Pydantic-v2-Modelle aus JSON erzeugen

0 Bytes hochgeladen

Wandeln Sie JSON-API-Antworten in idiomatische Python-Pydantic-v2-BaseModels mit ausgelagerten Unterklassen und Field(alias=...).

100 % lokal im Browser — 0 Bytes Upload im Netzwerk-TabÜberprüfen Sie 0 gesendete Bytes im Netzwerk-Tab

oder eine Text- oder Datendatei hier ablegen · Ctrl V zum Einfügen · oder .json ablegen · Strg V zum Einfügen
  • 100 % lokal im Browser
  • Pydantic v2 BaseModel
  • Auto snake_case + Field(alias)

Sofortige Vorher-/Nachher-Vorschau

Vorher (Eingabe)inference-job.json
{
  "jobId": "job-77",
  "maxTokens": 2048,
  "modelConfig": {
    "temperature": 0.2,
    "stream": true
  }
}
Nachher (Ausgabe).py
from __future__ import annotations
from pydantic import BaseModel, Field

class ModelConfig(BaseModel):
    temperature: float
    stream: bool

class RootModel(BaseModel):
    job_id: str = Field(alias="jobId")
    max_tokens: int = Field(alias="maxTokens")
    model_config: ModelConfig = Field(alias="modelConfig")

Vergleich der Spezifikationen von Quell- und Zielformat: JSON → Pydantic v2

EigenschaftQuelle: JSONZiel: Pydantic v2
StrukturtypHierarchischTypisierter Code
MenschenlesbarkeitHochHoch
VerschachtelungJaJa
LLM-Token-EffizienzNiedrigMittel
Dateiendung.json.py
MIME-Typapplication/jsontext/x-python
Ideal fürREST-/GraphQL-APIs, strukturierter Anwendungszustand, NoSQL-Dokumente und maschineller Datenaustausch.FastAPI-Endpunkte, strukturierte LLM-Ausgaben in Python und strikte Datenvalidierung ab Python 3.10.

So funktioniert's

Python-Pydantic-Modelle aus JSON generieren

Erstellen Sie FastAPI- und LLM-Structured-Output-Modelle in Python direkt im Browser-Arbeitsspeicher.

  1. Beispiel-JSON einfügenGeben Sie eine JSON-Antwort inklusive camelCase-Schlüsseln und verschachtelten Objekten ein.
  2. Root-Klasse & Optional wählenSetzen Sie den Root-Klassennamen und legen Sie fest, ob null-Felder Optional[...] = None erhalten.
  3. Python-Modul kopierenÜbernehmen Sie saubere Pydantic-v2-BaseModel-Klassen direkt in FastAPI oder Python-Skripte.

FAQ

Häufig gestellte Fragen

Wie verarbeitet JSON zu Pydantic camelCase-Schlüssel wie jobId?

Schlüssel werden nach PEP-8-snake_case (job_id) konvertiert und mit Field(alias="jobId") versehen, damit Pydantic v2 camelCase-JSON nahtlos einliest.

Werden verschachtelte JSON-Objekte in eigene Python-Klassen getrennt?

Ja. Verschachtelte Strukturen werden sauber in geordnete BaseModel-Klassen oberhalb der Root-Klasse ausgelagert.

Unterscheidet der Generator zwischen int und float anhand der JSON-Zahlen?

Ja. Ganze Zahlen ergeben int, Dezimalzahlen float, und gemischte Listen werden sauber verallgemeinert.