使用Python写一个适用于Dify和FastGPT的JsonPath插件

2024-08-31 11:28

本文主要是介绍使用Python写一个适用于Dify和FastGPT的JsonPath插件,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

编写适用于 Dify 和 FastGPT 的 JsonPath 插件

在本文中,我将分享如何编写一个适用于 AI应用平台的 JsonPath 插件,该插件能够处理 JSON 数据的路径查询、正则表达式提取,以及 JavaScript 沙盒执行功能。这个插件的主要目的是让用户能够通过简单的 HTTP 请求,对 JSON 数据进行高效、灵活的查询和处理。接下来,我们将详细介绍如何实现这个插件的功能。

项目结构与依赖

首先,我们需要创建一个 Flask 应用程序来承载这个插件。项目的主要依赖项包括 Flaskjsonpath_ngrejsonjs2pythreading。这些库分别用于处理 HTTP 请求、JSONPath 查询、正则表达式匹配、JavaScript 代码执行和处理并发任务。

from flask import Flask, request, jsonify
from jsonpath_ng import parse
import re
import json
import js2py
import threading
import logging

为了便于调试和跟踪,我们配置了日志记录功能:

logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
JSONPath 查询

首先,我们实现了一个 JSONPath 查询功能,通过 POST 请求获取用户提交的 JSONPath 表达式和 JSON 数据,并返回匹配的结果。

@app.route('/jsonpath', methods=['POST'])
def get_value_by_jsonpath():json_path = request.json.get('json_path')json_string = request.json.get('json_string')data = json.loads(json_string)jsonpath_expr = parse(json_path)matches = [match.value for match in jsonpath_expr.find(data)]if '*' in json_path or ('[' in json_path and ':' in json_path):return jsonify({"data": matches})  # 预期返回列表else:if len(matches) == 0:return jsonify({"data": None})else:return jsonify({"data": matches[0]}) if matches else None  # 预期返回单个元素
正则表达式提取

接下来,我们实现了一个正则表达式提取功能,用户可以通过提交正则表达式和目标字符串来提取匹配的内容。

@app.route('/regex_extract', methods=['POST'])
def regex_extract():regex = request.json.get('regex')string = request.json.get('string')if not regex or not string:return jsonify({"error": "regex或string参数不正确"}), 400result = extract_target(regex, string)logging.info('regex: %s, string: %s, result: %s', regex, string, result)return jsonify({"data": result, "match": True if result else False})
JavaScript 沙盒执行

最后,我们实现了一个 JavaScript 沙盒执行功能,允许用户提交 JavaScript 代码,并在一个安全的环境中执行该代码。我们使用 js2py 库来执行 JavaScript,并设置了超时机制以防止脚本长时间运行。

@app.route('/js_sandbox', methods=['POST'])
def js_sandbox():code = request.json.get('code')if not code:return jsonify({"error": "code参数不正确"}), 400code = fix_string_conflicts(code)timer = threading.Timer(3.0, timeout)timer.start()result = Nonetry:result = js2py.eval_js(code)print(result)except Exception as e:logging.error("Error while executing JavaScript: %s", e)finally:timer.cancel()logging.info('code: %s, result: %s', code, result)return jsonify({"data": result})

总结

通过上述步骤,我们实现了一个简单但功能强大的 JsonPath 插件,适用于 Dify 和 FastGPT。它可以处理 JSONPath 查询、正则表达式提取以及 JavaScript 沙盒执行等任务。希望这篇文章能帮助你更好地理解如何构建类似的插件,并将其应用到你的项目中。如果你有任何问题或建议,欢迎在评论区留言讨论。

这篇关于使用Python写一个适用于Dify和FastGPT的JsonPath插件的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/1123768

相关文章

Spring @RequestMapping 注解及使用技巧详解

《Spring@RequestMapping注解及使用技巧详解》@RequestMapping是SpringMVC中定义请求映射规则的核心注解,用于将HTTP请求映射到Controller处理方法... 目录一、核心作用二、关键参数说明三、快捷组合注解四、动态路径参数(@PathVariable)五、匹配请

Python实现自动化Word文档样式复制与内容生成

《Python实现自动化Word文档样式复制与内容生成》在办公自动化领域,高效处理Word文档的样式和内容复制是一个常见需求,本文将展示如何利用Python的python-docx库实现... 目录一、为什么需要自动化 Word 文档处理二、核心功能实现:样式与表格的深度复制1. 表格复制(含样式与内容)2

Java 枚举的基本使用方法及实际使用场景

《Java枚举的基本使用方法及实际使用场景》枚举是Java中一种特殊的类,用于定义一组固定的常量,枚举类型提供了更好的类型安全性和可读性,适用于需要定义一组有限且固定的值的场景,本文给大家介绍Jav... 目录一、什么是枚举?二、枚举的基本使用方法定义枚举三、实际使用场景代替常量状态机四、更多用法1.实现接

python获取cmd环境变量值的实现代码

《python获取cmd环境变量值的实现代码》:本文主要介绍在Python中获取命令行(cmd)环境变量的值,可以使用标准库中的os模块,需要的朋友可以参考下... 前言全局说明在执行py过程中,总要使用到系统环境变量一、说明1.1 环境:Windows 11 家庭版 24H2 26100.4061

springboot项目中使用JOSN解析库的方法

《springboot项目中使用JOSN解析库的方法》JSON,全程是JavaScriptObjectNotation,是一种轻量级的数据交换格式,本文给大家介绍springboot项目中使用JOSN... 目录一、jsON解析简介二、Spring Boot项目中使用JSON解析1、pom.XML文件引入依

Java中的record使用详解

《Java中的record使用详解》record是Java14引入的一种新语法(在Java16中成为正式功能),用于定义不可变的数据类,这篇文章给大家介绍Java中的record相关知识,感兴趣的朋友... 目录1. 什么是 record?2. 基本语法3. record 的核心特性4. 使用场景5. 自定

Python中文件读取操作漏洞深度解析与防护指南

《Python中文件读取操作漏洞深度解析与防护指南》在Web应用开发中,文件操作是最基础也最危险的功能之一,这篇文章将全面剖析Python环境中常见的文件读取漏洞类型,成因及防护方案,感兴趣的小伙伴可... 目录引言一、静态资源处理中的路径穿越漏洞1.1 典型漏洞场景1.2 os.path.join()的陷

Python数据分析与可视化的全面指南(从数据清洗到图表呈现)

《Python数据分析与可视化的全面指南(从数据清洗到图表呈现)》Python是数据分析与可视化领域中最受欢迎的编程语言之一,凭借其丰富的库和工具,Python能够帮助我们快速处理、分析数据并生成高质... 目录一、数据采集与初步探索二、数据清洗的七种武器1. 缺失值处理策略2. 异常值检测与修正3. 数据

Python中bisect_left 函数实现高效插入与有序列表管理

《Python中bisect_left函数实现高效插入与有序列表管理》Python的bisect_left函数通过二分查找高效定位有序列表插入位置,与bisect_right的区别在于处理重复元素时... 目录一、bisect_left 基本介绍1.1 函数定义1.2 核心功能二、bisect_left 与

Python使用Tkinter打造一个完整的桌面应用

《Python使用Tkinter打造一个完整的桌面应用》在Python生态中,Tkinter就像一把瑞士军刀,它没有花哨的特效,却能快速搭建出实用的图形界面,作为Python自带的标准库,无需安装即可... 目录一、界面搭建:像搭积木一样组合控件二、菜单系统:给应用装上“控制中枢”三、事件驱动:让界面“活”