JSONパーサー

生の文字列をJSONに解析します。

JSON文字列（生のJSON、またはMarkdownコードブロックで囲まれたJSON）を、指定したフィールドを抽出して個別の出力として公開することで構造化データに変換します。これにより、JSON解析、LLM/VLM出力処理、構造化データ抽出、設定解析のワークフローで、JSON文字列を利用可能なワークフローデータに変換できます。

このブロックの仕組み

このブロックはJSON文字列を解析し、指定したフィールドを個別の出力として抽出します。このブロックは次のことを行います。

1. JSON文字列の入力を受け取ります（通常はLLM/VLMブロックまたはワークフロー入力から）

2. JSONコンテンツを検出して抽出します：

   Markdownで囲まれたJSONを処理します:

   • Markdownコードブロック内に囲まれたJSONを検索します（json ... )

   • この形式はLLM/VLMの応答で非常によく見られます（例：GPTの応答）

   • 複数のMarkdown JSONブロックが見つかった場合は、最初のブロックのみを解析します

   • Markdownタグ内からJSONコンテンツを抽出します

   生のJSON文字列を処理します:

   • Markdownブロックが見つからない場合は、文字列全体をJSONとして解析しようとします

   • 標準的なJSON形式の文字列をサポートします

3. JSONコンテンツを解析します：

   • PythonのJSONパーサーを使用して、文字列をJSONオブジェクト/辞書に変換します

   • 解析エラーを適切に処理します（解析に失敗した場合は、すべてのフィールドにNoneを返します）

4. 期待されるフィールドを抽出します：

   • で指定された各フィールドの値を取得します expected_fields parameter

   • 期待される各フィールドについて、解析済みJSON内の対応するキーを検索します

   • フィールド値を返します（フィールドがない場合はNone）

5. エラー状態を設定します：

   • error_status が設定されます True 期待されるフィールドのうち少なくとも1つを解析済みJSONから取得できない場合

   • error_status が設定されます False すべての期待されるフィールドが見つかった場合（複数のMarkdownブロックが存在しても、最初のもののみが解析されます）

   • エラー状態は常に出力に含まれるため、後続のブロックで解析の成功可否を確認できます

6. フィールドを出力として公開します：

   • の各フィールドは expected_fields フィールド名を持つ個別の出力になります

   • フィールド値は解析済みJSONから抽出され、出力として利用可能になります

   • 欠落しているフィールドはNoneに設定されます

   • すべての出力は次の形式で参照できます $steps.block_name.field_name 構文

7. 解析済みデータを返します：

   • 出力には以下が含まれます： error_status （boolean）およびすべての期待されるフィールド

   • フィールドにはJSONから抽出された値が含まれます（欠落している場合はNone）

   • 出力は後続のワークフローステップで使用できます

このブロックは、JSONを返すLLM/VLMの出力の処理、JSON文字列からの構造化設定の抽出、JSONレスポンスのワークフローで利用可能なデータへの解析に特に役立ちます。LLMがMarkdownコードブロック内にJSONを包む一般的なケースにも対応します。

一般的な使用例

• LLM/VLM出力処理: 大規模言語モデルおよび視覚言語モデルからのJSON出力を解析します（例：GPTのJSON応答を解析し、LLM出力から構造化データを抽出し、VLMのJSON応答を処理する）。これにより、LLM/VLM出力処理ワークフローが可能になります

• 構造化データ抽出: ワークフローで使用するためにJSON文字列から構造化データを抽出します（例：設定パラメータを抽出し、JSON応答を解析し、構造化フィールドを抽出する）。これにより、構造化データ抽出ワークフローが可能になります

• 設定解析: JSON設定文字列をワークフロー・パラメータに変換します（例：モデル設定を解析し、ワークフローパラメータを抽出し、JSON設定を解析する）。これにより、設定解析ワークフローが可能になります

• JSONレスポンス処理: APIやモデルからのJSONレスポンスを処理します（例：APIのJSON応答を解析し、JSONからフィールドを抽出し、JSONデータを処理する）。これにより、JSONレスポンス処理ワークフローが可能になります

• 動的パラメータ抽出: ワークフローのステップで使用するためにJSON文字列から動的パラメータを抽出します（例：JSONからモデルIDを抽出し、動的設定を解析し、パラメータを動的に抽出する）。これにより、動的パラメータワークフローが可能になります

• データ形式変換: JSON文字列を構造化されたワークフローデータに変換します（例：JSONをワークフロー入力に変換し、ワークフローで使うためにJSONを解析し、JSONフィールドを抽出する）。これにより、データ形式変換ワークフローが可能になります

