Penukar ini mengubah struktur JSON kepada kelas Pydantic v2 BaseModel atau kod @dataclass daripada pustaka standard. Nama medan ditulis semula kepada snake_case mengikut gaya Python, dan setiap objek bersarang mendapat kelasnya sendiri.
Gunakannya semasa mentakrifkan skema permintaan dan respons FastAPI, semasa menambah type hint pada data yang diambil dengan requests atau httpx, atau semasa mengemas skrip ETL dan scraping yang menggali dict melalui kunci rentetan.
Nama jenis (contohnya Forecast).Gaya, pilih Pydantic (v2) untuk validasi dan alias, atau dataclass untuk model tanpa kebergantungan.models.py. Gaya dan nama jenis disimpan dalam 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 medan updated_at, dipautkan semula kepada kunci asal dengan Field(alias="updatedAt"). Dalam hourly, temp bercampur antara integer dan perpuluhan maka ia menjadi float, dan alert yang hanya wujud dalam item kedua ialah str | None = None. Kelas anak dijana terlebih dahulu.
Field(alias=...), dan model_config = ConfigDict(populate_by_name=True) membolehkan anda turut mengisinya dengan nama Python.= None untuk mengelakkan TypeError: non-default argument follows default argument; kunci asal dikekalkan sebagai komen # JSON: "updatedAt".str, int, float, bool, list[...], dan Any untuk nilai yang jenisnya bercampur.null menjadi X | None = None.class, from atau type diberi garis bawah di hujung (class_).from __future__ import annotations disertakan supaya kelas boleh merujuk satu sama lain tanpa mengira susunan.Root = list[RootItem].Bina BaseModel daripada JSON yang telah dipersetujui dengan pasukan frontend dan gunakannya dalam response_model= atau sebagai parameter endpoint; dokumentasi OpenAPI akan menyusul secara automatik.
Balut panggilan dalam Forecast.model_validate(resp.json()), dan apabila penyedia menukar jenis sesuatu medan, ValidationError menunjukkan laluan medan tepat yang rosak.
Menukar data["current"]["temp"] kepada forecast.current.temp memberi anda autolengkap dalam editor dan membolehkan mypy atau pyright memeriksa kod.
@dataclass tidak menukar dict bersarang kepada objek. Selepas Forecast(**data), current masih dict; gunakan Pydantic atau helper seperti dacite jika anda perlukan penukaran bersarang.updatedAt) dalam Pydantic, panggil model_dump(by_alias=True) atau model_dump_json(by_alias=True).str | None, jadi model Pydantic mengandaikan Python 3.10 atau lebih baharu.str. Dengan Pydantic, menukar anotasi kepada datetime sudah memadai untuk menghurai nilai ISO 8601.class Config, parse_obj) tidak dijana.populate_by_name=True?Secara lalai, medan beralias hanya menerima aliasnya (updatedAt) sebagai input. Dengan tetapan ini anda juga boleh menulis Forecast(updated_at=...), yang berguna dalam ujian.
Optional[str] untuk medan pilihan.str | None dan Optional[str] membawa maksud yang sama. Jika anda perlukan keserasian Python 3.9, import Optional daripada typing dan tukar anotasinya.
Gaya yang disokong ialah Pydantic v2 dan dataclass. Senarai medan dataclass boleh dipindahkan terus ke TypedDict atau kelas @attrs.define jika anda memerlukannya.
Tidak. Apabila nama Python sama dengan kunci asal, tiada Field(alias=...) atau ConfigDict dijana, jadi anda mendapat baris ringkas seperti rain_mm: float.