当您需要将API返回的JSON响应、配置文件等结构化数据，在Python项目中建模为易于使用的类对象时，手动编写类定义不仅繁琐，还容易出错。本工具能解析您输入的JSON数据，根据其嵌套结构和键值对，自动生成包含类型提示（Type Hints）的Python类定义代码。一个JSON对象本质上是一个键值对的集合，本工具会将其映射为Python类的属性，并为每个属性推断其数据类型（如str, int, list, dict等）。
firstName或zip-code）转换为符合Python命名规范的蛇形命名法（如first_name, zip_code），开箱即用。name: str），提升代码可读性和IDE支持度，便于后续进行静态类型检查。问：输入什么格式的JSON才能正确转换？
答：本工具接受标准的JSON字符串，无论是对象（{}）还是数组（[]）形式。请确保JSON语法正确，例如字符串用双引号、没有尾随逗号。
问：工具如何处理JSON数组？
答：这是许多用户关心的问题。如果JSON顶层是一个数组，工具会分析数组内元素的共同结构（通常是对象），并基于此生成一个Python类。例如，输入 [{"id": 1, "name": "a"}, {"id": 2, "name": "b"}]，会生成一个名为 Root 的类，包含 id: int 和 name: str 属性。
请确保输入的JSON格式有效，否则无法解析。工具的类型推断基于JSON原生类型（null, boolean, number, string, array, object），对于混合类型的数组（如 [123, "text"]），属性类型可能被推断为宽泛的 Any 或 Union，需根据业务逻辑手动调整。生成的代码仅为数据模型定义，不包含JSON反序列化（如from_dict）或序列化逻辑，您可能需要结合json.loads()或第三方库（如Pydantic）来完整使用。
对于需要强数据验证和序列化的场景，建议将生成的类代码作为Pydantic模型的基类。Pydantic能基于类型提示自动完成数据解析和验证。例如，将生成的class User:改为from pydantic import BaseModel; class User(BaseModel):，即可轻松实现JSON到模型实例的转换（User.parse_raw(json_string)）。一个典型输入输出示例：输入 {"userName": "Alice", "age": 30, "hobbies": ["coding", "reading"]}，输出类定义将包含 user_name: str, age: int, hobbies: List[str] 等属性。
