Конвертер JSON в классы Python

Что такое конвертация JSON в Python?

Примеры

{"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]

Как конвертировать JSON в Python

1. 1

   Вставьте JSON

   Поместите объект JSON, массив или ответ API в поле ввода. Конвертация начинается мгновенно.

2. 2

   Выберите dataclass, Pydantic или TypedDict

   Переключайте стиль вывода под свой проект и переименуйте корневой класс со стандартного Root.

3. 3

   Скопируйте или скачайте

   Получите сгенерированный Python одним кликом и вставьте прямо в свой код.

Common Use Cases

Типизированные клиенты API

Превратите образец ответа REST или GraphQL в модели Pydantic или dataclass для клиента requests или httpx, не написав определения полей вручную.

Разбор конфигов и фикстур

Генерируйте модели для конфигурационных файлов JSON, тестовых фикстур или payload'ов вебхуков, которые нужно загрузить и проверить.

Быстрое прототипирование и подсказки типов

Вставьте незнакомый payload, чтобы мгновенно увидеть его форму как типы Python — быстрый способ изучить новый API или добавить подсказки TypedDict в устаревший код на dict.

Как работает конвертация

Структурный вывод

Каждый объект становится именованным классом; одинаковые формы дедуплицируются, так что вы получаете один класс, а не копии. Массивы объектов сливаются ключ за ключом, а ключи, отсутствующие в части элементов, становятся Optional.

Три идиоматичных цели

dataclass не тянет зависимостей и сохраняет допустимые ключи для Root(**data); Pydantic v2 добавляет alias через Field и populate_by_name для настоящей валидации; TypedDict описывает обычный dict для статических анализаторов типов, используя функциональный синтаксис, когда ключ не является идентификатором.

Правильная типизация с минимумом зависимостей

Целые числа отображаются в int (произвольная точность, без переполнения), дробные и экспоненты — в float, а поля только с null — в Optional[Any]. Импорты из typing (Optional, List, Any) добавляются только тогда, когда действительно используются.

100% на стороне клиента

Разбор и генерация выполняются в браузере без сетевых запросов, поэтому ваши данные остаются приватными.

Советы для чистых моделей Python

Подбирайте режим под задачу

Используйте dataclass для внутренних контейнеров данных, Pydantic v2 — когда проверяете или разбираете непроверенный ввод, и TypedDict — когда нужны только статические подсказки типов поверх существующих dict.

Вставляйте представительный образец

Поля помечаются как Optional только когда образец их пропускает, а значения только с null сводятся к Any. Заполненный полный пример даёт наиболее точные типы.

Дайте имя корневому классу

Задайте осмысленное корневое имя (User, ApiResponse) вместо стандартного Root для читаемого и импортируемого кода.

Часто задаваемые вопросы