JSON 转 Pydantic
粘贴 JSON 一键生成 Pydantic v2 BaseModel，可直接用作 FastAPI 的 request / response 模型
在线 JSON 转 Pydantic 工具：自动推断 int / float / bool / str / datetime / list 等类型，嵌套对象与对象数组生成独立模型类（被依赖的子模型排在前面）， 字段名统一规范为 snake_case，开启别名后每个字段以 Field(..., alias="原始键") 对齐上游 JSON，值为 null 的字段标注 Optional 并补默认值，import 按需精简不多一行。 全部转换在浏览器本地完成，不上传任何数据。
输入 JSON
生成设置
开启后每个字段生成 Field(..., alias="原始键")，并注入 model_config = ConfigDict(populate_by_name=True)，两种键名都能赋值
值为 null 的字段标注 Optional[T] 并补默认值 None，让字段真正可选
符合 ISO 8601 的字符串（含纯日期）识别为 datetime，关闭后一律按 str
嵌套对象与对象数组生成独立 class（被依赖的子模型在前），关闭后一律用 dict 类型
Pydantic 模型代码
0
模型类
0
字段
0
import 行
输入 JSON 后，这里会显示生成的 Pydantic 模型代码
也可以点击左侧「载入示例」先看看效果
用法提示
- • FastAPI 即插即用：把生成的类直接用作路径操作的 request / response model，请求体自动完成校验与类型转换，OpenAPI 文档也随之生成。
- • 校验普通字典：
Root.model_validate(obj)（Pydantic v2）可校验任意 dict，失败时抛出 ValidationError 并精确指出字段与原因；model_dump(by_alias=True)按原始键导出。
#JSON 转 Pydantic 工具说明
Pydantic 是什么？FastAPI 为什么用它？
Pydantic 是 Python 生态最主流的数据校验库：用类型注解声明字段，构造对象时自动完成类型转换与校验，数据不合法就抛出 ValidationError 并精确指出字段与原因。 FastAPI 把 Pydantic 当作地基——路径操作的请求体、响应模型本质都是 Pydantic 模型，参数校验、序列化、交互式 API 文档（OpenAPI / Swagger）全部由模型定义驱动， 所以「JSON 定义接口结构 → 生成 Pydantic 模型」是接入 FastAPI 的第一步。
v1 和 v2 的写法差异
Pydantic v2 用 model_config = ConfigDict(populate_by_name=True) 一行类属性， 取代了 v1 的 class Config: 内嵌类写法；校验核心也换成了 Rust 实现的 pydantic-core，速度提升数倍。 本工具输出的是 v2 写法（BaseModel + ConfigDict + Field），如需 v1，把 ConfigDict 那行改回 class Config: 即可。
alias 什么时候需要？
当上游 JSON 的键不符合 Python 命名规范时——例如 camelCase（userName）、kebab-case（api-version）、含空格（retry count）或撞上关键字（class）—— Python 侧需要一个合法的 snake_case 字段名，序列化解析则靠 alias 对齐原始键，两边互不迁就。 配置 populate_by_name=True 后，模型初始化时传字段名或原始键都能识别。 原始键本身已经是合法 snake_case（如 order_id）时不再生成多余别名，保持代码干净。
Optional 和默认值的坑
- 字段值为 null 时只能推断成 Optional[Any] = None，无法得知真实类型，建议拿到代码后手动改成 Optional[str] 等更精确的注解。
- Optional[T] 只是类型层面「允许 None」，Pydantic 默认仍把没有默认值的 Optional 字段当必填——所以本工具会补上 = None 或 Field(None, alias=...) 让它真正可选。
- 数组里混入 null 时会生成 list[Union[T, None]]，等价于「元素可空」；若想整段容错，也可手动放宽为 list[Any]。
和 dataclass 的区别
dataclass（标准库）只是「数据容器」：自动生成 __init__ / __repr__ 等样板代码，不做任何运行时类型校验与转换，字段类型写错不会报错； Pydantic 模型在构造时校验并强制转换类型，还自带 model_validate / model_dump / JSON Schema 导出等接口。 对外要信任校验（API 输入、配置解析）选 Pydantic；纯内部、追求轻量的数据结构用 dataclass 即可——Python 3.12+ 的 dataclass 也能和 Pydantic 混用。
#常见问题 (FAQ)
生成的代码需要安装什么依赖？
只需要 pydantic（v2 系列，pip install pydantic），FastAPI 项目自带无需额外安装；datetime 与 typing 都是 Python 标准库。生成代码可直接粘贴进 models.py 使用。
为什么每个字段都带 Field(..., alias=...)？可以去掉吗？
这是「字段别名 alias」开关的效果：开启后每个字段都以 Field(..., alias="原始键") 对齐上游 JSON，Python 侧保持 snake_case，两种键名经 populate_by_name 配置都能赋值。若原始键本身已是规范 snake_case 且接受直用，可关闭开关得到裸字段声明。
JSON 数据会被上传吗？
不会。JSON 解析、类型推断与代码生成全部在你的浏览器本地完成，不发送任何网络请求，刷新页面后数据自动清空，可以放心粘贴生产环境接口返回值。
相关工具推荐
Spine动画编辑器
专业的Spine动画预览和编辑工具，支持多引擎导出
SQL查询优化器
分析SQL查询并提供优化建议
JVM启动参数配置
可视化配置Java虚拟机启动参数，支持内存、GC、性能等选项
代码片段转换
不同编程语言间代码片段转换（如Python↔JavaScript）
IP地址查询
查询IP地址的地理位置、运营商、ASN等信息，支持IPv4和IPv6
JSON转TypeScript接口
根据JSON数据自动生成TypeScript类型定义