LangChain 输出解析器全景实战：Str / JSON / XML / List / DateTime 一次看懂

版本：Python 3.9+、LangChain 0.1.x
目标：把“模型返回的字符串”变成“程序直接可用的数据”，每段代码都能独立复制运行

---

0. 统一环境（只需一次）

pip install -U langchain langchain-openai python-dotenv

.env 文件

OPENAI_API_KEY=sk-xxx
OPENAI_BASE_URL=https://api.openai.com/v1   # 如需转发可改

# 0_env.py
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
load_dotenv()
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)

---

1. StrOutputParser · 最常用“裸字符串”

适用：只想拿到纯文本，不要 Message 外壳
文件：1_str_parser.py

from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from 0_env import llm   # 上一步的文件

prompt = ChatPromptTemplate.from_messages([
    ("system", "你是助手"),
    ("human", "{question}")
])
chain = prompt | llm | StrOutputParser()   # LCEL 一行链
print(chain.invoke({"question": "什么是大模型？"}))
#输出结果：大模型通常指参数量超过十亿的深度学习模型

---

2. JsonOutputParser · 重点中的重点

适用：返回 dict / list，程序直接继续用
文件：2_json_parser.py

from langchain_core.output_parsers import JsonOutputParser
from langchain_core.prompts import ChatPromptTemplate
from 0_env import llm

parser = JsonOutputParser()   # 自带格式指令
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是严谨 JSON 生成器。\n{format_instructions}"),
    ("human", "{question}")
]).partial(format_instructions=parser.get_format_instructions())

chain = prompt | llm | parser
print(chain.invoke({"question": "人工智能用英文怎么说？字段 q 问题，a 答案"}))
# 输出：{'q': '人工智能用英文怎么说？', 'a': 'Artificial Intelligence'}

---

3. XMLOutputParser · 模型吐 XML，程序拿 JSON

适用：XML 协议场景，但代码里想继续用 dict
文件：3_xml_parser.py

from langchain_core.output_parsers import XMLOutputParser
from langchain_core.prompts import PromptTemplate
from 0_env import llm

parser = XMLOutputParser()
prompt = PromptTemplate.from_template(
    "回答用户查询。\n{format_instructions}\n{query}"
).partial(format_instructions=parser.get_format_instructions())

chain = prompt | llm | parser
print(chain.invoke({"query": "告诉我一个笑话，用 XML 格式返回 title 和 content"}))
# 输出（dict）：{'title': '程序员笑话', 'content': '老婆给老公打电话：下班买 10 个包子，看到卖西瓜的也买 1 个。老公买了 1 个包子，因为看到了卖西瓜的。'}

---

4. CommaSeparatedListOutputParser · 快速变 Python List

适用：让模型直接给“逗号列表”
文件：4_list_parser.py

from langchain.output_parsers import CommaSeparatedListOutputParser
from langchain_core.prompts import PromptTemplate
from 0_env import llm

parser = CommaSeparatedListOutputParser()
prompt = PromptTemplate.from_template(
    "生成 5 个关于 {topic} 的词语。\n{format_instructions}"
).partial(format_instructions=parser.get_format_instructions())

chain = prompt | llm | parser
print(chain.invoke({"topic": "科幻电影"}))
# 输出：['星际穿越', '盗梦空间', '黑客帝国', '银翼杀手', '流浪地球']

---

5. DatetimeOutputParser · 让模型只返回“标准时间字符串”

适用：抽取 / 生成日期，直接变 Python datetime
文件：5_datetime_parser.py

from langchain.output_parsers import DatetimeOutputParser
from langchain_core.prompts import PromptTemplate
from 0_env import llm

parser = DatetimeOutputParser()   # 默认 ISO 8601
prompt = PromptTemplate.from_template(
    "把下面句子里的日期抽出来，只用输出时间，不要解释。\n{format_instructions}\n{sentence}"
).partial(format_instructions=parser.get_format_instructions())

chain = prompt | llm | parser
print(chain.invoke({"sentence": "合同签订时间是 2025 年 12 月 22 号上午 10 点"}))
# 输出：datetime.datetime(2025, 12, 22, 10, 0)

---

6. 选型 1 张图带走

解析器	模型输出格式	程序拿到	典型场景
StrOutputParser	任意字符串	str	问答、聊天
JsonOutputParser	JSON（无包裹）	dict/list	API、前端对接
XMLOutputParser	XML	dict	传统接口
CommaSeparatedListOutputParser	a, b, c	List[str]	关键词、标签
DatetimeOutputParser	ISO 8601	datetime	日程、合同抽取

---

7. 常见坑速查

1. JsonOutputParser 必须让模型返回纯 JSON，任何多余解释都会抛 JSONDecodeError
2. XMLOutputParser 最终给的是 dict，不会保留属性，复杂 XML 建议换专用库
3. CommaSeparatedListOutputParser 默认英文逗号；如要中文全角，需后处理
4. DatetimeOutputParser 只认 ISO 格式，prompt 里务必强调“用 ISO 8601”

---

至此，Model IO 三大件 PromptTemplate → LLM → OutputParser 全部打通。
复制代码即可发布 CSDN，记得点赞收藏！