JSON zu Python Konverter — Klassen generieren

Von JSON zu typisierten Python-Klassen

Der Umgang mit rohen Dictionaries ist schnell, bis ein Tippfehler im Schlüsselnamen drei Ebenen tiefer einen KeyError auslöst. Dieser JSON-zu-Python-Konverter erzeugt aus einem JSON-Beispiel typisierte Klassen, sodass Ihr Editor, Ihr Type Checker und Ihr Team genau wissen, was jede Payload enthält. Jedes Objekt wird zu einer Klasse mit annotierten Attributen, verschachtelte Objekte werden zu eigenen Klassen, Listen werden nach ihrem Elementtyp typisiert, und Werte, die manchmal fehlen, werden als optional typisiert. JSON-Schlüssel werden in snake_case-Attributnamen umgewandelt, während der erzeugte Serialisierungscode die ursprünglichen Schlüssel für die Übertragung beibehält.

Die Erzeugung übernimmt quicktype, das alle Elemente jedes Arrays zusammenführt, bevor es Typen ableitet. Ein Feld, das nur in einigen Einträgen vorkommt, wird so dennoch erfasst und als optional markiert, statt stillschweigend verworfen zu werden.

Dataclasses, Pydantic und Python-Versionen

Standardmäßig nutzt die Ausgabe @dataclass-Klassen der Standardbibliothek plus from_dict- und to_dict-Funktionen, die jedes Feld validieren und konvertieren – Sie brauchen also keine Fremdabhängigkeit. Verwendet Ihr Projekt bereits Pydantic – für FastAPI-Request-Bodys, Einstellungen oder Validierung –, aktivieren Sie Pydantic BaseModel, und die Klassen erben stattdessen von BaseModel. Die Auswahl der Python-Version steuert die Typisierungssyntax: 3.10+ erzeugt moderne Annotationen wie list[int] und str | None, ältere Ziele greifen auf das Modul typing zurück. Aktivieren Sie Classes only, um die Konvertierungshilfen ganz wegzulassen.

Praktische Tipps

Verwenden Sie ein Beispiel, das optionale Felder abdeckt und mehrere Array-Elemente enthält, denn die Typableitung kann nur beschreiben, was sie sieht. Benennen Sie die Root-Klasse nach Ihrer Domäne – Invoice liest sich besser als Root –, und der Download verwendet diesen Namen. Führen Sie nach der Erzeugung Ihren Formatter und Type Checker aus (Black, Ruff, mypy oder Pyright) und präzisieren Sie, was das Beispiel nicht zeigen konnte, etwa Strings, die eigentlich Enums sind, oder Zahlen, die Decimal sein sollten. Parsing und Codeerzeugung laufen lokal ab, daher können Sie ohne Bedenken Antworten mit Kundendaten einfügen.