JSON в Python Dataclass

Генерируйте Python-датаклассы с аннотациями типов из JSON. Бесплатно, в браузере.

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

Для чего это нужно

JSON в Python-датакласс с аннотациями типов

Совместим с Python 3.7+

Сгенерированный код использует модуль dataclasses из стандартной библиотеки. Без внешних зависимостей — работает в любой современной среде Python.

100% приватно

Ваш JSON обрабатывается в браузере. Никогда не отправляется на серверы. Безопасно для внутренних API или конфиденциальных моделей данных.

Точные аннотации типов

Точное определение типов: str, int, float, bool, List, Optional и вложенные датаклассы с подходящими именами и типами.

Мгновенно

Генерация в реальном времени по мере ввода или вставки JSON. Никаких задержек и серверных вызовов.

Как это работает

Три шага — никаких сложностей

Вставьте ваш JSON

Введите JSON, который нужно преобразовать. Это может быть ответ API, конфигурационный файл или любая допустимая JSON-структура.

Получите Python-датакласс

Инструмент генерирует Python-класс с декоратором @dataclass и выведенными аннотациями типов (str, int, float, bool, list, вложенный датакласс) для каждого поля.

Скопируйте и импортируйте в проект

Скопируйте сгенерированный код в ваш Python-модуль. Потребуется только импорт dataclass из стандартной библиотеки dataclasses.

FAQ

Остались вопросы?

Что такое Python-датаклассы?

Датаклассы — классы Python, предназначенные главным образом для хранения данных, введённые в Python 3.7 через PEP 557. Декоратор @dataclass автоматически генерирует методы __init__, __repr__ и __eq__ на основе полей, объявленных с аннотациями типов. Это современная альтернатива ручному определению классов с повторяющимися методами __init__: код становится чище и читабельнее без внешних зависимостей вроде Pydantic.

В чём разница между датаклассом и словарём?

Python dict не имеет определённых типов, принимает любые ключи и значения и не даёт автодополнения в IDE. Датакласс явно определяет структуру с аннотациями типов, обеспечивает доступ к полям через точечную нотацию (`obj.field` вместо `obj['field']`), автоматически генерирует методы сравнения и представления, а IDE и инструменты статического анализа (mypy, Pyright) могут обнаруживать ошибки типов ещё до запуска кода.

Как аннотации типов выводятся из JSON?

Инструмент анализирует значения JSON для определения наиболее подходящего типа Python: текстовые строки → `str`, целые числа → `int`, десятичные числа → `float`, булевы значения → `bool`, массивы → `List[T]`, где T — выведенный тип элементов, вложенные объекты → отдельные датаклассы. Значения null превращаются в `Optional[T]` со значением по умолчанию `None`.

Генерируются ли вложенные датаклассы?

Да. Когда JSON содержит объекты внутри объектов, инструмент генерирует отдельный датакласс для каждого уровня вложенности. Классы корректно упорядочены в коде: каждый датакласс определяется до того, как на него ссылаются. Например, `{"user": {"name": "Alice", "age": 30}}` генерирует датакласс `User` и родительский датакласс, содержащий его.

Как обрабатываются необязательные поля?

Поля с null-значениями в образце JSON генерируются как `Optional[T] = None` в датаклассе. Это сигнализирует, что поле может отсутствовать или быть None во время выполнения. Для использования Optional нужно импортировать его из `typing` (Python < 3.10) или использовать синтаксис `T | None` (Python 3.10+). Инструмент генерирует код, совместимый с Python 3.7+.