Konvertieren Sie JSON in SQLAlchemy-Schema!

Geben Sie JSON ein und konvertieren Sie es in ein SQLAlchemy-Schema! Unterstützt SQLAlchemy 2.0 ORM, Mapped, mapped_column, Flask, FastAPI.
JSON
Ergebnis
 

Konvertieren Sie JSON in SQLAlchemy-Schema!

Wandelt JSON in ein sofort lauffähiges deklaratives Modell für SQLAlchemy 2.0 um: eine Klasse Base(DeclarativeBase), Mapped[...]-Type-Hints mit mapped_column(), nullable-Flags, __tablename__ und einen Integer-Primärschlüssel.

Ein guter Ausgangspunkt, wenn ein FastAPI- oder Flask-Backend Request-JSON oder aus einem anderen System geladene Daten in einer Tabelle speichern muss, für die es noch kein Modell gibt.

So funktioniert es

  1. Füge ein JSON-Objekt ein, das eine Tabellenzeile darstellt. Haben manche Zeilen leere Werte, füge mehrere Zeilen als Array ein, damit nullable=True erkannt wird.
  2. Gib den Klassennamen in Modellname ein (Standard MyModel); __tablename__ ist dieser Name in Upper Snake Case.
  3. Speichere die Ausgabe als models.py. Hat dein Projekt bereits eine Base, lösche die erzeugte und importiere deine, damit alle Modelle dieselben metadata teilen.

Beispiel

Eingabe (JSON)
{
  "isbn": "978-0-13-468599-1",
  "title": "The Pragmatic Programmer",
  "pages": 352,
  "rating": 4.7,
  "available": true,
  "published_at": "2019-09-13"
}
Ausgabe (SQLAlchemy 2.0)
from datetime import date

from sqlalchemy import Boolean, Date, Float, Integer, String
from sqlalchemy.orm import DeclarativeBase, Mapped, mapped_column


class Base(DeclarativeBase):
    pass


class Book(Base):
    __tablename__ = "BOOK"

    id: Mapped[int] = mapped_column(Integer, primary_key=True)
    isbn: Mapped[str] = mapped_column(String(255), nullable=False)
    title: Mapped[str] = mapped_column(String(255), nullable=False)
    pages: Mapped[int] = mapped_column(Integer, nullable=False)
    rating: Mapped[float] = mapped_column(Float, nullable=False)
    available: Mapped[bool] = mapped_column(Boolean, nullable=False)
    published_at: Mapped[date] = mapped_column(Date, nullable=False)

Die isbn mit Bindestrichen bleibt String(255), pages wird zu Integer, rating zu Float und published_at, ein Datum ohne Uhrzeit, zu Date mit dem Hint date. Jeder Wert ist vorhanden, daher sind alle Spalten nullable=False.

Unterstützte Funktionen

  • Definiert class Base(DeclarativeBase): pass und importiert nur die tatsächlich verwendeten SQLAlchemy-Typen und datetime-Namen.
  • Typzuordnung: Ganzzahlen → Integer/int (BigInteger für große Werte), Dezimalzahlen → Float, Booleans → Boolean, YYYY-MM-DD → Date/date, Datum mit Uhrzeit → DateTime/datetime, Objekte und Arrays → JSON mit dict/list.
  • Strings sind String(255) oder Text, wenn ein Beispielwert länger als 255 Zeichen ist, damit sich die Tabelle auch auf MySQL anlegen lässt.
  • Attribute sind snake_case. Weicht der JSON-Key ab (publishedAt, home-url), wird der ursprüngliche Key als Spaltenname übergeben: mapped_column("publishedAt", ...). Python-Schlüsselwörter und metadata bekommen ein angehängtes _.
  • Nullable Spalten bekommen sowohl den Hint Mapped[str | None] als auch nullable=True.
  • Der Primärschlüssel ist Integer, das auch unter SQLite automatisch hochzählt; eine String-id in deinem JSON wird zu einem String(255)-Schlüssel, und eine große ganzzahlige id verwendet BigInteger().with_variant(Integer, "sqlite").

Anwendungsfälle

Persistenzmodelle für FastAPI-Endpoints

Hast du das Beispiel-Request-JSON für ein Pydantic-Schema schon, erzeuge das SQLAlchemy-Modell aus demselben JSON und schreibe sofort den Ablauf mit session.add(Book(**payload)).

Automatisch generierte Alembic-Migrationen

Sobald das Modell in Base.metadata registriert ist, erzeugt alembic revision --autogenerate aus dieser Klasse eine create_table-Migration.

Hinweise und Einschränkungen

  • str | None-Hints brauchen Python 3.10+. In älteren Versionen schreibst du Optional[str] mit from typing import Optional.
  • __tablename__ ist großgeschrieben (BOOK). PostgreSQL verlangt dann in rohem SQL Anführungszeichen, daher ändern viele Projekte ihn in books.
  • Mit Flask-SQLAlchemy erbst du von db.Model statt von der erzeugten Base.
  • Float ist eine binäre Gleitkommazahl; verwende für Preise Numeric(10, 2) mit Decimal.

Häufige Fragen

Warum verwendet id Integer statt BigInteger?

SQLite zählt nur eine Spalte automatisch hoch, die exakt als INTEGER PRIMARY KEY deklariert ist; mit Integer verhalten sich lokale Tests und Produktion also gleich. Nur wenn deine Daten bereits IDs über 32 Bit haben, wechselt der Schlüssel zu BigInteger mit einer SQLite-Variante.

Gibt es eine Einstellung für das Schema (__table_args__)?

Nein. Die Tabelle landet im Standardschema der Verbindung. Um ein anderes PostgreSQL-Schema anzusprechen, ergänze selbst __table_args__ = {"schema": "billing"}.

Bekomme ich die Column()-Syntax von SQLAlchemy 1.4?

Ausgegeben wird nur der 2.0-Stil (Mapped, mapped_column, DeclarativeBase). Für 1.4 verwendest du declarative_base() und schreibst jede Zeile als title = Column(String(255), nullable=False) um.