由 JSON 生成 Pydantic v2 模型

0 字节上传

将接口 JSON 转为符合 Python PEP 8 规范的 Pydantic v2 BaseModel 类,自动提升嵌套类与驼峰 Field(alias)。

100% 客户端本地运行 — 可在 Network 面板验证 0 字节上传在 Network 面板确认 0 字节发送

或将文本或数据文件拖放至此 · Ctrl V 快速粘贴 · 或拖放 .json 文件 · Ctrl V 粘贴 JSON
  • 100% 浏览器本地运行
  • 标准 Pydantic v2 BaseModel
  • 自动转 snake_case + Field(alias)

实时转换前后预览

转换前(输入)inference-job.json
{
  "jobId": "job-77",
  "maxTokens": 2048,
  "modelConfig": {
    "temperature": 0.2,
    "stream": true
  }
}
转换后(输出).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")

源格式与目标格式规格对比: JSON → Pydantic v2

规格属性源格式:JSON目标格式:Pydantic v2
结构类型层级结构强类型代码
人类可读性高高
支持嵌套支持支持
LLM Token 效率低中
文件扩展名.json.py
MIME 类型application/jsontext/x-python
适用场景REST/GraphQL API 接口、结构化应用状态、NoSQL 文档以及跨系统数据交换。FastAPI 后端接口、Python 大模型结构化输出以及 Python 3.10+ 严格数据校验。

使用方法

如何在本地由 JSON 生成 Python Pydantic 模型

直接在浏览器内存中为 FastAPI 接口或 Python 大模型结构化输出快速生成类型模型。

  1. 粘贴 JSON 示例输入包含嵌套对象与驼峰键名的任意 JSON 接口响应。
  2. 设置根类名与 Optional 策略指定根模型类名,并决定是否对 null 值生成 Optional[...] = None。
  3. 复制 Python 代码将结构整齐的 Pydantic v2 BaseModel 直接粘贴到 FastAPI 或 Python 管线中使用。

常见问题

常见问题解答

JSON 转 Pydantic 如何处理像 jobId 这样的驼峰命名键?

字段会自动转为符合 PEP 8 的 snake_case (job_id),同时附加 Field(alias="jobId") 保证 Pydantic v2 无缝解析原 JSON。

嵌套 JSON 对象会单独生成对应的 Python 类吗?

会的。深层嵌套对象会自动提升为按依赖顺序排列在根模型上方的独立 BaseModel 子类。

能从 JSON 示例数字里区分 int 和 float 吗?

可以。整数生成 int、带小数的数字生成 float,混合数值列表也会妥善归纳为联合类型。