JSON parser raises IndexError on a top-level scalar value, failing document ingestion

问题场景

用户在 RAGFlow 中上传语法合法、但顶层值为 JSON 标量的 .json、.jsonl 或 .ldjson 文档并触发文档解析任务。Issue 复现结果表明，顶层为 42、”hello”、true、3.14、null 时均会报错，而顶层为数组 [1,2,3] 或对象 {“a”:1} 时能正常解析。

报错原文

JSON parser raises IndexError on a top-level scalar value, failing document ingestion
IndexError: list index out of range

原因分析

根据 Issue 的调用链分析，顶层为标量时 is_jsonl_format() 因 json.loads(txt) 成功而返回 False，解析进入 _parse_json → split_json → _list_to_dict_preprocessing。预处理对标量不做转换，于是 _json_split(scalar, [], …) 走到只处理单条数据的 else 分支，调用 _set_nested_dict(chunks[-1], [], data)，此时 current_path 为空列表，_set_nested_dict 中的 d[path[-1]] = value 对空列表取下标，触发 IndexError。

由于 rag/app/naive.py 中的 _parse_json 只捕获 json.JSONDecodeError，IndexError 会继续向上抛出，最终使整个解析任务失败。顶层列表不出问题，是因为预处理会把列表转换成以索引为键的字典，而标量没有这层转换。

环境排查

• 确认使用的 RAGFlow 版本是否已包含 #16877 的修复。
• 检查 deepdoc/parser/json_parser.py 中 _set_nested_dict 是否已对空 path 做返回处理。
• 检查 rag/app/naive.py 的 _parse_json 异常捕获范围，确认是否仍只捕获 JSONDecodeError。
• 确认待解析文档的顶层值类型是标量、数组还是对象，可先用等价输入判断是否稳定复现。

解决步骤

1. 先确认问题是否与顶层标量输入直接相关：用顶层为 42、true 等标量的 JSON 文档触发解析，并确认报错为 IndexError 而非 JSONDecodeError。
2. 可优先尝试升级到包含 #16877 修复的 RAGFlow 版本，升级后重新执行同一份文档的解析任务。
3. 若暂时无法升级，可优先尝试在 _set_nested_dict 中为 path 为空的情况增加保护（直接返回，不再执行 path[-1] 取下标），然后重启解析服务并重试。
4. 解析完成后检查任务状态与输出分块结果，确认标量文档不再导致任务失败。

验证方法

重新上传顶层为标量值的 JSON 文档（如 42、true、null），确认解析任务不再抛出 IndexError，且能够正常完成；同时用顶层为数组 [1,2,3] 和对象 {“a”:1} 的文档回归验证，确认原有解析行为未受影响。

参考来源

infiniflow/ragflow #15718

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。