PyJSON → Python
Carregando...
O uso de JSON de resposta de API em um projeto Python requer a escrita manual de modelos dataclass ou Pydantic. Esta ferramenta analisa seus dados JSON e gera o código Python automaticamente. Suporta Pydantic v1/v2 e dataclasses padrão, e converte automaticamente chaves camelCase em nomes de campo snake_case.
Como usar
- 1Inserir JSON
Cole os dados JSON na entrada à esquerda. Clique em 'Carregar Exemplo' para carregar dados de amostra.
- 2Configurar opções
Escolha o modo de saída (Pydantic v2 / Pydantic v1 / dataclass) e um nome para a classe raiz. Alterne tipos Opcionais e geração de alias de campo conforme necessário.
- 3Copiar o código
Revise o código Python gerado à direita e clique no botão de copiar para copiá-lo para a área de transferência.
Dicas
- 💡Chaves camelCase (ex: userId) são convertidas automaticamente para snake_case (user_id). Habilite 'Alias de campo' para preservar o nome da chave original como um alias.
- 💡O Pydantic v2 gera código para o Pydantic 2.x mais recente. Escolha Pydantic v1 para projetos mais antigos.
- 💡A inferência de tipo é baseada no primeiro objeto de cada array, então use uma amostra JSON representativa.
- 💡Habilite 'Opcional' para anotar campos com valor nulo como Optional[T].
Perguntas frequentes
- Q. Como as classes Python geradas são usadas?
- A. São geradas como @dataclass ou modelos Pydantic BaseModel. Pydantic com FastAPI cuida automaticamente da validação de requisições/respostas de API.
- Q. Qual é a diferença entre dataclass e Pydantic?
- A. dataclass é da biblioteca padrão, para estruturas simples. Pydantic adiciona validação em tempo de execução, serialização e um ecossistema robusto para desenvolvimento de APIs.
- Q. Como as chaves camelCase do JSON são mapeadas para Python snake_case?
- A. Python usa snake_case por convenção, enquanto APIs JSON usam camelCase. Com Pydantic, configure alias_generator=to_camel no model_config para mapeamento automático.