API 响应字段对齐
后端返回的 JSON 里有一个嵌套的 'address' 对象，前端 TypeScript 项目要求用 TypedDict 定义类型。手动逐层写类型定义容易漏掉可选字段 'apt'，导致编译报错。用本工具把 JSON 粘贴进去，选择输出 TypedDict 格式，自动生成带 'NotRequired' 标记的类型定义，直接复制进 .pyi 文件，省去逐字段对文档的排查时间。
开发者工具 · JSON / 数据格式
JSON 转 Python
TypedDict/pydantic
✓本地处理 · 不上传
✓免费 · 无需登录
✓无次数限制
JSON 输入数据
Python dataclass · 类型注解 · 嵌套
Python 类型将在这里呈现 —— 点「示例」试试就绪 · 左侧粘贴 JSON，自动推断类型并生成 Python，全程本地处理
第一节
关于本工具
About将 JSON 的嵌套结构手动翻译成 Python 类型注解，是 API 对接中最容易出错的环节——漏一个 Optional、写错一个字段名，代码就可能在运行时静默崩溃。这个工具把 JSON 样本直接转换成 TypedDict 或 pydantic 模型定义，自动处理嵌套对象、数组和可选字段。转换在浏览器内完成，JSON 内容不会离开本地，适合处理包含敏感字段的接口文档。
使用场景
pydantic 校验模型反推
旧项目迁移到 FastAPI，需要把已有的 JSON Schema 文件转成 pydantic BaseModel。Schema 里有个 'items' 数组，每个元素包含 'price' 和 'quantity'，但字段类型是 'number' 和 'integer'，手动写模型容易把 'price' 误写成 int。用本工具选择 pydantic 输出，自动生成带 'Field(ge=0)' 约束的模型代码，直接粘贴到 models.py 里，测试时少了一次类型断言报错。
配置模板批量转结构
运维同事给了 30 个 JSON 格式的容器环境变量配置，每个文件结构相同但值不同。需要把这些 JSON 转成 Python 字典常量，用于生成 .env 模板。手动写 dict 容易漏掉布尔值 True/False 的大小写。用本工具逐个粘贴，选择输出 Python dict 格式，自动把 'true' 转成 True，'null' 转成 None，复制进 config.py 时无需再手动修正类型。
日志结构转数据类
分析 Nginx 访问日志时，日志以 JSON 行格式存储，每条包含 'timestamp'、'status'、'body_bytes_sent' 等字段。写解析脚本前需要定义数据类来承载字段，手动写 __init__ 方法容易把 'body_bytes_sent' 拼错。用本工具粘贴一条日志样本，选择输出 dataclass 格式，自动生成带类型注解的类定义，复制进 parser.py 后，IDE 自动补全字段名，少了一次运行时 KeyError 排查。
测试桩数据生成
单元测试需要一个包含嵌套结构的 mock 响应，JSON 里有三层嵌套的 'user.profile.settings'。手写 dict 嵌套容易缩进错误，导致测试用例里断言失败。用本工具把 JSON 粘贴进去，选择输出 Python dict 格式，自动格式化好缩进和逗号，复制进 test_mock.py 后，直接作为 mock return_value 使用，省去逐层调试缩进的 20 分钟。
第二节
使用指南
Getting Started使用步骤
- 1在左侧编辑框粘贴 JSON 字符串，右侧预览区同步显示结构化的 Python 字典缩进
- 2点击「TypedDict」标签，工具自动为每个字段生成类型注解（如 name: str）
- 3切换到「pydantic」标签，输出转为 BaseModel 类定义，含字段校验与默认值
- 4点任意代码块右上角的复制图标，将当前标签内容写入剪贴板
输入输出示例
| 输入 | 输出 | 说明 |
|---|---|---|
| {"name": "Alice", "age": 30, "is_active": true} | class Person(TypedDict): name: str age: int is_active: bool | 常规：最简单的平铺 JSON，验证基本字段类型推导（str / int / bool） |
| {"id": 1, "data": {"x": 10, "y": 20}} | class NestedData(TypedDict): x: int y: int class Item(TypedDict): id: int data: NestedData | 常规：嵌套对象，验证工具能否正确生成嵌套 TypedDict |
