智能·ai·langchain
御坂嘀喵 白日焰火21 小时前
LINQ之路18：LINQ to XML之导航和查询
xml·solr·linq
残月心殇 请珍惜枸1 天前
LINQ之路17：LINQ to XML之X-DOM介绍
xml·solr·linq
热门推荐
01如何新建文件夹？ 电脑新建文件夹的4种方法02GitHub 镜像站点03国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）04AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路052026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？06微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新07Agnes AI 免费 API 接入指南：文本、生图、生视频，一套接口全免费082026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片0900 Debian字符界面如何支持中文10历年考研数学一、数学二、数学三真题试卷及答案PDF