Convertitore da JSON a classi Python

Cos'è la conversione da JSON a Python?

Esempi

{"id":101,"name":"Ada Lovelace","email":"ada@example.com","active":true,"roles":["admin","user"]}

from dataclasses import dataclass
from typing import List


@dataclass
class Root:
    id: int
    name: str
    email: str
    active: bool
    roles: List[str]

{"repo":"pydantic","owner":{"login":"samuelcolvin","id":100}}

from dataclasses import dataclass


@dataclass
class Owner:
    login: str
    id: int


@dataclass
class Root:
    repo: str
    owner: Owner

{"login":"octocat","publicRepos":15,"createdAt":"2011-01-25"}

from pydantic import BaseModel, ConfigDict, Field


class Root(BaseModel):
    model_config = ConfigDict(populate_by_name=True)

    login: str
    public_repos: int = Field(alias="publicRepos")
    created_at: str = Field(alias="createdAt")

{"users":[{"id":1,"nick":"x"},{"id":2}]}

from typing import List, Optional, TypedDict


class User(TypedDict):
    id: int
    nick: Optional[str]


class Root(TypedDict):
    users: List[User]

Come convertire JSON in Python

1. 1

   Incolla il tuo JSON

   Inserisci un oggetto JSON, un array o una risposta API nel campo di input. La conversione parte istantaneamente.

2. 2

   Scegli dataclass, Pydantic o TypedDict

   Cambia lo stile dell'output per adattarlo al tuo progetto e rinomina la classe radice dal predefinito Root.

3. 3

   Copia o scarica

   Prendi il Python generato con un clic e incollalo direttamente nel tuo codice.

Common Use Cases

Client API tipizzati

Trasforma una risposta di esempio REST o GraphQL in modelli Pydantic o dataclass per un client requests o httpx senza scrivere a mano le definizioni dei campi.

Parsing di configurazioni e fixture

Genera modelli per file di configurazione JSON, fixture di test o payload di webhook che devi caricare e validare.

Prototipazione rapida e type hint

Incolla un payload sconosciuto per vederne all'istante la forma come tipi Python — un modo rapido per esplorare una nuova API o aggiungere i type hint TypedDict a codice legacy basato su dict.

Come funziona la conversione

Inferenza strutturale

Ogni oggetto diventa una classe con nome; le forme identiche vengono deduplicate così ottieni una sola classe, non delle copie. Gli array di oggetti vengono uniti chiave per chiave, e le chiavi assenti in alcuni elementi diventano Optional.

Tre target idiomatici

dataclass mantiene zero dipendenze e preserva le chiavi valide per Root(**data); Pydantic v2 aggiunge gli alias Field più populate_by_name per una vera validazione; TypedDict descrive un semplice dict per i type checker statici, usando la sintassi funzionale quando una chiave non è un identificatore.

Tipizzazione corretta e con poche dipendenze

I numeri interi corrispondono a int (precisione arbitraria, nessun overflow), i decimali e gli esponenti a float, e i campi solo null a Optional[Any]. Gli import da typing (Optional, List, Any) vengono aggiunti solo quando effettivamente usati.

100% lato client

Il parsing e la generazione girano nel tuo browser senza chiamate di rete, così i tuoi dati restano privati.

Consigli per modelli Python puliti

Adatta la modalità al lavoro

Usa dataclass per i contenitori di dati interni, Pydantic v2 quando validi o analizzi input non attendibili, e TypedDict quando ti servono solo i type hint statici su dict esistenti.

Incolla un campione rappresentativo

I campi vengono contrassegnati come Optional solo quando un campione li omette, e i valori solo null ripiegano su Any. Un esempio completo e compilato produce i tipi più precisi.

Dai un nome alla classe radice

Imposta un nome radice significativo (User, ApiResponse) invece del Root predefinito per un codice leggibile e importabile.

Domande frequenti