他のブロックへの接続

このブロックはJSON文字列を受け取り、解析済みのフィールド出力を生成します：

• LLM/VLMブロックの後 JSON出力を構造化データに解析します（例：LLMのJSON出力を解析し、VLMのJSONフィールドを抽出し、モデルのJSON応答を処理する）。これにより、LLM/VLMからパーサーへのワークフローが可能になります

• ワークフロー入力の後 JSON入力パラメータを解析します（例：JSON設定入力を解析し、JSONパラメータを抽出し、JSONワークフロー入力を処理する）。これにより、入力からパーサーへのワークフローが可能になります

• モデルブロックの前 解析済みフィールドをモデルパラメータとして使用します（例：解析済みのmodel_idをモデルに使い、解析済みの設定をモデル設定に使い、解析済みパラメータをモデルに渡す）。これにより、パーサーからモデルへのワークフローが可能になります

• ロジックブロックの前 条件で解析済みフィールドを使用します（例：Continue Ifで解析済み値を使い、解析済みフィールドに基づいてフィルタリングし、解析済みデータを使って判断する）。これにより、パーサーからロジックへのワークフローが可能になります

• データ保存ブロックの前 解析済みフィールド値を保存します（例：解析済みJSONフィールドを保存し、解析済み値を記録し、解析済みデータを保存する）。これにより、パーサーからストレージへのワークフローが可能になります

• ワークフロー出力において 解析済みフィールドを最終出力として提供します（例：JSON解析出力、構造化データ出力、解析済みフィールド出力）。これにより、パーサーから出力へのワークフローが可能になります

要件

このブロックにはJSON文字列入力（生のJSON、またはMarkdownコードブロックで囲まれたJSON）が必要です。この expected_fields パラメータは、どのJSONフィールドを出力として抽出するかを指定します（フィールド名は有効なJSONキーである必要があります）。The error_status フィールド名は予約済みであり、使用できません expected_fields。このブロックは生のJSON文字列と、Markdownコードブロックで囲まれたJSONの両方をサポートします（json ... ）。複数のMarkdownブロックが見つかった場合、最初のものだけが解析されます。解析に失敗した場合、または期待されるフィールドが欠落している場合、フィールドはNoneに設定され、 error_status がTrueに設定されます。期待されるすべてのフィールドは個別の出力となり、後続のワークフローステップで参照できます。

型識別子

ステップで次の識別子を使用してください "type" フィールド： roboflow_core/json_parser@v1 ワークフローにこのブロックをステップとして追加するには。

プロパティ

名前	型	説明	参照
name	str	このステップの一意の識別子を入力してください。	❌
raw_json	str	解析するJSON文字列。生のJSON文字列（例：'{"key": "value"}'）またはMarkdownコードブロックで囲まれたJSON（例： json {"key": "value"} ）。Markdownで囲まれたJSONはLLM/VLMの応答でよく見られます。複数のMarkdown JSONブロックがある場合、最初のブロックのみが解析されます。文字列はPythonのJSONパーサーを使って解析され、指定されたフィールドが出力として抽出されます。	✅
expected_fields	List[str]	解析済みJSONから抽出するJSONフィールド名の一覧。各フィールドは、後続のワークフローステップで参照できる個別の出力になります（例：$steps.block_name.field_name）。JSON内に存在するフィールドはその値とともに抽出され、存在しないフィールドはNoneに設定されます。'error_status' フィールド名は予約済み（常に出力として含まれます）であり、この一覧では使用できません。フィールド名はJSONキーと完全に一致する必要があります。	❌

この 参照 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します ワークフロー 実行時。参照 バインディング 詳細は。

入力と出力のバインディング

利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が JSONパーサー のバージョン v1 あるか確認してください。

入力と出力のバインディング

• 入力

  • raw_json (language_model_output): 解析するJSON文字列。生のJSON文字列（例：'{"key": "value"}'）またはMarkdownコードブロックで囲まれたJSON（例： json {"key": "value"} ）。Markdownで囲まれたJSONはLLM/VLMの応答でよく見られます。複数のMarkdown JSONブロックがある場合、最初のブロックのみが解析されます。文字列はPythonのJSONパーサーを使って解析され、指定されたフィールドが出力として抽出されます。

• 出力

  • error_status (boolean) : ブールフラグ。

  • * (*)：任意の要素に相当します。

JSON 定義の例

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/json_parser@v1",
	    "raw_json": "$steps.lmm.output",
	    "expected_fields": [
	        "field_a",
	        "field_b"
	    ]
	}