تحويل JSON إلى Python
تحويل JSON إلى كلاسات Python لتطوير تطبيقات Python
إدخال JSON
مخرجات Python
ما هو تحويل JSON إلى Python؟
استدعيت واجهة برمجية وحصلت على استجابة JSON، والآن تصل إلى كل شيء عبر response["data"]["user"]["email"] — بدون إكمال تلقائي، بدون فحص أنواع، وخطأ مطبعي واحد يقودك مباشرة إلى KeyError. json.loads() يمنحك قاموساً، وهذا جيد للسكريبتات السريعة. لكن لكود التطبيقات الحقيقي، dataclasses المكتوبة بالأنواع أو نماذج Pydantic أفضل بكثير. هذه الأداة تُولِّد كلاسات Python مباشرة من JSON الخاص بك — الصق، احصل على Python منظم والصقه في مشروعك.
تُولِّد هذه الأداة تعريفات كلاسات Python من بيانات JSON الخاصة بك. فعِّل Dataclass وTyping وNullable في لوحة الإعداد. تمنحك Dataclasses (Python 3.7+) __init__ و__repr__ والمساواة مجاناً. استخدم المخرجات مع json.loads() والتعيين اليدوي، أو اضبطها لـPydantic.
تعمل عملية التحويل بالكامل في متصفحك. لا يتم إرسال بيانات JSON الخاصة بك إلى أي خادم.
كيفية استخدام هذه الأداة
الصق أو ارفع JSON
انسخ JSON الخاص بك والصقه في المحرر الأيسر. يمكنك أيضاً النقر على رفع الملف لتحميل ملف .json أو .txt. استخدم زر تحميل مثال لتحميل بيانات نموذجية. في لوحة الإعداد، حدد اسم الكلاس والخيارات: Dataclass للحصول على @dataclass، وTyping للحصول على تعليقات List[Type]، وNullable للحصول على Optional[T].
مراجعة الكلاسات المُولَّدة
تعرض اللوحة اليمنى كود Python المُولَّد. تصبح الكائنات المتداخلة كلاسات متداخلة. تحصل المصفوفات على List[Type] من وحدة typing. تستخدم Dataclasses @dataclass؛ وإلا تحصل على كلاسات عادية مع __init__. إذا كان JSON يحتوي على أخطاء نحوية، صحِّحها أولاً باستخدام منسق JSON أو التحقق من JSON.
نسخ أو تنزيل
استخدم نسخ لوضع النتيجة في الحافظة، أو تنزيل لحفظها كملف .py. الصقها في مشروعك. للكتابة الديناميكية، يكفي json.loads(). للتحقق والتحليل، فكِّر في استخدام Pydantic.
أمثلة JSON إلى Python
إليك مثالاً على توليد Python dataclasses من كائن JSON.
مثال: سجل مشترك
إدخال JSON:
مخرجات Python المُولَّدة:
متى يساعد تحويل JSON إلى Python
يحتاج معظم المطورين إلى هذا عند الدمج مع واجهات REST البرمجية. ترسل طلباً عبر Postman أو requests أو httpx، وتأتي الاستجابة بصيغة JSON. لصقها هنا يمنحك كلاسات مكتوبة يمكن استخدامها للوصول المنظم.
ملفات الإعداد وحمولات Webhook وتدفقات الأحداث غالباً ما تكون بصيغة JSON. تشغيلها عبر هذه الأداة يساعدك على فهم البنية وتوليد كلاسات Python لتلميحات النوع أو التحقق من البيانات أو خطوط معالجة البيانات.
إذا كنت تبني تطبيق FastAPI أو Flask يستهلك واجهات برمجية خارجية، فإن وجود نماذج مكتوبة يُحسِّن جودة الكود ويكتشف الأخطاء مبكراً. يمكن تكييف الكلاسات المُولَّدة لـ Pydantic بتغييرات طفيفة.
الأسئلة الشائعة
كيف أُحوِّل JSON إلى dataclass Python تلقائياً؟
الصق JSON في هذه الأداة، فعِّل خيار Dataclass، وستُولِّد كلاس @dataclass لكل كائن متداخل. انسخه إلى مشروعك — يعمل مع Python 3.7+.
ما الفرق بين dataclass والكلاس العادي في JSON؟
تُولِّد Dataclasses (Python 3.7+) تلقائياً __init__ و__repr__ و__eq__. تحتاج الكلاسات العادية إلى __init__ يدوي. لمعظم العمل مع الواجهات البرمجية، تكون dataclasses أكثر نظافة. للتحقق من البيانات، فكِّر في Pydantic.
هل يتم إرسال بياناتي إلى أي مكان؟
لا. كل شيء يعمل في متصفحك. لا يغادر JSON الخاص بك جهازك أبداً — آمن للاستجابات الإنتاجية للواجهات البرمجية أو البيانات الحساسة.
هل يمكنني استخدامه مع Pydantic؟
المخرجات هي Python قياسي. لـ Pydantic، غيِّر الكلاس الأساسي إلى BaseModel وأزِل @dataclass. Pydantic لديه أيضاً طريقة model_validate() التي تتولى التحليل من القاموس تلقائياً.
ماذا عن snake_case مقابل camelCase؟
يستخدم JSON عادةً camelCase؛ اصطلاح Python هو snake_case. يستخدم المولِّد مفاتيح JSON كما هي. لـ Pydantic، استخدم model_config = ConfigDict(populate_by_name=True) وField(alias="camelCaseKey") للتعيين.
أدوات ذات صلة
لمعالجة JSON في Python، انظر وحدة json في Python وPydantic. لمعلومات حول JSON، انظر مواصفات JSON وRFC 8259 وMDN.