JSON in Python Dataclass

Dataclasses sind Python-Klassen, die hauptsächlich zum Speichern von Daten dienen und in Python 3.7 über PEP 557 eingeführt wurden. Der Dekorator @dataclass generiert automatisch Methoden wie __init__, __repr__ und __eq__ auf Basis der mit Type-Hints deklarierten Felder. Sie sind die moderne Alternative zur manuellen Definition von Klassen mit repetitiven __init__-Methoden und bieten saubereren, lesbaren Code ohne externe Abhängigkeiten wie Pydantic.

Ein Python-Dict hat keine definierten Typen, akzeptiert beliebige Schlüssel und Werte und bietet keine IDE-Autovervollständigung. Eine Dataclass definiert die Struktur explizit mit Type-Hints, ermöglicht Feldzugriff per Punkt-Notation (obj.field statt obj['field']), generiert automatisch Vergleichs- und Darstellungsmethoden und erlaubt IDEs sowie statischen Analysetools wie mypy und Pyright, Typfehler vor der Ausführung zu finden.

Das Tool analysiert JSON-Werte, um den passendsten Python-Typ abzuleiten: Textstrings werden zu str, ganze Zahlen zu int, Dezimalzahlen zu float, Boolesche Werte zu bool, Arrays zu List[T] mit abgeleitetem Elementtyp T, und verschachtelte Objekte werden zu neuen Dataclasses. Null-Werte werden zu Optional[T] mit Standardwert None.

Ja. Enthält das JSON Objekte innerhalb von Objekten, generiert das Tool für jede Verschachtelungsebene eine separate Dataclass. Die Klassen werden im Code korrekt geordnet, sodass jede Dataclass definiert ist, bevor auf sie verwiesen wird. Zum Beispiel generiert {"user": {"name": "Alice", "age": 30}} sowohl eine Dataclass User als auch die übergeordnete Dataclass, die sie enthält.

Felder mit null-Werten im Beispiel-JSON werden in der Dataclass als Optional[T] = None generiert. Das signalisiert, dass das Feld zur Laufzeit fehlen oder None sein kann. Für die Verwendung von Optional musst du es aus typing importieren (Python unter 3.10) oder die Syntax T | None verwenden (Python 3.10+). Das Tool generiert Code, der mit Python 3.7+ kompatibel ist.