前言做 Python 开发尤其是做 RAG、做数据处理的时候你肯定遇到过这种场景手里拿着一个字符串长得跟 Python 的列表、对象一模一样打印出来看着就是个 list、就是个 Document 对象但就是不能直接用——遍历报错、取属性报错、下标访问也报错。新手第一反应就是上eval()结果功能是实现了但留下了天大的安全漏洞稍微懂点的用json.loads()又各种报错单引号不行、自定义类不行、括号格式不对…折腾半天要么功能实现了但不安全要么安全了但实现不了。今天我就把这个问题彻底讲透从最简单的 JSON 列表字符串到 LangChain 里的 Document 自定义类字符串从最基础的用法到生产级最佳实践再到所有你会踩的坑全给你讲明白。看完这篇以后再遇到「长得像对象的字符串」你再也不会瞎折腾了。先看第一题JSON格式的列表字符串怎么转成真正的 list题目很简单raw_str[qwen-turbo,qwen-plus,deepseek]把这个字符串转成 Python 的 list。1. 正确做法用 json.loads这是最标准、最安全、最通用的做法没有之一。importjson raw_str[qwen-turbo,qwen-plus,deepseek]model_listjson.loads(raw_str)print(type(model_list))# class listprint(model_list)# [qwen-turbo, qwen-plus, deepseek]就这么简单一行代码搞定。2. 为什么绝对不要用 eval很多新手图省事直接写model_listeval(raw_str)功能确实能实现但我劝你永远不要这么写。为什么因为eval()会执行字符串里的任何Python代码如果这个字符串是用户输入的、或者来自不可信的来源那就是天大的安全漏洞。举个例子如果别人传过来的字符串是这样的raw_str__import__(os).system(rm -rf /)你用 eval 一执行你服务器的文件就全没了哭都来不及。划重点只要是处理不可信来源的字符串永远不要用 eval这是底线。安全这根弦什么时候都不能松。3. 常见坑单引号字符串json.loads 报错怎么办很多人会遇到这种情况字符串里是单引号不是双引号比如raw_str[qwen-turbo, qwen-plus, deepseek]这时候用json.loads()会直接报错因为 JSON 标准要求字符串必须用双引号单引号是不合法的。这时候有两种解决方法方法一替换单引号为双引号简单场景可用importjson raw_str[qwen-turbo, qwen-plus, deepseek]model_listjson.loads(raw_str.replace(,))适合简单的列表、字典里面没有嵌套的引号不会替换错。如果字符串内容本身就包含引号就别用这个方法容易把内容里的引号也替换了导致格式错。方法二用 ast.literal_eval推荐安全ast.literal_eval是 Python 标准库提供的专门用来解析 Python 字面量的字符串比 eval 安全得多它只会解析字面量列表、字典、字符串、数字这些不会执行任何代码绝对安全。importast raw_str[qwen-turbo, qwen-plus, deepseek]model_listast.literal_eval(raw_str)print(type(model_list))# class list这个方法既安全又能兼容 Python 风格的单引号字符串是处理内置类型字符串的首选。大佬经验处理列表、字典、数字、字符串这些 Python 内置类型的字符串优先用ast.literal_eval安全又好用比 json.loads 兼容性好比 eval 安全一万倍。重点第二题自定义类的 repr 字符串怎么拿属性这道题才是真正的高频痛点尤其是做 LangChain、做 RAG 的同学90% 都遇到过你打印检索结果输出是这样的[Document(metadata{pk: 12, page: 2}, page_content...), Document(metadata{pk: 27, page: 2}, page_content...)]看着就是个 Document 对象的列表但它是个字符串你想拿里面的page属性怎么都拿不到急死人。先搞懂本质这不是 JSON是对象的 repr 字符串首先你要明白这个字符串是 Python 对象调用str()或者repr()生成的是给人看的不是给程序解析的。