dataclass比手动写__init__更安全，因其自动生成的__init__严格按字段声明顺序和类型注解校验参数，避免漏赋值、错赋值或参数名拼写错误（如ag），缺失字段直接抛typeerror，早于运行时逻辑崩溃暴露问题。
dataclass 为什么比手动写 __init__ 更安全？
因为 dataclass 自动生成的 __init__ 会严格按字段声明顺序和类型注解校验参数，避免手写时漏赋值、错赋值或参数顺序混乱。比如字段 age: int 被声明为 int，传入 "25" 不会报错（Python 类型注解不强制运行时检查），但字段缺失或拼错名（如写成 ag）会直接触发 TypeError —— 这比运行到后续逻辑才崩更早暴露问题。
实操建议：
- 所有字段必须有类型注解，否则不会被纳入 dataclass 字段（除非显式用
field(default=...)） - 如果某个字段不想参与
__init__或比较，用field(init=False)或field(compare=False) - 避免在类体中直接给字段赋值（如
name = "default"），这会让 dataclass 忽略该字段；改用field(default="default")
如何处理可变默认值（比如 list 或 dict）？
这是最常踩的坑：dataclass 不允许用 list、dict 等可变对象作默认值，否则所有实例共享同一份引用。错误写法：items: list = [] —— 运行时报 ValueError: mutable default <class> for field items</class>。
正确做法只有两种：
- 用
field(default_factory=list)（推荐） - 用
field(default_factory=lambda: ["a", "b"])自定义初始化逻辑
示例：
@dataclass
class Config:
tags: list = field(default_factory=list)
metadata: dict = field(default_factory=dict)
什么时候该关掉 __repr__ 或 __eq__？
默认生成的 __repr__ 会打印所有字段，对含敏感字段（如 token: str）或大体积字段（如 raw_data: bytes）的类很危险；__eq__ 默认按字段逐个比较，但有时你只关心 ID 是否一致。
实操建议：
- 设
repr=False关闭__repr__，自己实现更可控的__repr__ - 设
eq=False关闭默认比较，再手动写__eq__（比如只比self.id == other.id） - 如果只想排除某几个字段参与比较，用
field(compare=False)，比关整个eq更精细
与 NamedTuple 和 attrs 的关键区别在哪？
dataclass 是可变的（字段默认可赋值），而 NamedTuple 实例不可变；attrs 功能更全（如支持 validators、converters），但 dataclass 是标准库，无额外依赖。
选型参考：
- 需要运行时字段验证或自动类型转换 → 用
attrs - 要轻量、标准、且允许后续修改字段值 → 用
dataclass - 确定字段永不变更、且想利用元组的内存/性能优势 → 用
NamedTuple
注意：dataclass 的 frozen=True 可模拟不可变性，但底层仍是普通类，不是元组，性能略逊于 NamedTuple。
真正容易被忽略的是 __slots__：dataclass 默认不启用，如果实例数量极大（比如十万级），加上 slots=True 能显著减少内存占用，但会禁用动态属性赋值 —— 这点常被跳过测试直接上线后才发现对象突然不能挂新属性了。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
