无需登录 数据私有 本地保存

JSON 转 Python 数据类定义 - dict 与 dataclass 生成

10
0
0
0
📋 JSON 输入
支持嵌套对象、数组、混合类型。自动推断字段类型。
🐍 生成的 Python 代码 等待输入... 
等待输入有效的 JSON...
等待输入有效的 JSON...
📖 常见问题 & 知识点
Dataclass 和 TypedDict 有什么区别？该如何选择？
Dataclass（Python 3.7+）是可变的数据容器，支持方法定义、字段验证、__post_init__钩子，适合需要业务逻辑的数据模型。生成from_dict/to_dict方法后，可无缝序列化。
TypedDict（Python 3.8+）是轻量级的类型标注，运行时就是普通dict，无额外开销，适合API响应、JSON解析等场景。与mypy等类型检查器配合良好。
建议：需要方法和逻辑选Dataclass；纯数据传递/序列化选TypedDict。
工具如何推断字段类型？数组中的对象如何处理？
工具遍历JSON中的所有键值对进行类型推断：整数→int，浮点数→float，字符串→str，布尔→bool，null→Optional[T]。
对于数组：空数组推断为List[Any]；同类型元素推断为List[T]；混合类型使用Union。
对于数组中的对象：合并所有对象的键，部分出现的字段自动标记为Optional，确保生成的类型定义覆盖所有可能字段。
生成的代码可以直接运行吗？需要安装什么依赖？
生成的代码依赖Python标准库，无需安装第三方包。
Dataclass模式需要from dataclasses import dataclass, field（Python 3.7+内置）；TypedDict模式需要from typing import TypedDict（Python 3.8+内置）。
启用from __future__ import annotations选项可提升前向引用兼容性（Python 3.7+）。复制代码到.py文件即可使用。
为什么数组中的对象字段会被标记为Optional？
当JSON数组中包含多个对象，且某个字段不是在所有对象中都出现时，该字段会被标记为Optional[T]，默认值为None。
例如：[{"a":1}, {"a":2, "b":3}]中，字段b只在第二个对象中出现，生成类型为b: Optional[int] = None。
这确保了类型定义能兼容数组中的所有对象，是最安全的推断策略。
JSON根节点是数组时如何处理？
如果JSON根节点是数组（如[{"id":1}, {"id":2}]），工具会自动生成元素类型的类定义，并添加类型别名。
Dataclass模式：生成元素Dataclass + RootType = List[ElementDataclass] 别名，同时提供from_dict_list和to_dict_list函数。
TypedDict模式：生成元素TypedDict + RootType = List[ElementTypedDict] 别名。
类型推断有哪些局限性？
类型推断基于提供的JSON样本，存在以下局限：
① 空数组无法推断元素类型，默认使用List[Any]，建议手动补充类型；
② 如果样本中某字段值单一（如总是同一个字符串），会被推断为str而非字面量类型；
③ 无法区分int和float的语义差异（如金额字段建议手动改为Decimal）；
④ 建议将生成的代码作为起点，根据实际业务需求微调类型标注。
🔧 相关工具