Nog geen content
Gratis online tool JSON naar Python die JSON-gegevens automatisch omzet naar Python @dataclass klassen met type-annotaties. Strings worden str, integers int, floats float, booleans bool, arrays List[T], geneste objecten genereren onafhankelijke dataclasses, null wordt Optional[Any]. Lokale browseruitvoering, kopieer in één klik of download model.py.
JSON naar Python is het proces van het converteren van JSON-gegevens naar Python @dataclass typedefinities.
@dataclass is een standaardbibliotheekfunctie geïntroduceerd in Python 3.7 (PEP 557).
Typeherkenning is het hart van JSON naar Python.
In tegenstelling tot sommige online tools, vinden alle berekeningen van deze tool plaats in de browser.
Gegenereerde code kan direct in Python-projecten worden gebruikt.
Automatisch gegenereerde code is een startpunt, geen eindpunt.
dataclass vs Pydantic BaseModel vs attrs vs TypedDict.
JSON naar Python heeft unieke waarde in het Data Science ecosysteem.
Andere optionele tools in het Python-ecosysteem: marshmallow, cattrs, pydantic, apischema.
In CLI en automatiseringsscenario's.
Prestaties en onderhoudbaarheid met frozen=True en slots=True.
# requirements.txt
# requests>=2.31
from dataclasses import dataclass
from typing import Any, List, Optional
import json
import requests
@dataclass
class Address:
city: str
zip: str
@dataclass
class User:
id: int
name: str
active: bool
address: Address
tags: List[str]
label: Optional[Any] = None
def main() -> None:
resp = requests.get("https://api.example.com/users/1", timeout=10)
resp.raise_for_status()
user: User = User(**resp.json())
print(f"{user.name} lives in {user.address.city}")
if __name__ == "__main__":
main()# pip install fastapi 'pydantic>=2'
from typing import List, Optional
from fastapi import FastAPI
from pydantic import BaseModel
class Address(BaseModel):
city: str
zip: str
class User(BaseModel):
id: int
name: str
email: str
active: bool = True
address: Address
tags: List[str] = []
label: Optional[str] = None
app = FastAPI()
@app.post("/users")
async def create_user(user: User) -> dict:
return {"id": user.id, "name": user.name}Geef voorbeeldwaarden voor sleutelvelden om nauwkeurige typen te verkrijgen.
Splits in meerdere bestanden als het aantal velden 50 overschrijdt.
Gebruik Pydantic voor FastAPI-projecten of als validatie nodig is.
Voeg mypy src/ --strict toe aan de CI-pipeline.
Gebruik field(default_factory=list) in plaats van = [].
Aanbevolen structuur: src/models/__init__.py + submodules.
Gebruik deze tool (lokale uitvoering) voor gevoelige JSON.
Gebruik @dataclass(slots=True) in Python 3.10+ voor betere prestaties.
Plak JSON in de linker editor of upload een bestand.
Ja, genereert de @dataclass decorator en benodigde imports.
Ondersteunt alle geldige JSON-structuren: primitieve typen, arrays, geneste objecten.
Strings→str, integers→int, floats→float, booleans→bool, arrays→List[T], geneste objecten→@dataclass, null→Optional[Any].
Null-waarden genereren Optional[Any].
Ja, JSON arrays worden geconverteerd naar List[T].
Elk genest object genereert een onafhankelijke @dataclass klasse.
Ja, je kunt handmatig klassenamen wijzigen na generatie.
Ja, zorg voor een Python 3.7+ omgeving.
Ja, vervang @dataclass door class Xxx(BaseModel): en importeer uit pydantic.
Volledig lokale browseruitvoering, geen gegevens worden naar servers verzonden.
Nee. De tool is volledig gratis, geen registratie vereist.
Klik op de knop «JSON repareren» om veelvoorkomende fouten automatisch te corrigeren.
Voor JSON groter dan 10MB raden we de CLI-tool quicktype aan.
De invoer is leeg. Zorg ervoor dat je geldige JSON hebt geplakt.
Veelvoorkomende oorzaken: afsluitende komma, enkele aanhalingstekens, sleutels zonder aanhalingstekens, JavaScript-commentaren.
Wijzig typen handmatig na generatie.
Concreet type kan niet worden afgeleid uit null.
Mogelijke oorzaken: Python-versie lager dan 3.7, naamconflicten.
Gebruik alias_generator van Pydantic of hernoem handmatig.
We raden aan de JSON op te splitsen of de CLI-tool te gebruiken.
Wijzig veldtype naar Optional[Typo] = None.
De tool leidt automatisch het corresponderende Python-type af op basis van het type JSON-waarde:
| Voorbeeld JSON-waarde | Gegenereerd Python-type | Uitleg |
|---|---|---|
null | Optional[Any] | Null-waarde onbepaald |
true / false | bool | JSON booleans → bool |
42 | int | JSON integers → int |
3.14 | float | JSON floats → float |
"hello" | str | JSON strings → str |
["a","b"] | List[str] | String arrays → List[str] |
[1,2,3] | List[int] | Integer arrays → List[int] |
[{...},{...}] | List[Item] | Object arrays → List[Item] |
[] | List[Any] | Lege array |
{...} genest object | Onafhankelijke @dataclass | Geneste objecten genereren onafhankelijke @dataclass |
Alle bewerkingen van deze JSON naar Python tool vinden volledig lokaal plaats in de browser: JSON parsing, Python codegeneratie en bestandsdownloads worden allemaal client-side uitgevoerd via JavaScript, geen JSON-inhoud, geüploade bestanden of gegenereerde code wordt via het netwerk naar servers verzonden.