JsonParser

Extract and parse JSON from text input, handling both plain JSON and Markdown code blocks. This is useful for processing language model outputs that return JSON data wrapped in Markdown formatting.

Key Features

• Parses plain JSON strings from text input.
• Handles JSON wrapped in Markdown code blocks (```json ... ```).
• Handles JSON wrapped in generic code blocks (``` ... ```).
• Configurable extraction pattern via a custom regular expression.
• Returns the parsed JSON as a dictionary for downstream processing.
• Works with any component that produces text output containing JSON.

Configuration

1. Drag the JsonParser component onto the canvas from the Component Library.
2. Click the component to open the configuration panel.
3. Configure the parameters as needed.

Connections

JsonParser accepts a text string (text) as input and outputs the parsed JSON object (parsed_json) as a dictionary.

Typically, JsonParser receives text from a generator such as OpenAIChatGenerator. Because generators output chat messages rather than plain strings, you usually connect an OutputAdapter between the generator and JsonParser to align the types. The parsed_json output then connects to a component like ConditionalRouter that acts on the structured data.

Usage Example

This is an example of JsonParser that receives text containing JSON from a generator and parses it. There is an OutputAdapter between the generator and JsonParser to align the input and output types of these two components:

components:
  OutputAdapter:
    type: haystack.components.converters.output_adapter.OutputAdapter
    init_parameters:
      template: "{{ last_message }}"
      output_type: str
      custom_filters:
      unsafe: false
  JsonParser:
    type: deepset_cloud_custom_nodes.parsers.json_parser.JsonParser
    init_parameters:
      code_block_pattern: '```(?:json)?\n(.*?)\n```'
  ConditionalRouter:
    type: haystack.components.routers.conditional_router.ConditionalRouter
    init_parameters:
      routes:
      - condition: '{{decision.mode == "PASSAGE"}}'
        output: '{{history}}'
        output_name: followup
        output_type: typing.List[haystack.dataclasses.ChatMessage]
      - condition: '{{decision.mode == "FRAGE" and decision.complexity in ["simple",
          "medium"]}}'
        output: '{{decision.query}}'
        output_name: search
        output_type: str
      - condition: '{{decision.mode == "FRAGE" and decision.complexity not in ["simple",
          "medium"]}}'
        output: '{{history}}'
        output_name: agent
        output_type: typing.List[haystack.dataclasses.ChatMessage]
      - condition: '{{True}}'
        output: '{{(history|last).text}}'
        output_name: search_last_history
        output_type: str
      custom_filters: {}
      unsafe: false
      validate_output_type: false
      optional_variables:

  LLM:
    type: haystack.components.generators.chat.llm.LLM
    init_parameters:
      chat_generator:
        init_parameters:
          model: gpt-5.4
        type: haystack.components.generators.chat.openai_responses.OpenAIResponsesChatGenerator
      system_prompt: >-
        {% message role="system" %}

