DevBentoPython Dataclasses aus Config JSON generieren
Generiere Python Dataclasses mit Typannotationen aus einem verschachtelten Konfigurationsobjekt. Füge deine Config JSON ein und erhalte typisierte Python...
// Generated by DevBento — json-to-typescript
interface RootApp {
name: string;
version: string;
debug: boolean;
}
interface RootDatabaseCredentials {
user: string;
password: string;
}
interface RootDatabase {
host: string;
port: number;
credentials: RootDatabaseCredentials;
}
interface RootFeatures {
darkMode: boolean;
maxConnections: number;
allowedOrigins: string[];
}
interface Root {
app: RootApp;
database: RootDatabase;
features: RootFeatures;
}Python Dataclasses aus Config JSON generieren
Dieses Beispiel konvertiert eine verschachtelte Anwendungskonfiguration in Python Dataclasses mit Typannotationen. Die vorausgefüllte JSON enthält App Einstellungen, eine Datenbank Sektion mit Zugangsdaten und Feature Flags. Der Python Modus ist vorausgewählt, sodass die generierten Klassen sofort beim Laden der Seite erscheinen.
Was du bekommst
Das Tool erzeugt:
RootAppfür die App Einstellungen der obersten Ebene (name, version, debug)RootDatabaseundRootDatabaseCredentialsfür die verschachtelte Datenbank SektionRootFeaturesfür Feature Flags, einschließlich des Arrays erlaubter Origins- Python Typzuordnungen:
str,int,bool,List[str] - snake_case Feldnamen, konvertiert aus camelCase JSON Schlüsseln
- Imports aus
dataclassesundtypingwerden automatisch eingefügt
Anleitung
- Das Beispiel lädt mit einer Beispielkonfiguration und vorausgewähltem Python Modus
- Prüfe die generierten Dataclasses und ihre Typannotationen
- Kopiere den Code in ein Settings Modul in deinem Python Projekt
- Ersetze das Beispiel durch deine echte Config JSON, um Klassen für deine eigenen Einstellungen zu generieren
Praxismuster
Das übliche Python Settings Muster ist ein Modul, das die Config einmal beim Start lädt und dem Rest der Anwendung typisierte Attribute bereitstellt. Die generierten Dataclasses passen direkt in dieses Muster. Für Validierung zusätzlich zur Typisierung akzeptiert pydantic-settings dieselbe Modellform und wirft einen klaren Fehler, wenn die geladene Config nicht passt. In beiden Fällen schlägt ein falsch konfiguriertes Deployment beim Boot mit dem exakten Feld fehl, das falsch ist, statt später mit einem KeyError in der Produktion.
Overrides per Umgebungsvariable
Eine häufige Erweiterung ist, die JSON Config zu laden und dann einzelne Schlüssel per Umgebungsvariable zu überschreiben. Mit typisierten Settings bleibt die Override Ebene einfach: lies die Env Variable, konvertiere sie in den Feldtyp und weise sie der geladenen Dataclass Instanz zu.
Nothing you paste leaves this tab. Every tool runs entirely in your browser — no upload, no server, no account.