JSON na Python Dataclass

Generuj klasy dataclass Pythona z podpowiedziami typow z JSON. Bezplatnie, w przegladarce.

Class name:

JSON

Python Dataclass

from dataclasses import dataclass
from typing import List, Optional

@dataclass
class UserAddress:
    city: str
    zip: str

@dataclass
class User:
    name: str
    age: int
    skills: List[str]
    address: UserAddress

Processed in your browser

Do czego sluzy

JSON na dataclass Pythona z podpowiedziami typow

Kompatybilny z Pythonem 3.7+

Wygenerowany kod uzywa standardowego modulu dataclasses. Zadnych zewnetrznych zaleznosci - dziala w kazdym nowoczesnym srodowisku Python.

W 100% prywatny

Twoj JSON jest przetwarzany w przegladarce. Nigdy nie trafia na zadne serwery. Bezpieczny dla wewnetrznych danych API i poufnych modeli danych.

Poprawne podpowiedzi typow

Precyzyjne wnioskowanie typow: str, int, float, bool, List, Optional oraz zagniezdzone dataclass z odpowiednimi nazwami i typami.

Natychmiastowy

Generowanie w czasie rzeczywistym podczas wpisywania lub wklejania JSON. Bez oczekiwania, bez wywolan serwera.

Jak to działa

Trzy kroki, żadnych komplikacji

Wklej swoj JSON

Wprowadz JSON, ktory chcesz przekonwertowac. Moze to byc odpowiedz API, plik konfiguracyjny lub dowolna poprawna struktura JSON.

Otrzymaj klase dataclass Pythona

Narzedzie generuje klase Pythona ozdobiona dekoratorem @dataclass z wywnioskowanymi podpowiedziami typow (str, int, float, bool, list, zagniezdzona dataclass) dla kazdego pola.

Skopiuj i zaimportuj w projekcie

Skopiuj wygenerowany kod do modulu Pythona. Wystarczy zaimportowac dataclass ze standardowego modulu dataclasses.

FAQ

Masz pytania?

Czym sa klasy dataclass w Pythonie?

Dataclasses to klasy Pythona definiowane glownie do przechowywania danych, wprowadzone w Pythonie 3.7 poprzez PEP 557. Dekorator @dataclass automatycznie generuje metody __init__, __repr__ i __eq__ na podstawie pol zadeklarowanych z podpowiedziami typow. Sa nowoczesna alternatywa dla recznego definiowania klas z powtarzalnymi metodami __init__, oferujac czystszy i bardziej czytelny kod bez zewnetrznych zaleznosci takich jak Pydantic.

Jaka jest roznica miedzy dataclass a slownikiem?

Slownik Pythona nie ma zdefiniowanych typow, przyjmuje dowolny klucz i wartosc, i nie oferuje autouzupelniania w IDE. Dataclass jawnie definiuje strukture z podpowiedziami typow, umozliwia dostep do pol notacja z kropka (`obj.field` zamiast `obj['field']`), automatycznie generuje metody porownania i reprezentacji, a takze pozwala narzadziom IDE i analizy statycznej (mypy, Pyright) wychwytywac bledy typow przed uruchomieniem kodu.

W jaki sposob wywnioskiwane sa podpowiedzi typow z JSON?

Narzedzie analizuje wartosci JSON, by wywnioskwac najodpowiedniejszy typ Pythona: ciagi tekstowe staja sie `str`, liczby calkowite `int`, dziesietne `float`, wartosci logiczne `bool`, tablice `List[T]` gdzie T to wywnioskowany typ elementu, a zagniezdzone obiekty staja sie nowymi dataclass. Wartosci null staja sie `Optional[T]` z domyslna wartoscia `None`.

Czy generowane sa zagniezdzone dataclass?

Tak. Gdy JSON zawiera obiekty wewnatrz obiektow, narzedzie generuje odrebna dataclass dla kazdego poziomu zagniezdzen. Klasy sa poprawnie uporzadkowane w kodzie tak, by kazda dataclass byla zdefiniowana przed uzyciem. Na przyklad `{"user": {"name": "Alice", "age": 30}}` generuje zarowno dataclass `User`, jak i nadrzedna dataclass, ktora ja zawiera.

Jak obslugiwane sa pola opcjonalne?

Pola z wartosciami null w przykladowym JSON sa generowane jako `Optional[T] = None` w dataclass. Sygnalizuje to, ze pole moze byc nieobecne lub rowne None w czasie wykonania. By uzyc Optional, nalezy zaimportowac je z `typing` (Python < 3.10) lub uzyc skladni `T | None` (Python 3.10+). Narzedzie generuje kod kompatybilny z Pythonem 3.7+.