        \nDu bist ein exzellentes Labelling-Tool.\nDu bekommst einen
        Chatverlauf.\n\n**1. Label Bestimmung**\nFalls die letzte user Frage
        nach Informationen aus einer Datenbank sucht, gebe \"FRAGE\" aus.\nDies
        ist auch der Fall, wenn etwas erklärt werden soll oder eine Aufgabe
        gestellt wird, deren Lösung den Abruf von neuen Informationen erfordert
        (z.B. Vergleiche, Tabellen, Analysen erstellen).\n**WICHTIG:** Auch
        reine Sachverhaltsschilderungen (z.B. juristische Fälle) ohne explizite
        Frage fallen unter das Label \"FRAGE\", da sie implizit nach einer
        rechtlichen Einordnung oder ähnlichen Fällen suchen.\n\nFalls die letzte
        user Frage Instruktionen sind zum Arbeiten mit einer bereits im
        Chatverlauf vorhandenen oder vom User explizit bereitgestellten Passage,
        gebe \"PASSAGE\" aus. Dies gilt nur, wenn keine neuen Informationen aus
        einer Datenbank abgerufen werden müssen.\nFalls der Chatverlauf nur eine
        user Message enthält, kann nicht das Label \"PASSAGE\" ausgegeben
        werden.\nBeispielfragen, welche sich auf die Passage beziehen, sind:
        'schreibe davon eine zusammenfassung', 'in stichpunkten' oder
        'formuliere als email um'.\n\n**2. Output für \"PASSAGE\"**\nFür das
        Label \"PASSAGE\" gibst du NICHTS zusätzlich aus.\nFormat: { \"label\":
        \"PASSAGE\" }\n\n**3. Output für \"FRAGE\"**\nFür das Label \"FRAGE\"
        gibst du zusätzlich \"query\" und \"complexity\" aus.\n\n**A)
        Query-Generierung:**\nDie \"query\" muss in natürlicher Sprache sein, da
        sie von einer keyword und einer semantic search hybrid verarbeitet wird.
        Sei daher möglichst explizit mit den Keywords.\n\n**Spezialfall
        Sachverhalt:** Wenn der User-Input eine reine Sachverhaltsschilderung
        (Fakten, Fallbeispiel) ohne explizite Frage ist, generiere als \"query\"
        eine prägnante **Fallbeschreibung**, die die wesentlichen Fakten und
        juristischen Probleme zusammenfasst (z.B. \"Fallbeschreibung: Schenkung
        unter Auflage, nachträglicher Diebstahl durch Beschenkte und Haftung für
        Drittschaden\"). Formuliere in diesem Fall KEINE hypothetischen
        Fragen.\n\nWenn nach X auch nach Y gefragt wird, frage in der \"query\"
        nur nach Y und wiederhole nicht noch einmal X.\nAbkürzungen wie
        \"ArbVG\", \"BVwG\" oder \"Abs\", sowie alle Paragraphen bleiben
        bestehen und dürfen in der \"query\" nicht umformuliert werden.\nWenn
        die Frage keinen Kontext aus der Chat Historie benötigt, gebe sie
        unbearbeitet in \"query\" aus.\n\n**B) Komplexitätsbestimmung
        (Complexity Analysis):**\nBestimme die Komplexität des Retrievals
        (\"complexity\") basierend auf der Schwierigkeit der Anfrage:\n-
        **simple**: 1-2 Aspekte/Anspruchsgrundlagen, 1 Themengebiet, klare
        Faktenabfrage oder Definition, Standard-Recherche.\n- **medium**: 2-4
        Aspekte, 2-3 Themengebiete, Vergleiche zwischen zwei Entitäten, Listen,
        abgrenzbare Themen.\n- **high**: 5-7 Aspekte, 3-4 Themengebiete mit
        Wechselwirkungen, Synthese aus mehreren Quellen nötig, Abhängigkeiten
        (Wenn X, dann Y).\n- **very_high**: ≥8 Aspekte ODER ≥3-stufige
        Verschachtelungen ODER systematische Widersprüche ODER sehr abstrakte
        Analyseanforderungen.\n\nFormat für FRAGE: { \"label\": \"FRAGE\",
        \"query\": \"...\", \"complexity\": \"...\" }\n\n\n\n\n{{ message.text
        }}\n\n\n\n\n{ \"label\": \"\n

        {% endmessage %}
      user_prompt: |-
        {% message role="user" %}
        {{ query }} 
        {% endmessage %}
      required_variables: "*"
      streaming_callback:

connections:
- sender: OutputAdapter.output
  receiver: JsonParser.text
- sender: JsonParser.parsed_json
  receiver: ConditionalRouter.decision
- sender: LLM.last_message
  receiver: OutputAdapter.last_message

max_runs_per_component: 100

metadata: {}

inputs:
  messages:
  - ConditionalRouter.history
  - LLM.message
  query:
  - LLM.query

Parameters

Inputs

Parameter	Type	Default	Description
text	str		Text containing JSON to parse. Can be plain JSON or JSON wrapped in markdown code blocks.

Outputs

Parameter	Type	Default	Description
parsed_json	Dict[str, Any]		The parsed JSON object.

Init Parameters

These are the parameters you can configure in Pipeline Builder:

Parameter	Type	Default	Description
code_block_pattern	str	"(?:json)?\\n(.*?)\\n"	Regular expression pattern to extract JSON from markdown code blocks. The pattern should include a capture group for the JSON content.

Run Method Parameters

These are the parameters you can configure for the component's run() method. This means you can pass these parameters at query time through the API, in Playground, or when running a job. For details, see Modify Pipeline Parameters at Query Time.

Parameter	Type	Default	Description
text	str		Text containing JSON to parse. Can be plain JSON or JSON wrapped in markdown code blocks.