Python 代码 输入
正在加载编辑器…
JSON Schema 输出
设置
选择作为 JSON Schema 根的 class/dataclass/BaseModel。
解析完全在浏览器内完成，源码不会离开此页面。
粘贴 Python classes，立即生成 JSON Schema。
支持 dataclasses、BaseModel、enums、TypedDict 与现代 type-hint 语法。
Python → JSON Schema 生成器
将 Python dataclasses、Pydantic models 与 TypedDict 转换为 JSON Schema，并可带着 Schema 直接跳转 Mock 生成器生成样例 JSON。
按 Ctrl+D 收藏本工具
如何将 Python dataclass / Pydantic model / TypedDict 转为 JSON Schema（步骤指南）
这个在线 Python class → JSON Schema 转换器可以从真实模型（DTO、struct、class）生成 JSON Schema，方便校验 payload、共享合同，并生成 Mock JSON。
步骤 1：粘贴 Python 源码
- 将需要文档化的模型粘贴到左侧编辑器。
- 把被引用的类型也放在同一段代码里，便于生成 definitions。
- 点击 示例 查看示例输入格式。
步骤 2：选择 根 model（如需要）
- 如果检测到多个定义，选择与 API payload 对应的根类型。
- 输出 Schema 会以选中的根类型为中心，并包含引用类型的额外 definitions。
步骤 3：检查输出的 JSON Schema
- 重点检查类型、必填/可选字段，以及嵌套对象/数组结构。
- 当模型引用其他模型时，注意
definitions以及$ref是否正确。 - 复制或下载 Schema，用于校验、文档或 schema-first 开发。
步骤 4：校验或生成 Mock JSON
- 点击 生成 Mock 数据 即可打开已预填 Schema 的 Mock 生成器。
- 用真实 payload 校验 Schema，尽早发现破坏性变更。
- 如果你依赖更高级的 Schema 组合（例如
anyOf/oneOf/allOf），建议用 Ajv 等完整校验器再验证一遍。
Schema 关键字支持说明
生成的 Schema 可能包含 $ref ，也可以按需补充 anyOf, oneOf, 或 allOf。当 Schema 更复杂时，建议使用完整的 JSON Schema validator；如需生成 Mock 数据，可先 dereference 再生成。
相关工具
搭配这些工具一起使用：校验 Schema、生成 Mock payload、格式化 JSON 样例，并保持代码与合同一致。
常见问题
支持哪些 Python 结构？
支持普通 class、dataclasses、Pydantic BaseModel 与 TypedDict。会读取字段注解、默认值、Optional/Union、Literal 与 Enum 子类来构建更准确的 JSON Schema，全程无需上传源码。
Python 的类型识别如何工作？
list[str]、dict[str, Any]、Optional[int]、tuple[float, float] 以及自定义 class/enum 等 type hints 会自动映射到 JSON Schema primitives/arrays/objects/references。若缺少注解，会基于默认值做简单推断并提示你需要手动调整的地方。
不同 Python 版本和框架都能用吗？
可以。支持 PEP 585 泛型、PEP 604 unions（str | None），以及 @dataclass(frozen=True)、@validator 等装饰器；也兼容 typing.Optional/typing.List 等写法，Python 3.7+ 基本可直接使用。
如何从 Schema 生成 Mock JSON？
生成 Schema 后，点击“生成 Mock 数据”打开已预载 Schema 的 Mock 生成器，配置 locale、数组数量等，即可快速生成适用于文档或测试的样例 payload。