Python 中字符串、列表与对象解析实战：从字符串到 List，再到 Document 内容提取

在实际开发中，我们经常会遇到这样的数据：

• 看起来像list，实际上是str
• 看起来像对象，实际上只是对象的字符串描述
• 从日志、数据库、接口返回的数据中恢复 Python 对象

今天通过两个真实案例，讲解如何正确处理。

一、问题一：字符串形式的 List 如何转换成真正 List？

1.1 场景

例如：

raw_str = '["qwen-turbo","qwen-plus","deepseek"]'

很多初学者会认为：

print(type(raw_str))

应该是：

<class 'list'>

但是实际：

print(type(raw_str))

结果：

<class 'str'>

原因：

它只是一个字符串。

里面的：

["qwen-turbo","qwen-plus","deepseek"]

只是字符。

1.2 错误方式：eval()

很多人第一反应：

result = eval(raw_str)

结果：

['qwen-turbo', 'qwen-plus', 'deepseek']

看起来可以。

但是：

不推荐！

原因：

eval()会执行 Python 代码。

例如：

data = "__import__('os').system('rm -rf /')" eval(data)

如果数据来自：

• 用户输入
• 网络请求
• 数据库

可能造成安全问题。

1.3 推荐方式：ast.literal_eval()

Python 提供安全解析：

import ast raw_str = '["qwen-turbo","qwen-plus","deepseek"]' models = ast.literal_eval(raw_str) print(models) print(type(models))

输出：

['qwen-turbo', 'qwen-plus', 'deepseek'] <class 'list'>

1.4 literal_eval 支持哪些类型？

例如：

list

'["a","b"]'

转换：

["a","b"]

dict

"{'name':'deepseek'}"

转换：

{ "name":"deepseek" }

tuple

"(1,2,3)"

转换：

(1,2,3)

二、问题二：字符串中的 Document 对象如何获取 page？

这是 RAG 项目中非常常见的问题。

例如：

"[Document(metadata={'pk':12,'page':2}, page_content='xxx')]"

很多人看到：

Document

以为：

documents[0].page_content

可以访问。

但是实际上：

type(data)

结果：

<class 'str'>

它不是 Document。

只是：

一个包含 Document 文本描述的字符串。

三、为什么不能直接取 page？

错误：

data = "[Document(metadata={'page':2},page_content='hello')]" print(data[0].page)

错误：

AttributeError

因为：

data：

实际结构：

String | | 字符 | | [ D o c u m e n t ( ... )

Python 不知道：

Document

是什么对象。

四、正确解决方案一：不要让对象变字符串（最佳方案）

如果数据来源是 LangChain：

例如：

from langchain_core.documents import Document docs = [ Document( metadata={ "pk":12, "page":2 }, page_content="测试内容" ) ]

此时：

print(type(docs))

输出：

list

里面元素：

print(type(docs[0]))

输出：

Document

那么直接：

for doc in docs: print(doc.metadata["page"]) print(doc.page_content)

输出：

2 测试内容

五、真实场景：数据库里面保存成字符串怎么办？

很多项目：

比如：

mysql 字段： documents 内容： "[Document(...)]"

读取以后：

content = row.documents

变成：

str

怎么办？

方法1：正则提取 page_content

如果只是想获取文本：

import re text = """ Document(metadata={'page':2}, page_content='hello world') """ contents = re.findall( r"page_content='(.*?)'", text, re.S ) print(contents)

结果：

[ 'hello world' ]

然后：

result = "\n".join(contents)

得到：

hello world

六、方法2：重新构造 Document 对象

推荐在 RAG 项目中使用。

假设：

字符串：

doc_str

里面：

metadata page_content

解析：

from langchain_core.documents import Document docs=[] for item in解析后的数据: docs.append( Document( metadata=item["metadata"], page_content=item["page_content"] ) )

之后：

for doc in docs: print(doc.metadata["page"]) print(doc.page_content)

七、如果字符串格式固定，可以使用 ast + 转换

例如：

text = """ [ { "metadata":{ "page":2 }, "page_content":"hello" } ] """

转换：

import ast data = ast.literal_eval(text) for item in data: print(item["metadata"]["page"]) print(item["page_content"])

输出：

2 hello

八、RAG项目中的实际应用

在知识库系统里面：

流程：

PDF | ↓ Document对象 Document( metadata={ page:1 }, page_content="政策内容" ) | ↓ Embedding | ↓ Vector DB

检索回来：

应该保持：

List[Document]

例如：

docs = vector_store.similarity_search(question)

返回：

[ Document(...), Document(...) ]

然后：

for doc in docs: page = doc.metadata["page"] content = doc.page_content

生成引用：

来源： 政策文件.pdf 第2页 内容： xxxx

九、两个问题总结

十、最终记忆

开发中遇到：

看起来像对象

先问：

print(type(data))

如果：

str

不要直接：

data.xxx

先恢复对象。

RAG 开发尤其注意：

Document对象 ↓ 不要变成字符串 ↓ 保持 List[Document] ↓ metadata 保存来源 ↓ page_content 保存正文

这也是为什么 LangChain、LlamaIndex 等框架一直强调：

检索阶段保持 Document 对象结构，不要提前转成字符串。