大模型/gpt进行稳定的JSON格式输出：实用技巧【订正转义/换行符/隐形字符/其余文字解释】

解决方法一：把prompt写的更严格

加入这么一句：

Ensure the output is a valid JSON object in a compact format without any additional explanations, escape characters, newline characters, or backslashes.

确保输出是紧凑格式的有效 JSON 对象，不包含任何其他解释、转义符、换行符或反斜杠。

解决方法二 从代码方面进行json订正（json格式订正+while循环）:

每次生成一条新的数据后：

1. 对数据进行json格式订正。
2. 若对数据进行json格式订正后，仍然不符合我们规定的输出的格式（生成质量差）
   • while循环让其重新根据这个数据进行生成。

伪代码思想：

在处理每个图像时，使用while True循环，直到生成正确的JSON格式为止。
- 每次gpt输出后，输入订正JSON格式函数中
    - 如果生成的JSON格式（订正后）正确，跳出循环继续处理下一个图像。
    - 如果生成的JSON格式不正确，打印错误信息并重新处理当前图像。

代码实现细节：

1. 先while循环和（try-catch）：

现在输入一张要处理的图像：

• 调用GPT
• GPT输出内容输入【订正json格式的函数】
• 如果订正后JSON格式正确，把其保存（以json对象进行保存（更稳定）），break跳出循环
• 如果订正JSON格式后仍然不正确，重新while循环处理当前图像

	# 现在输入一张要处理的图像
    while True:
        try:
        	# 调用GPT
            response = chat_completions(image_file)
            # GPT结果输入订正json格式函数
            # 记得输入：response.choices[0].message.content
            cleaned_json = clean_and_validate_json(response.choices[0].message.content)
            # 如果订正后json格式正确，把其保存
            if cleaned_json:
                result = {image_name: cleaned_json}
                # 每次处理一个图像后就打开输出文件并更新结果（以json对象进行保存）
                with open(output_file_path, "a") as output_file:
                    output_file.write(json.dumps(result) + "\n")
                break # 如果JSON格式正确，跳出循环
            else:
                continue  # 如果JSON格式不正确，重新处理当前图像

        except Exception as e:
            continue

2. 订正json格式函数

1. 希望gpt生成的json格式案例：

{
    "image_id": "image123",
    "translations": [
        {
            "text": "Hello, World!",
            "language": "en"
        },
        {
            "text": "Bonjour le monde!",
            "language": "fr"
        }
    ]
}

2. 订正流程（用正则表达式（不会破坏json结构））：

• 去除不可见字符
• 去除多余的空格/换行符/转义字符
• 将单引号全部替换为双引号
• 尝试修复常见的JSON格式问题（确保 key 和 value 是用双引号括起来的）
• 尝试加载json对象，并确保其包含所需的键

# output是gpt生成的response.choices[0].message.content
def clean_and_validate_json(output):
    # 去除不可见字符
    output = re.sub(r'[\x00-\x1F\x7F]', '', output)

    # 使用正则表达式去除多余的空格和换行符
    output = re.sub(r'\s+', ' ', output).strip()

    # 将单引号替换为双引号
    output = output.replace("'", '"')

    # 尝试修复常见的 JSON 格式问题
    # 确保 key 和 value 是用双引号括起来的
    output = re.sub(r'(\w+)\s*:\s*([^",{}\[\]]+)', r'"\1": "\2"', output)

    try:
    json_obj = json.loads(output)
	    if 'image_id' in json_obj and 'translations' in json_obj:
        	for translation in json_obj['translations']:
            	if 'text' not in translation or 'language' not in translation:
                	return None
        	return json_obj
    	else:
        	return None
	except json.JSONDecodeError:
    	return None