PyConvertidor JSON → Python
Cargando...
El uso del JSON de respuesta de una API en un proyecto de Python requiere escribir modelos dataclass o Pydantic a mano. Esta herramienta analiza tus datos JSON y genera el código Python automáticamente. Admite Pydantic v1/v2 y dataclasses estándar, y convierte automáticamente las claves camelCase a nombres de campo snake_case.
Cómo usar
- 1Ingresar JSON
Pega los datos JSON en la entrada de la izquierda. Haz clic en 'Cargar ejemplo' para cargar datos de muestra.
- 2Configurar opciones
Elige el modo de salida (Pydantic v2 / Pydantic v1 / dataclass) y un nombre para la clase raíz. Activa los tipos opcionales y la generación de alias de campos según sea necesario.
- 3Copiar el código
Revisa el código Python generado a la derecha y haz clic en el botón de copiar.
Consejos
- 💡Las claves camelCase (ej. userId) se convierten automáticamente a snake_case (user_id). Activa 'Alias de campo' para preservar el nombre de la clave original como un alias.
- 💡Pydantic v2 genera código para la última versión de Pydantic 2.x. Elige Pydantic v1 para proyectos antiguos.
- 💡La inferencia de tipos se basa en el primer objeto de cada arreglo, así que usa una muestra de JSON representativa.
- 💡Activa 'Opcional' para anotar campos con valores nulos como Optional[T].
Preguntas frecuentes
- Q. ¿Cómo se usan las clases Python generadas?
- A. Se generan como @dataclass o modelos Pydantic BaseModel. Pydantic con FastAPI gestiona automáticamente la validación de solicitudes/respuestas de API.
- Q. ¿Cuál es la diferencia entre dataclass y Pydantic?
- A. dataclass es de la biblioteca estándar, para estructuras simples. Pydantic añade validación en tiempo de ejecución, serialización y un ecosistema robusto para desarrollo de APIs.
- Q. ¿Cómo se manejan las claves camelCase de JSON en Python?
- A. Python usa snake_case por convención, mientras que las APIs JSON suelen usar camelCase. Con Pydantic, puedes configurar alias_generator=to_camel para mapear automáticamente entre ambos.