本文对比了直接使用类变量定义数据属性与采用 dataclass 的两种方式，指出后者在实例初始化、可变默认值处理及代码可维护性上的显著优势，并推荐结合 __init__ 自动化构造的 dataclass 方案。
本文对比了直接使用类变量定义数据属性与采用 dataclass 的两种方式，指出后者在实例初始化、可变默认值处理及代码可维护性上的显著优势，并推荐结合 `__init__` 自动化构造的 dataclass 方案。
在 Python 中定义轻量级数据容器时，开发者常面临两种设计选择：一种是仅声明类变量（带类型注解）并手动赋值实例属性；另一种是使用 @dataclass 自动生成 __init__ 等方法。表面上看，二者都能存储字段，但语义、安全性和可维护性存在本质差异。
首先，原始的 A1 类存在严重隐患：
class A1:
foo: str = ""
mut_list: list = [] # ❌ 危险！可变默认值被所有实例共享
此处 mut_list = [] 是类属性，一旦某个实例修改该列表（如 a.mut_list.append("baz1")），所有后续实例（如 b）将共享同一列表对象，极易引发隐蔽的并发或状态污染 bug。即使显式重置 b.mut_list = []，也属于冗余且易遗漏的防御性操作，违背“显式优于隐式”的 Python 哲学。
而 A2 使用 dataclass 则天然规避此风险：
from dataclasses import dataclass, field
@dataclass
class A2:
foo: str = ""
mut_list: list = field(default_factory=list) # ✅ 每个实例独享新列表
c = A2() # 自动调用 __init__: c.foo="", c.mut_list=[]
c.mut_list.append("baz3") # 安全修改，不影响其他实例
d = A2("bar4", ["baz4"]) # 支持位置/关键字参数，语义清晰
dataclass 不仅自动注入 __init__、__repr__、__eq__ 等方法，更通过 field(default_factory=...) 强制要求可变默认值必须由工厂函数生成，从语言层面杜绝共享状态。同时，它使构造意图一目了然——字段即实例属性，而非易混淆的类变量占位符。
⚠️ 注意事项：
- 若坚持手写类（如 A1），务必显式定义 __init__ 并在其中初始化实例属性（self.foo = ..., self.mut_list = []），否则无法解决可变默认值问题；
- 类变量（如 A1 中的 foo: str = ""）仅用于类型提示和文档，实际运行时若未在 __init__ 中赋值，访问 a.foo 将触发 AttributeError（除非已动态设置）；
- dataclass 默认不可变（frozen=True 可启用），若需运行时修改，保持默认 frozen=False 即可。
综上，优先选用 @dataclass：它以声明式语法明确表达“这是一个数据载体”，自动处理初始化逻辑与可变默认值陷阱，并提供开箱即用的调试友好特性（如 print(c) 输出清晰结构）。这不仅是代码简洁性的提升，更是健壮性与协作效率的关键保障。