它不是标准 JSON 格式也不是标准的序列化格式只是一个可读的字符串表示本来就不是用来反序列化的。所以你用json.loads()肯定不行因为里面有Document(...)这种语法JSON 根本不认识。下面我给你讲四种方案从最不推荐到最佳实践挨个讲你根据自己的场景选。方案一用 eval最不推荐绝对不要用在生产最简单粗暴的方法直接 evalfromlangchain_core.documentsimportDocument raw_str[Document(metadata{pk: 12, page: 2}, page_content...)]doc_listeval(raw_str)print(doc_list[0].metadata[page])# 2功能是实现了但还是那个问题不安全。如果字符串里有恶意代码eval 会直接执行生产环境绝对不能这么写自己本地调试图省事可以用上线绝对不行。方案二ast.literal_eval也不行解析不了自定义类很多人会说那我用安全的ast.literal_eval行不行不行。因为ast.literal_eval只能解析 Python 的内置字面量类型列表、字典、字符串、数字、元组、集合、布尔值、None 这些。Document是自定义类它根本不认识会直接报错。importast raw_str[Document(metadata{pk: 12, page: 2}, page_content...)]ast.literal_eval(raw_str)# 报错ValueError: malformed node or string on line 1: ast.Call object at 0x10xxx所以这个方案对自定义类无效pass。方案三正则提取推荐只需要个别字段的时候用如果你的需求很简单不需要把整个 Document 对象还原出来只是想拿里面的某几个字段比如page、pk这些。那最简单、最高效、最安全的方法就是用正则直接提取。根本不需要把整个字符串解析成对象你要什么就提什么简单粗暴还不会有安全问题。比如我们要提取所有的page属性importre raw_str[Document(metadata{pk: 12, page: 2}, page_content...), Document(metadata{pk: 27, page: 2}, page_content...), Document(metadata{pk: 14, page: 3}, page_content...)]# 正则匹配 page: 数字page_patternrpage:\s*(\d)pagesre.findall(page_pattern,raw_str)# 转成整数pages[int(p)forpinpages]print(pages)# [2, 2, 3]就这么几行代码直接拿到所有 page 值又快又安全。如果要提取 pk 和 page 两个字段也很简单patternrpk:\s*(\d),\s*page:\s*(\d)matchesre.findall(pattern,raw_str)result[{pk:int(pk),page:int(page)}forpk,pageinmatches]print(result)# [{pk: 12, page: 2}, {pk: 27, page: 2}, {pk: 14, page: 3}]大佬经验很多人一遇到这种问题就想着怎么把整个对象解析出来其实完全没必要。你只需要一两个字段用正则直接提就行代码量少、性能高、还安全是性价比最高的方案。不要为了「优雅」而搞复杂的方案能解决问题的就是好方案。方案四从根源解决最佳实践生产级方案上面的方案都是「亡羊补牢」真正的最佳实践是从一开始就不要把对象转成 repr 字符串去存储或传输。你之所以会遇到这个问题本质上是因为你用了错误的序列化方式把对象用str()转成了字符串存起来了这本来就不是用来干这个的。正确的做法是用标准的序列化方式存的时候就存成可反序列化的格式用的时候直接还原根本不用搞什么字符串解析。