Konverter ini mengubah struktur JSON menjadi class Pydantic v2 BaseModel atau kode @dataclass dari standard library. Nama field ditulis ulang ke snake_case sesuai gaya Python, dan setiap objek bersarang mendapat class sendiri.
Gunakan saat mendefinisikan schema request dan response FastAPI, saat menambahkan type hint ke data yang Anda ambil dengan requests atau httpx, atau saat merapikan skrip ETL dan scraping yang menggali dict lewat key string.
Nama tipe (misalnya Forecast).Gaya, pilih Pydantic (v2) untuk validasi dan alias, atau dataclass untuk model tanpa dependensi.models.py. Gaya dan nama tipe disimpan di URL.{
"city": "Seoul",
"updatedAt": "2024-05-01T09:00:00+09:00",
"current": { "temp": 18.5, "humidity": 40 },
"hourly": [
{ "hour": 10, "temp": 19, "rain_mm": 0 },
{ "hour": 11, "temp": 20.5, "rain_mm": 0.4, "alert": "shower" }
]
}from __future__ import annotations
from pydantic import BaseModel, ConfigDict, Field
class Hourly(BaseModel):
hour: int
temp: float
rain_mm: float
alert: str | None = None
class Current(BaseModel):
temp: float
humidity: int
class Forecast(BaseModel):
model_config = ConfigDict(populate_by_name=True)
city: str
updated_at: str = Field(alias="updatedAt")
current: Current
hourly: list[Hourly]
updatedAt menjadi field updated_at, yang dihubungkan kembali ke key aslinya dengan Field(alias="updatedAt"). Di hourly, temp mencampur integer dan desimal sehingga menjadi float, dan alert, yang hanya ada di item kedua, menjadi str | None = None. Class dikeluarkan mulai dari anak terlebih dahulu.
Field(alias=...), dan model_config = ConfigDict(populate_by_name=True) memungkinkan Anda juga mengisinya dengan nama Python-nya.= None untuk menghindari TypeError: non-default argument follows default argument; key aslinya disimpan sebagai komentar # JSON: "updatedAt".str, int, float, bool, list[...], dan Any untuk nilai bertipe campuran.null menjadi X | None = None.class, from atau type diberi garis bawah di belakang (class_).from __future__ import annotations disertakan agar class bisa saling mereferensikan apa pun urutannya.Root = list[RootItem].Bangun BaseModel dari JSON yang sudah Anda sepakati dengan frontend dan gunakan di response_model= atau sebagai parameter endpoint; dokumentasi OpenAPI otomatis mengikuti.
Bungkus pemanggilan dengan Forecast.model_validate(resp.json()), dan ketika penyedia mengubah tipe sebuah field, ValidationError menunjuk path field persis yang rusak.
Mengubah data["current"]["temp"] menjadi forecast.current.temp memberi Anda autocomplete di editor dan memungkinkan mypy atau pyright memeriksa kodenya.
@dataclass tidak mengubah dict bersarang menjadi objek. Setelah Forecast(**data), current tetap berupa dict; gunakan Pydantic atau helper seperti dacite jika Anda butuh konversi bersarang.updatedAt) di Pydantic, panggil model_dump(by_alias=True) atau model_dump_json(by_alias=True).str | None, jadi model Pydantic mengasumsikan Python 3.10 atau lebih baru.str. Dengan Pydantic, cukup ubah anotasinya menjadi datetime untuk mem-parse nilai ISO 8601.class Config, parse_obj) tidak dibuat.populate_by_name=True?Secara default, field yang memiliki alias hanya menerima alias-nya (updatedAt) sebagai input. Dengan pengaturan ini Anda juga bisa menulis Forecast(updated_at=...), yang praktis di test.
Optional[str] untuk field opsional.str | None dan Optional[str] artinya sama. Jika Anda butuh kompatibilitas Python 3.9, import Optional dari typing lalu ganti anotasinya.
Gaya yang didukung adalah Pydantic v2 dan dataclass. Daftar field dataclass bisa langsung dipindahkan ke TypedDict atau class @attrs.define jika Anda butuh salah satunya.
Tidak. Jika nama Python sama dengan key aslinya, tidak ada Field(alias=...) atau ConfigDict yang dikeluarkan, jadi Anda mendapat baris sederhana seperti rain_mm: float.