Converta JSON em Pydantic model Python!

Insira JSON para gerar código Pydantic model Python, incluindo objetos aninhados! Compatível com Pydantic v2 BaseModel, dataclass, FastAPI. SQLAlchemy: nas abas acima.
JSON
Resultado
 

Converta JSON em Pydantic model Python!

Este conversor transforma uma estrutura JSON em classes BaseModel do Pydantic v2 ou em código @dataclass da biblioteca padrão. Os nomes dos campos são reescritos em snake_case, como o estilo Python espera, e cada objeto aninhado ganha a sua própria classe.

Use ao definir schemas de request e response do FastAPI, ao adicionar type hints a dados buscados com requests ou httpx, ou ao arrumar scripts de ETL e scraping que vasculham dicts por chaves string.

Como usar

  1. Cole o JSON que você quer modelar.
  2. Informe o nome do model de nível mais alto em Nome do tipo (por exemplo Forecast).
  3. Em Estilo, escolha Pydantic (v2) para validação e aliases, ou dataclass para um model sem dependências.
  4. Copie o resultado para um módulo como models.py. O estilo e o nome do tipo ficam salvos na URL.

Exemplo

Entrada (JSON)
{
  "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" }
  ]
}
Saída (Python · Pydantic v2)
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 vira o campo updated_at, ligado de volta à chave original com Field(alias="updatedAt"). Em hourly, temp mistura inteiros e decimais, então vira float, e alert, presente só no segundo item, é str | None = None. As classes são geradas começando pelas filhas.

Recursos suportados

  • Pydantic v2: campos renomeados usam Field(alias=...), e model_config = ConfigDict(populate_by_name=True) deixa você também preenchê-los pelo nome Python.
  • dataclass: campos sem default são movidos para antes dos campos = None para evitar TypeError: non-default argument follows default argument; a chave original fica num comentário # JSON: "updatedAt".
  • Tipos: str, int, float, bool, list[...] e Any para valores de tipos misturados.
  • Campos que faltam em alguns itens ou contêm null viram X | None = None.
  • Keywords do Python como class, from ou type ganham um underscore no final (class_).
  • from __future__ import annotations vem incluído para que as classes possam se referenciar independentemente da ordem.
  • Um array no nível mais alto gera um alias como Root = list[RootItem].

Casos de uso

Response models e request bodies do FastAPI

Monte BaseModels a partir do JSON combinado com o frontend e use em response_model= ou como parâmetros de endpoint; a documentação OpenAPI acompanha automaticamente.

Validar respostas de APIs de terceiros

Envolva as chamadas em Forecast.model_validate(resp.json()) e, quando o provedor mudar o tipo de um campo, o ValidationError aponta o path exato do campo que quebrou.

Substituir acessos a dict em scripts

Transformar data["current"]["temp"] em forecast.current.temp dá autocomplete no editor e deixa o mypy ou o pyright checarem o código.

Observações e limitações

  • O @dataclass não converte dicts aninhados em objetos. Depois de Forecast(**data), current continua sendo um dict; use Pydantic ou um helper como o dacite se precisar de conversão aninhada.
  • Para serializar de volta com as chaves JSON originais (updatedAt) no Pydantic, chame model_dump(by_alias=True) ou model_dump_json(by_alias=True).
  • A saída usa a sintaxe str | None, então os models Pydantic pressupõem Python 3.10 ou mais novo.
  • Strings de data e hora saem como str. Com Pydantic, trocar a anotação para datetime basta para fazer o parse de valores ISO 8601.
  • Construções do Pydantic v1 (class Config, parse_obj) não são geradas.

Perguntas frequentes

Para que serve o populate_by_name=True?

Por padrão, um campo com alias só aceita o alias (updatedAt) na entrada. Com essa configuração você também pode escrever Forecast(updated_at=...), o que é prático em testes.

Prefiro Optional[str] para campos opcionais.

str | None e Optional[str] significam a mesma coisa. Se você precisa de compatibilidade com Python 3.9, importe Optional de typing e troque as anotações.

Ele gera TypedDict ou classes attrs?

Os estilos suportados são Pydantic v2 e dataclass. A lista de campos da dataclass passa direto para um TypedDict ou uma classe @attrs.define, se você precisar de um desses.

São adicionados aliases quando as chaves já estão em snake_case?

Não. Quando o nome Python é igual à chave original, nenhum Field(alias=...) ou ConfigDict é gerado, então você recebe linhas simples como rain_mm: float.