如何解析 XML 输出
前提条件
本指南假设您熟悉以下概念：
不同供应商的 LLM 在特定数据上训练的情况下，通常具有不同的优势。这也意味着某些模型在生成 JSON 以外格式的输出时可能“更好”且更可靠。
本指南将向您展示如何使用 XMLOutputParser 来提示模型生成 XML 输出，然后将该输出解析为可用格式。
note
请记住，大型语言模型是泄漏的抽象！您必须使用具有足够能力的 LLM 来生成格式良好的 XML。
在以下示例中，我们使用 Anthropic 的 Claude-2 模型 (https://docs.anthropic.com/claude/docs)，这是一个针对 XML 标签进行了优化的模型。
%pip install -qU langchain langchain-anthropic
import os
from getpass import getpass
os.environ["ANTHROPIC_API_KEY"] = getpass()
让我们开始向模型发出简单的请求。
from langchain_anthropic import ChatAnthropic
from langchain_core.output_parsers import XMLOutputParser
from langchain_core.prompts import PromptTemplate
model = ChatAnthropic(model="claude-2.1", max_tokens_to_sample=512, temperature=0.1)
actor_query = "生成汤姆·汉克斯的简短电影作品表。"
output = model.invoke(
f"""{actor_query}
请将电影用 <movie></movie> 标签括起来"""
)
print(output.content)
这是汤姆·汉克斯的简短电影作品表，电影用 XML 标签括起来：
<movie>Splash</movie>
<movie>Big</movie>
<movie>A League of Their Own</movie>
<movie>Sleepless in Seattle</movie>
<movie>Forrest Gump</movie>
<movie>Toy Story</movie>
<movie>Apollo 13</movie>
<movie>Saving Private Ryan</movie>
<movie>Cast Away</movie>
<movie>The Da Vinci Code</movie>
这实际上效果很好！但将 XML 解析为更易于使用的格式会更好。我们可以使用 XMLOutputParser 来为提示添加默认格式说明，并将输出的 XML 解析为字典：
parser = XMLOutputParser()
# 我们将在下面的提示中添加这些说明
parser.get_format_instructions()
'输出应格式化为 XML 文件。\n1. 输出应符合以下标签。 \n2. 如果没有给出标签，请自行创建。\n3. 请记住始终打开和关闭所有标签。\n\n例如，对于标签 ["foo", "bar", "baz"]:\n1. 字符串 "<foo>\n <bar>\n <baz></baz>\n </bar>\n</foo>" 是该模式的格式良好的实例。 \n2. 字符串 "<foo>\n <bar>\n </foo>" 是格式不良的实例。\n3. 字符串 "<foo>\n <tag>\n </tag>\n</foo>" 是格式不良的实例。\n\n以下是输出标签：\n```\nNone\n```'
prompt = PromptTemplate(
template="""{query}\n{format_instructions}""",
input_variables=["query"],
partial_variables={"format_instructions": parser.get_format_instructions()},
)
chain = prompt | model | parser
output = chain.invoke({"query": actor_query})
print(output)
{'filmography': [{'movie': [{'title': 'Big'}, {'year': '1988'}]}, {'movie': [{'title': 'Forrest Gump'}, {'year': '1994'}]}, {'movie': [{'title': 'Toy Story'}, {'year': '1995'}]}, {'movie': [{'title': 'Saving Private Ryan'}, {'year': '1998'}]}, {'movie': [{'title': 'Cast Away'}, {'year': '2000'}]}]}
我们还可以添加一些标签以满足我们的需求。您可以并且应该尝试在提示的其他部分添加您自己的格式提示，以增强或替换默认说明：
parser = XMLOutputParser(tags=["movies", "actor", "film", "name", "genre"])
# 我们将在下面的提示中添加这些说明
parser.get_format_instructions()
'输出应格式化为 XML 文件。\n1. 输出应符合以下标签。 \n2. 如果没有给出标签，请自行创建。\n3. 请记住始终打开和关闭所有标签。\n\n例如，对于标签 ["foo", "bar", "baz"]:\n1. 字符串 "<foo>\n <bar>\n <baz></baz>\n </bar>\n</foo>" 是该模式的格式良好的实例。 \n2. 字符串 "<foo>\n <bar>\n </foo>" 是格式不良的实例。\n3. 字符串 "<foo>\n <tag>\n </tag>\n</foo>" 是格式不良的实例。\n\n以下是输出标签：\n```\n[\'movies\', \'actor\', \'film\', \'name\', \'genre\']\n```'
prompt = PromptTemplate(
template="""{query}\n{format_instructions}""",
input_variables=["query"],
partial_variables={"format_instructions": parser.get_format_instructions()},
)
chain = prompt | model | parser
output = chain.invoke({"query": actor_query})
print(output)
{'movies': [{'actor': [{'name': '汤姆·汉克斯'}, {'film': [{'name': 'Forrest Gump'}, {'genre': '剧情'}]}, {'film': [{'name': 'Cast Away'}, {'genre': '冒险'}]}, {'film': [{'name': 'Saving Private Ryan'}, {'genre': '战争'}]}]}]}
该输出解析器还支持部分块的流式传输。以下是一个示例：
for s in chain.stream({"query": actor_query}):
print(s)
{'movies': [{'actor': [{'name': '汤姆·汉克斯'}]}]}
{'movies': [{'actor': [{'film': [{'name': 'Forrest Gump'}]}]}]}
{'movies': [{'actor': [{'film': [{'genre': '剧情'}]}]}]}
{'movies': [{'actor': [{'film': [{'name': 'Cast Away'}]}]}]}
{'movies': [{'actor': [{'film': [{'genre': '冒险'}]}]}]}
{'movies': [{'actor': [{'film': [{'name': 'Saving Private Ryan'}]}]}]}
{'movies': [{'actor': [{'film': [{'genre': '战争'}]}]}]}
下一步
您现在已经学习了如何提示模型返回 XML。接下来，请查看有关获取结构化输出的更广泛指南，以了解其他相关技术。