Pydantic-v2-Modelle aus JSON erzeugen
0 Bytes hochgeladenWandeln Sie JSON-API-Antworten in idiomatische Python-Pydantic-v2-BaseModels mit ausgelagerten Unterklassen und Field(alias=...).
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
{
"jobId": "job-77",
"maxTokens": 2048,
"modelConfig": {
"temperature": 0.2,
"stream": true
}
}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
| Eigenschaft | Quelle: JSON | Ziel: Pydantic v2 |
|---|---|---|
| Strukturtyp | Hierarchisch | Typisierter Code |
| Menschenlesbarkeit | Hoch | Hoch |
| Verschachtelung | Ja | Ja |
| LLM-Token-Effizienz | Niedrig | Mittel |
| Dateiendung | .json | .py |
| MIME-Typ | application/json | text/x-python |
| Ideal für | REST-/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.
- Beispiel-JSON einfügenGeben Sie eine JSON-Antwort inklusive camelCase-Schlüsseln und verschachtelten Objekten ein.
- Root-Klasse & Optional wählenSetzen Sie den Root-Klassennamen und legen Sie fest, ob null-Felder Optional[...] = None erhalten.
- 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.