JSON para Python Dataclass Online

Gera dataclasses Python com type hints a partir de JSON. Grátis, no seu navegador.

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

Para que serve

JSON para dataclass Python com type hints

Compatível com Python 3.7+

O código gerado usa o módulo dataclasses da biblioteca padrão. Sem dependências externas — funciona em qualquer ambiente Python moderno.

100% privado

Seu JSON é processado no navegador. Nunca enviado a nenhum servidor. Seguro para dados internos de API ou modelos de dados confidenciais.

Type hints corretos

Inferência precisa de tipos: str, int, float, bool, List, Optional e dataclasses aninhadas geradas com nomes e tipos adequados.

Instantâneo

Geração em tempo real enquanto você digita ou cola o JSON. Sem esperas, sem chamadas ao servidor.

Como funciona

Três passos, sem complicação

Cole seu JSON

Digite ou cole o JSON que você quer converter. Pode ser uma resposta de API, arquivo de configuração ou qualquer estrutura JSON válida.

Obtenha sua dataclass Python

A ferramenta gera uma classe Python decorada com @dataclass, com type hints inferidos (str, int, float, bool, list, dataclass aninhada) para cada campo.

Copie e importe no seu projeto

Copie o código gerado para o seu módulo Python. Você só precisa importar dataclass do módulo dataclasses da biblioteca padrão.

Perguntas frequentes

Ficou com dúvidas?

O que são dataclasses Python?

Dataclasses são classes Python criadas principalmente para armazenar dados, introduzidas no Python 3.7 via PEP 557. O decorador @dataclass gera automaticamente métodos como __init__, __repr__ e __eq__ a partir dos campos declarados com type hints. Elas são a alternativa moderna às classes definidas manualmente com métodos __init__ repetitivos, oferecendo código mais limpo e legível sem as dependências externas do Pydantic.

Qual a diferença entre uma dataclass e um dicionário?

Um dict Python não tem tipos definidos, aceita qualquer chave e valor, e não oferece autocompleção em IDEs. Uma dataclass define explicitamente a estrutura com type hints, permite acesso aos campos com notação de ponto (obj.field em vez de obj com chave entre colchetes), gera automaticamente métodos de comparação e representação, e permite que IDEs e ferramentas de análise estática (mypy, Pyright) detectem erros de tipo antes de executar o código.

Como os type hints são inferidos a partir do JSON?

A ferramenta analisa os valores JSON para inferir o tipo Python mais adequado: strings de texto viram str, inteiros viram int, decimais viram float, booleanos viram bool, arrays viram List[T] onde T é o tipo inferido dos elementos, e objetos aninhados viram novas dataclasses. Valores null viram Optional[T] com valor padrão None.

Dataclasses aninhadas são geradas?

Sim. Quando o JSON contém objetos dentro de objetos, a ferramenta gera uma dataclass separada para cada nível de aninhamento. As classes são ordenadas corretamente no código para que cada dataclass seja definida antes de ser referenciada. Por exemplo, um objeto com chave user contendo name e age gera tanto uma dataclass User quanto a dataclass pai que a contém.

Como campos opcionais são tratados?

Campos com valores null no JSON de exemplo são gerados como Optional[T] = None na dataclass. Isso indica que o campo pode estar ausente ou ser None em tempo de execução. Para usar Optional, você precisa importá-lo de typing (Python anterior a 3.10) ou usar a sintaxe T | None (Python 3.10 e superior). A ferramenta gera código compatível com Python 3.7 e acima.