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!



http://www.chinasem.cn/article/1123768

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss