Konwerter JSON na klasy Python

Czym jest konwersja JSON na Python?

Przykłady

{"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]

Jak przekonwertować JSON na Python

1. 1

   Wklej swój JSON

   Wstaw obiekt JSON, tablicę lub odpowiedź API do pola wejściowego. Konwersja zaczyna się natychmiast.

2. 2

   Wybierz dataclass, Pydantic lub TypedDict

   Przełącz styl wyniku, aby dopasować go do swojego projektu, i zmień nazwę klasy głównej z domyślnej Root.

3. 3

   Skopiuj lub pobierz

   Przejmij wygenerowany kod Python jednym kliknięciem i wklej go prosto do swojego kodu.

Common Use Cases

Typowani klienci API

Zamień przykładową odpowiedź REST lub GraphQL w modele Pydantic lub klasy dataclass dla klienta requests lub httpx, bez ręcznego pisania definicji pól.

Parsowanie konfiguracji i fikstur

Generuj modele dla plików konfiguracyjnych JSON, fikstur testowych lub ładunków webhooków, które musisz wczytać i zweryfikować.

Szybkie prototypowanie i podpowiedzi typów

Wklej nieznany ładunek, aby natychmiast zobaczyć jego kształt jako typy Python — szybki sposób na poznanie nowego API lub dodanie podpowiedzi TypedDict do starszego kodu opartego na dict.

Jak działa konwersja

Wnioskowanie strukturalne

Każdy obiekt staje się nazwaną klasą; identyczne kształty są deduplikowane, więc otrzymujesz jedną klasę, a nie kopie. Tablice obiektów są scalane klucz po kluczu, a klucze nieobecne w niektórych elementach stają się Optional.

Trzy idiomatyczne cele

dataclass nie ma żadnych zależności i zachowuje prawidłowe klucze dla Root(**data); Pydantic v2 dodaje aliasy Field oraz populate_by_name dla prawdziwej walidacji; TypedDict opisuje zwykły dict dla statycznych kontrolerów typów, używając składni funkcyjnej, gdy klucz nie jest identyfikatorem.

Poprawne, oszczędne w zależności typowanie

Liczby całkowite mapują się na int (dowolna precyzja, bez przepełnienia), dziesiętne i wykładniki na float, a pola zawierające wyłącznie null na Optional[Any]. Importy z typing (Optional, List, Any) są dodawane tylko wtedy, gdy są faktycznie używane.

100% po stronie klienta

Parsowanie i generowanie działają w przeglądarce bez wywołań sieciowych, więc twoje dane pozostają prywatne.

Wskazówki dla czystych modeli Python

Dopasuj tryb do zadania

Używaj dataclass do wewnętrznego przechowywania danych, Pydantic v2, gdy walidujesz lub parsujesz niezaufane dane wejściowe, a TypedDict, gdy potrzebujesz jedynie statycznych podpowiedzi typów dla istniejących słowników dict.

Wklej reprezentatywną próbkę

Pola są oznaczane jako Optional tylko wtedy, gdy próbka je pomija, a wartości zawierające wyłącznie null przechodzą na Any. Wypełniony, kompletny przykład daje najbardziej precyzyjne typy.

Nazwij swoją klasę główną

Ustaw sensowną nazwę główną (User, ApiResponse) zamiast domyślnego Root, aby kod był czytelny i łatwy do zaimportowania.

Najczęściej zadawane pytania