JSON naar Python-klasse-omzetter

Wat is JSON naar Python-conversie?

Voorbeelden

{"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]

Zo zet je JSON om naar Python

1. 1

   Plak je JSON

   Zet een JSON-object, array of API-respons in het invoerveld. De conversie start direct.

2. 2

   Kies dataclass, Pydantic of TypedDict

   Schakel de uitvoerstijl om die bij je project past, en hernoem de root-klasse vanaf de standaard Root.

3. 3

   Kopieer of download

   Haal de gegenereerde Python met één klik op en plak het rechtstreeks in je code.

Common Use Cases

Getypeerde API-clients

Zet een voorbeeldrespons van REST of GraphQL om in Pydantic-modellen of dataclasses voor een requests- of httpx-client, zonder velddefinities met de hand te schrijven.

Config- en fixture-parsing

Genereer modellen voor JSON-configuratiebestanden, testfixtures of webhook-payloads die je moet laden en valideren.

Snel prototypen en type-hints

Plak een onbekende payload om de vorm ervan direct als Python-typen te zien — een snelle manier om een nieuwe API te verkennen of TypedDict-hints toe te voegen aan bestaande dict-code.

Hoe de conversie werkt

Structurele afleiding

Elk object wordt een benoemde klasse; identieke vormen worden ontdubbeld, zodat je één klasse krijgt en geen kopieën. Arrays van objecten worden sleutel voor sleutel samengevoegd, en sleutels die in sommige items ontbreken, worden Optional.

Drie idiomatische doelen

dataclass houdt nul dependencies aan en behoudt geldige sleutels voor Root(**data); Pydantic v2 voegt Field-aliassen plus populate_by_name toe voor echte validatie; TypedDict beschrijft een gewone dict voor statische typecheckers, met functionele syntaxis wanneer een sleutel geen identifier is.

Correcte, dependency-arme typering

Gehele getallen worden int (willekeurige precisie, geen overflow), decimalen en exponenten worden float, en velden die alleen null zijn, worden Optional[Any]. typing-imports (Optional, List, Any) worden alleen toegevoegd wanneer ze daadwerkelijk worden gebruikt.

100% aan de clientzijde

Het parsen en genereren draait in je browser zonder netwerkaanroepen, zodat je data privé blijft.

Tips voor schone Python-modellen

Stem de modus af op de taak

Gebruik dataclass voor interne datahouders, Pydantic v2 wanneer je niet-vertrouwde invoer valideert of parset, en TypedDict wanneer je alleen statische type-hints over bestaande dicts nodig hebt.

Plak een representatief voorbeeld

Velden worden alleen als Optional gemarkeerd wanneer een voorbeeld ze weglaat, en waarden die alleen null zijn, vallen terug op Any. Een ingevuld, volledig voorbeeld levert de nauwkeurigste typen op.

Geef je root-klasse een naam

Stel een betekenisvolle rootnaam in (User, ApiResponse) in plaats van de standaard Root voor leesbare, importeerbare code.

Veelgestelde vragen