JSON 生成器 - 在线工具

1. 怎么用

先拿到一份「形状正确」的骨架，再填业务值——比从空白文件手敲快一个量级，也不会漏掉嵌套字段。

1. 选择生成形状（对象/数组、字段条数、层级深度），按需指定常用字段类型。
2. 预览生成的 JSON，直接复制或下载。

2. 为什么「形状」比「取值」重要

Mock 数据的目的地是代码：前端按字段渲染、测试按类型断言、文档按结构对齐。字段名拼错、数字写成字符串、可选字段缺失——这些形状错误会一路污染到联调。取值反而可以随意（示例邮箱、测试号段），形状必须与接口约定严格一致。所以本工具的使用心法是：先对照接口文档核对结构，再关注生成内容的可读性。

3. 类型诚实：三个最常见的坑

• null 与空串不同：前者表示「无值」，后者是「值为空文本」，后端序列化行为完全不同。
• 数字不加引号：id、count、price 写成字符串会让 TypeScript 推断与断言双双跑偏。
• 布尔就是布尔：true/false 不要写成 "true"，开关类字段的 mock 常见此坑。
• 要类型草稿：把生成样例丢给站内 json-to-typescript，一键得到类型骨架再手工收紧可选字段。

4. 数组的三种必备状态

列表页 mock 只准备「多条数据」是最常见的疏漏——空数组与单条同样要覆盖：空数组驱动空态 UI（占位图、引导文案），单条驱动非分页布局，多条驱动滚动与分页。

5. 与随机数据生成器的分工

本页负责「结构模板」：形状可控、字段可预期，适合联调与文档示例。当需要大量逼真随机数据（姓名、邮箱、地址、时间戳）填充性能测试或演示环境时，用站内的 mock-data-generator——两者常串联使用：先在这里定形状，再让随机工具填肉。

6. 敏感信息红线

不要把真实用户数据贴进来当样本——录制、分享、投屏都会造成二次泄露。示例一律用明显假数据（example.com 邮箱、138/170 测试号段、合成身份证用站内生成器）。真实数据进 mock 是隐私事故的高发源头，本站工具链全程本地，但「输入什么」永远是你自己的责任边界。

7. 下游链路

• 格式化与排序：站内 JSON Formatter 统一缩进与键序。
• 结构校验：配 json-schema-validator，把形状约定固化为可执行断言。
• 给非技术同学看：json-to-excel 转表格更直观。