Przejdź do treści
TextArray1.41.0
100% lokalnie

JSON na klasę danych Python

Zamień próbkę JSON na typizowane klasy Python — dataclass, Pydantic, TypedDict lub NamedTuple.

Wejście
Wynik
Powiązane narzędzia
JSON na TypeScriptNarzędzia dla programistów
Formatowanie i walidacja JSONFormatowanie
Sortuj JSONNarzędzia dla programistów
różnica kluczy i18nNarzędzia dla programistów
Konwerter TOML na JSONNarzędzia dla programistów
SQL do JSONNarzędzia dla programistów
JSON na klasę danych Python
Wklej JSON lub tablicę, a to narzędzie automatycznie określi typy i wygeneruje klasy Python z pełnymi adnotacjami. Wybierz styl: @dataclass, Pydantic BaseModel do weryfikacji i przetwarzania, TypedDict do typowania istniejącego kodu lub NamedTuple dla niezmienianych rekordów. Obiekty zagnieżdżone stają się własnymi klasami w odpowiedniej kolejności; obiekty o identycznym kształcie ponownie używają jedną klasę zamiast duplikacji.
Opcje kontrolują, czy kod jest konserwatywny czy nowoczesny. „Optional dla pól null” zamienia null na Optional zamiast pustego None; „Dodaj wartości domyślne” umożliwia pominięcie pól przy tworzeniu instancji z automatyczną zmianą kolejności pól wymaganych. „Alias dla nieprawidłowych nazw pól” oczyszcza klucze JSON, które nie są prawidłowymi identyfikatorami, i zachowuje oryginalny klucz poprzez metadane pola lub Pydantic Field(alias=...) dla poprawnej serializacji. „Użyj list[T] zamiast List[T]” przełącza między nowoczesnymi PEP 585 generics a starszym typing.List, a przełącznik przyszłości zmienia Optional[X]/Union[X, Y] na X | None / X | Y w całym kodzie.
Wnioskowanie rozróżnia ciągi, liczby całkowite, zmiennoprzecinkowe i logiczne, łączy mieszaną zawartość tablic w Union i nadaje root tablicom RootItem klasę z Root = list[RootItem] aliasem. Liczby bez części ułamkowej czytane są jako int — nie ma sposobu na odzyskanie „36.0” po przetworzeniu. Wszystko działa lokalnie; Twój JSON i wygenerowany Python nigdy nie opuszczą Twoje urządzenie.
Częste pytania
Jakie style wyjścia są obsługiwane?
Cztery: @dataclass (domyślny styl biblioteki standardowej), Pydantic BaseModel (do weryfikacji i przetwarzania JSON), TypedDict (adnotacje typów nad zwykłym słownikiem bez klasy runtime) i NamedTuple (niezmienialne rekordy podobne do krotek).
Jak obsługiwane są obiekty zagnieżdżone i tablice obiektów?
Każdy odrębny kształt obiektu staje się własną klasą, nazwaną po polu, które go zawiera i zdefiniowanej przed klasą, która się do niego odwołuje. Obiekty z identycznym zestawem pól i typów ponownie używają jedną klasę zamiast duplikowania — tablica rekordów o tym samym kształcie generuje jedną klasę elementu.
Co się stanie z kluczami JSON, które nie są prawidłowymi identyfikatorami Python?
Są oczyszczane na prawidłową nazwę atrybutu (np. „first-name” → first_name). Gdy opcja „Alias dla nieprawidłowych nazw pól” jest włączona, oryginalny klucz jest zachowany poprzez natywny alias (metadane pola w dataclass, Field(alias=...) w Pydantic) lub komentarz na końcu dla TypedDict i NamedTuple, które nie mają wbudowanego mechanizmu aliasu.
Czy może niezawodnie rozróżnić int i float?
Klasyfikuje każdą liczbę na podstawie tego, czy ma część ułamkową w próbce, ale sam JSON nie rozróżnia int od float dla liczb całkowitych — wartość wysłana jako 36.0 jest po przetworzeniu nierozróżnialna od 36, więc jest czytana jako int.
Czy mój JSON jest gdzieś przesyłany?
Nie. Przetwarzanie i generowanie kodu odbywają się całkowicie w Twojej przeglądarce — JSON, który wklejasz, i Python, który wygeneruje, nigdy nie opuszczają Twoje urządzenie.