Génération de types
Une clé absente et un champ présent valant null ne donnent pas la même valeur par défaut.
Analyse et génération dans ce navigateur. L’entrée n’est ni envoyée ni enregistrée.
Les tableaux définissent le modèle d’élément Root. Pydantic load_models accepte un objet ou un tableau.
2 classes · 2 champs acceptant null
JSON en Python transforme des réponses API représentatives en une première définition de modèle. Pour repérer les champs parfois absents, fournissez plusieurs enregistrements de formes différentes, et pas seulement une réponse complète.
La conversion JSON vers Python peut produire des classes Python de la bibliothèque standard ou des modèles Pydantic avec validation à la lecture. Dans les deux cas, les échantillons révèlent des types observés : ils ne définissent pas toutes les règles de votre application.
JSON en Python conserve le caractère obligatoire des champs toujours présents, même si null est autorisé. Une clé absente dans un autre échantillon reçoit en revanche la valeur par défaut None. Ces deux situations n’imposent pas les mêmes arguments à la construction du modèle.
Les mots réservés et les clés avec ponctuation deviennent des noms Python valides. Leur forme originale reste inscrite dans les métadonnées dataclass ou les alias Pydantic. Des suffixes déterministes distinguent les clés qui aboutiraient au même attribut.
Acceptez comme racine un objet ou un tableau non vide composé uniquement d’objets. Chaque emplacement de tableau réunit les informations de tous ses éléments. Les clés supplémentaires des derniers enregistrements comptent donc aussi dans le modèle.
Le réglage initial ajoute None uniquement aux clés dont l’absence est observée. L’autre option rend tous les champs omissibles. Les dates restent str par défaut. Choisissez Decimal si les nombres décimaux ou exponentiels, et les entiers mélangés avec eux, doivent garder leur précision.
La génération démarre après 350 ms sans modification. Désactivez le mode automatique pour utiliser le bouton ou Ctrl/Cmd+Enter. Toute modification bloque immédiatement l’export de l’ancien résultat. Effacer et charger l’exemple conservent une annulation de l’entrée, des options et de la sortie.
Le mode dataclass ne dépend que de la bibliothèque standard et place les champs obligatoires avant ceux ayant une valeur par défaut. Le mode Pydantic cible précisément la version 2.12.5. Les classes enfants précèdent leurs parents pour permettre l’import du fichier sous Python 3.9 ou ultérieur.
Un groupe composé seulement d’entiers utilise int à précision arbitraire. Si des décimales ou exposants apparaissent, le groupe utilise float par défaut : les grands entiers fusionnés dans ce groupe peuvent aussi être arrondis. En mode Decimal, le chargeur lit les nombres décimaux sans étape float, y compris dans les conteneurs Any.
Le mode ISO reconnaît les dates de calendrier valides et les horodatages complets avec fuseau, limités à six chiffres de fractions de seconde. Toutes les chaînes non nulles au même emplacement doivent être du même genre. Une date invalide, sans fuseau ou plus précise reste str. Pydantic effectue la conversion à la lecture ; dataclass ne la fait pas.
Les champs suivent snake_case en ASCII. Les mots réservés, préfixes soulignés, noms model_* et méthodes BaseModel sont renommés. Clés vides, Unicode et caractères de contrôle gardent leurs alias. Les imports utilisent des noms internes distincts pour éviter les conflits avec des classes nommées Decimal ou BaseModel.
Oui. Chaque objet enfant non vide reçoit une classe dans le même fichier. Les classes enfants sont définies avant leurs parents. Tous les éléments d’un tableau participent à la déduction. Cela décrit les types, mais une dataclass ne construit pas automatiquement les instances imbriquées.
Oui. JSON en Python est utilisable gratuitement sans créer de compte. Vous pouvez choisir les deux frameworks et exporter le fichier généré. Pour exécuter le résultat Pydantic dans votre projet, il faut y installer la version cible 2.12.5.
Une fois la page et ses composants chargés, la génération fonctionne dans le navigateur sans connexion. Si vous ouvrez la page pour la première fois hors ligne, son chargement n’est pas garanti. L’exécution du fichier Python exporté relève de votre propre environnement.
C’est possible avec votre code de conversion, mais les dataclasses générées ici ne contiennent pas de décodeur. json.loads retourne des dictionnaires et listes. Vous devez mapper les noms et construire explicitement les objets enfants. Les métadonnées seules ne réalisent pas ces opérations.
Gardez les alias activés. Pydantic utilise Field(alias=...) pour lire la clé originale. En dataclass, json_key conserve cette information pour votre adaptateur. Les collisions reçoivent un suffixe et la configuration Pydantic évite de lire par erreur le nom Python d’un autre champ.
Un cas de déduction mérite une amélioration ?
Utilisez JSON en Python avec des clés absentes, des null et des nombres représentatifs, puis vérifiez le fichier exporté avec le code de lecture de votre application.