| {"values": [1, 2, 3]} | class Container(TypedDict): values: List[int] | 常规：数组字段，验证 List 泛型推导 |
| {} | class Empty(TypedDict): pass | 边界：空对象，验证工具能否输出无字段的 TypedDict |
| {"a": null} | class Nullable(TypedDict): a: None | 边界：null 值，验证工具如何处理 None 类型（部分工具会报错或输出 Any） |
| {"key": "value", "key": "duplicate"} | class DupKey(TypedDict): key: str | 易错：重复键，验证工具是否去重或报错（此工具取最后一个值） |
| {"123": "number_key"} | class NumberKey(TypedDict): "123": str | 易错：数字键名，验证工具是否保留为字符串键（Python 语法允许但需引号） |
| {"items": [{"a": 1}, {"a": 2, "b": 3}]} | class Inner(TypedDict): a: int b: Optional[int] class Outer(TypedDict): items: List[Inner] | 易错：数组内对象字段不一致，验证工具能否推断联合/可选类型 |
常见错误对照
1.JSON 键名未用双引号包裹
✗ 错误
{name: "Alice", age: 30}✓ 修复
{"name": "Alice", "age": 30}JSON 规范要求所有键名必须用双引号括起，单引号或无引号会被解析器拒绝，导致转换失败。
2.字符串值用了单引号
✗ 错误
{"name": 'Alice'}✓ 修复
{"name": "Alice"}JSON 字符串值必须使用双引号，单引号是非法语法，Python 的 json.loads() 会直接抛出异常。
3.末尾残留逗号
✗ 错误
{"name": "Alice", "age": 30,}✓ 修复
{"name": "Alice", "age": 30}JSON 不允许在最后一个元素后加逗号，而 Python 字典允许，因此这种输入会直接报错。
4.数字值包含前导零
✗ 错误
{"age": 030}✓ 修复
{"age": 30}JSON 数字不允许前导零（除非是 0 本身），030 会被解析为八进制字面量，导致语法错误。
5.布尔值小写
✗ 错误
{"active": true}✓ 修复
{"active": true}此处 bad 实际正确，但常见错误是写成 True（Python 风格），JSON 布尔值必须全小写 true/false。
6.null 写成 Python 的 None
✗ 错误
{"data": None}✓ 修复
{"data": null}JSON 空值必须用 null，Python 的 None 不是合法 JSON 字面量，会导致解析失败。
7.嵌套 JSON 未正确转义引号
✗ 错误
{"nested": "{"inner": 1}"}✓ 修复
{"nested": "{\"inner\": 1}"}JSON 字符串内嵌 JSON 时，内部引号必须用反斜杠转义，否则外层字符串会提前结束。
8.注释混入 JSON
✗ 错误
{"name": "Alice" /* 这是注释 */}✓ 修复
{"name": "Alice"}JSON 标准不支持注释，/* */ 或 // 都会导致解析错误，应移除所有注释。
第三节
工作原理
How It Works核心公式
Python 类型注解 = TypedDict({字段名: 类型, ...}) 或 pydantic.BaseModel 子类
变量说明
字段名JSON 对象中的键名，如 name类型Python 类型，如 str、int、List[str]
示例
输入 JSON：{"name": "Alice", "age": 30, "tags": ["admin"]}，生成 TypedDict：class User(TypedDict): name: str; age: int; tags: List[str]。若用 pydantic，则 class User(BaseModel): name: str; age: int; tags: List[str]。
用户输入/输出
本地处理
代码生成
第五节
常见问题
