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

工具同时支持 Python Dataclass 和 TypedDict 两种数据类生成模式，开发者可以通过顶部标签页实时切换。Dataclass 模式生成可变的数据容器，支持方法定义和字段验证，适合需要业务逻辑的复杂数据模型；TypedDict 模式生成轻量级的类型标注，运行时就是普通 dict，适合 API 响应处理和 JSON 解析场景。两种模式的代码并排展示，方便对比选择。

内置的类型推断引擎能够自动分析 JSON 中每个字段的值，准确识别 int、float、str、bool 等基本类型。对于 null 值，工具会自动使用 Optional 类型包装并设置默认值 None。数组类型会被推断为 List[T]，其中 T 为数组元素的共同类型。当数组包含混合类型时，工具会生成 Union 类型标注，确保类型系统的准确性。

无论 JSON 结构有多少层嵌套，工具都能自动识别并为每一层生成独立的类定义。嵌套对象会被提取为独立的 Dataclass 或 TypedDict，外层通过类型标注引用内层类。这种递归处理机制使得即使是复杂的树状 JSON 结构也能生成清晰、模块化的 Python 代码，避免了单个类过于庞大的问题。

生成的代码不仅包含类型定义，还附带完整的 from_dict 类方法和 to_dict 实例方法。from_dict 方法支持递归转换嵌套字典，自动处理子对象的实例化；to_dict 方法将对象及其嵌套结构完整转换为字典格式。这两个方法使得数据在 Python 对象和 JSON 字典之间可以无缝转换，无需手动编写序列化逻辑。

当 JSON 数组中包含多个对象时，工具会自动合并所有对象的字段集合。如果某个字段只在部分对象中出现，该字段会被标记为 Optional 类型并设置默认值 None。这种处理策略确保了生成的类型定义能够兼容数组中所有可能的对象结构，避免了运行时的 KeyError 异常。

工具提供三项可配置选项以满足不同需求。启用「null 值使用 Optional」后，包含 null 值的字段会自动标注为 Optional[T]；启用「生成示例值注释」会在每个字段上方添加示例数据注释，便于团队协作时理解字段含义；启用「使用 __future__ annotations」会添加前向引用声明，提升 Python 3.7+ 的类型标注兼容性。

当 JSON 根节点是数组（如 API 返回的列表数据）时，工具会自动生成元素类型的类定义，并添加 RootType 类型别名。Dataclass 模式会额外生成 from_dict_list 和 to_dict_list 函数，支持批量对象的序列化与反序列化。TypedDict 模式同样生成对应的类型别名，确保整个数据管道的类型安全性。