方法1给自定义类加 to_dict / from_dict 方法用JSON序列化这是最通用的方法任何自定义类都可以这么做fromlangchain_core.documentsimportDocumentimportjson# 存的时候转成字典再转JSON字符串defdoc_to_json(doc_list):returnjson.dumps([doc.dict()fordocindoc_list],ensure_asciiFalse)# 取的时候JSON转字典再转成Document对象defjson_to_doc(json_str):doc_dictsjson.loads(json_str)return[Document(**d)fordindoc_dicts]LangChain 的 Document 本身就自带dict()方法可以直接转成字典非常方便。存的时候存 JSON 字符串用的时候直接转回来标准、安全、跨语言都能用。方法2用 pickle 序列化Python专属可信环境可用如果只是 Python 内部用不需要跨语言也可以用 pickle 序列化importpickle# 序列化对象转字节doc_bytespickle.dumps(doc_list)# 反序列化字节转对象doc_listpickle.loads(doc_bytes)优点是几乎所有 Python 对象都能序列化不用自己写转换方法缺点是不安全pickle 也能执行代码所以只能用在完全可信的环境不可信来源的 pickle 数据绝对不要加载。划重点生产环境优先用 JSON 序列化通用、安全、好调试只有内部可信环境、JSON 搞不定的复杂对象才考虑 pickle。RAG 场景的实战建议做 RAG 的同学这一条一定要记住永远不要把检索到的 Document 列表转成字符串存到数据库或者缓存里。很多人图省事直接str(documents)存进去等要拿出来用的时候就傻了解析都没法解析。正确的做法如果只需要存文本和元数据转成字典列表存 JSON 格式用的时候再转成 Document如果要完整保留对象用 pickle 序列化存二进制或者用专门的对象存储调试的时候打印看看没问题但绝对不要把 repr 字符串当持久化格式我见过太多人犯这个错一开始图省事存了 str 字符串后面要加功能、要取元数据的时候折腾半天解析不出来最后还是得改存储格式返工成本极高。从一开始就用对序列化方式后面省超多事。避坑清单这些坑90%的人都踩过1. 永远不要用 eval 处理不可信字符串这是铁律没有任何商量的余地。不管是用户输入的、接口传过来的、数据库读出来的只要是不可信来源的字符串绝对不能用 eval。安全无小事别等出事了才后悔。2. 内置类型字符串优先用 ast.literal_eval处理列表、字典、数字这些内置类型的字符串用ast.literal_eval比 json.loads 兼容性好比 eval 安全是首选。3. 只需要个别字段用正则就够了别一上来就想着怎么把整个对象解析出来你只需要一两个字段用正则提取就行简单高效还没安全问题。不要为了所谓的「优雅」搞复杂方案能解决问题的就是最好的方案。4. 自定义对象不要靠解析 repr 还原从源头做好序列化repr 是给人看的不是给程序解析的不要指望靠解析 repr 来还原对象。从一开始就用 JSON 或者 pickle 做序列化从根源上解决问题比什么都强。5. 搞清楚数据格式别用错工具JSON 是 JSONPython repr 是 Python repr是两回事别拿着 json.loads 去解析 repr 字符串那肯定报错。先搞清楚你手里的字符串是什么格式再选对应的工具事半功倍。给新手的 4 条实战心法1. 解决问题选最简单的方案不要过度设计你只需要拿个 page 字段就用正则没必要把整个 Document 都解析出来。简单的方案代码少、bug 少、维护成本低比什么都强。不要为了炫技搞复杂的东西能解决问题的就是好方案。2. 安全永远是第一位的eval 能不用就不用很多新手觉得「我这就是个小项目没人会攻击我」这种想法最危险。安全漏洞都是出其不意的养成良好的习惯从一开始就写安全的代码比什么都重要。3. 序列化要从源头做好不要亡羊补牢不要等把对象转成字符串了才想着怎么解析回来。从设计存储结构的时候就选好正确的序列化方式后面所有问题都不会出现。上游做好了下游就不用擦屁股。4. 搞懂本质而不是记答案遇到问题不要只抄代码要搞懂背后的本质为什么 json.loads 不行因为不是 JSON 格式为什么 eval 不安全因为会执行任意代码为什么正则可以因为你只需要提取固定模式的内容。搞懂了本质以后遇到类似问题你自己就能想出解决方案而不是每次都要搜。最后字符串转对象这个问题说难不难说简单也不简单新手很容易踩坑。但只要你搞懂了本质选对了方法其实就是一两行代码的事。记住简单、安全、高效永远是写代码的第一原则。如果文章对你有帮助欢迎点赞收藏有问题评论区交流。
（支持资料、图片参考_相关定制）_)