Q & A问我有一大段 JSON，怎么转成 Python 的 TypedDict 而不是普通的 dict？＋
答
直接粘贴 JSON 到输入框，点击转换后，在结果区的「类型定义」标签页里就能看到生成的 TypedDict 代码。工具会自动把 JSON 的嵌套结构映射成 TypedDict 的嵌套类，字段名保持原样，类型会推断为 str、int、list、Optional 等。如果 JSON 里某个字段有时有值有时 null，类型会变成 Optional[类型]；如果字段名在 Python 里是关键字（比如 class），工具会自动加下划线后缀。
问转换出来的 pydantic 模型代码，为什么有的字段类型写了 Optional 有的没写？＋
答
这是根据 JSON 里的实际数据推断的。如果 JSON 里某个字段在所有记录里都出现了且值不是 null，工具就认为它是必填字段，类型不加 Optional。只要有一条记录里该字段缺失或值为 null，类型就会变成 Optional[类型]，并且字段定义会加上 default=None。如果 JSON 里有多条记录，工具会合并所有记录的字段出现情况来做判断，所以输入的数据越有代表性越好。
问JSON 里有个字段的值是数字，但我想转成字符串类型，能手动改吗？＋
答
工具目前是按 JSON 实际值的类型自动推导 Python 类型，不支持在界面上手动覆盖单个字段的类型。如果数字 123 在 JSON 里就是数字，转出来就是 int 或 float。如果确实需要转成 str，可以在生成的代码里手动把字段类型注解改成 str，然后把赋值部分做 str(...) 转换。或者，在 JSON 里就把那个值写成带引号的字符串，工具会跟着推断为 str。
问JSON 嵌套很深，转出来的 TypedDict 代码怎么那么长？＋
答
嵌套深意味着工具会为每一层 JSON 对象都生成一个独立的 TypedDict 类，类名会根据路径自动生成（比如 AddressInner、AddressInnerContact 这样的风格）。代码长是正常的，因为每个嵌套结构都需要一个显式的类型定义。如果觉得太长，可以只保留顶层 TypedDict 和直接需要的子类，删掉不用的。另外，如果 JSON 结构是递归的（比如树形节点有 children 引用自身），工具目前会按实际嵌套深度展开，不会自动生成递归类型。
问为什么我转出来的代码里，字段名前面多了个下划线？＋
答
这是为了兼容 Python 语法。如果 JSON 里的某个 key 是 Python 的保留关键字（比如 class、def、import、type、list 等），直接用作变量名会导致语法错误。工具会自动在这些 key 后面加一个下划线，变成 class_、def_、import_、type_、list_。在生成的 pydantic 模型里，会同时用 Field(alias='class') 来保持和原始 JSON 的序列化/反序列化兼容，所以读写 JSON 时字段名不变，只在 Python 代码里用带下划线的名字。
问JSON 里有空数组 []，工具会转成什么类型？＋
答
空数组 [] 因为没有元素，工具无法推断列表里元素的类型，所以会转成 List[Any] 或 list（取决于输出格式）。如果 JSON 里既有空数组又有非空数组（比如 [1, 2, 3] 和 [] 都出现在同一个字段的不同记录里），工具会优先用非空数组的元素类型来推导，空数组会被视为该类型的空列表。如果所有数组都是空的，就只能用 Any 了。建议这种情况在生成的代码里手动把 Any 替换成实际的元素类型。
问这个工具是在浏览器里转还是把 JSON 发到服务器？＋
答
全程在浏览器本地处理。JSON 数据不会离开当前页面，也不会被上传到任何服务器。实现方式是纯前端 JavaScript 解析 JSON，然后在内存中生成 Python 代码字符串，整个过程没有网络请求。所以即便处理包含敏感信息（如 API 密钥、用户数据、配置密码）的 JSON，也不会有泄露风险。关闭页面或刷新后，输入的数据和结果都会清空。
问JSON 文件很大，几万行那种，这个工具能处理吗？＋
答
可以，但受浏览器内存限制。工具没有硬编码的行数或大小上限，实际瓶颈是浏览器分配给当前标签页的内存（通常几百 MB 到 1GB 左右）。几万行的普通 JSON（比如日志列表、配置数组）通常没问题。但如果 JSON 里包含大量 Base64 编码的图片或超大文本字段，内存占用会急剧上升，可能导致页面卡顿或崩溃。建议先试一小段数据确认结构正确，再处理完整文件。如果浏览器标签页崩溃，可以分段处理。
隐私保证所有计算与处理均在你的浏览器本地完成，输入数据不会上传服务器，也不会保存或共享。