最直接方式是用 type() 创建类，其调用形式为 type(name, bases, namespace)，可预设类属性和方法，但实例属性需在 init 中设置；dataclass 的 make_dataclass() 更适合结构化数据容器，自动支持常见特殊方法，但不支持继承和动态方法添加。
用 type() 创建带预设属性的类最直接
Python 中动态创建类，type() 是底层且最灵活的方式。它不依赖装饰器或元类，适合一次性、逻辑清晰的场景。
调用形式是 type(name, bases, namespace)：第一个参数是类名（字符串），第二个是父类元组（如 (object,)），第三个是属性字典（键为属性名，值为方法或数据）。
- 类名必须是合法标识符，不能含空格或特殊字符，否则运行时报
TypeError: class name must be string -
namespace中可直接放入函数（绑定为实例方法）、默认值（如"version": "1.0"），但注意：普通函数需显式接收self参数才能成为实例方法 - 若想预设实例属性（而非类属性），得在
__init__中赋值；直接写在namespace里的是类属性，所有实例共享
MyClass = type('MyClass', (object,), {
'default_flag': True,
'__init__': lambda self, name: setattr(self, 'name', name),
'greet': lambda self: f'Hello, {self.name}'
})
obj = MyClass('Alice')
print(obj.greet()) # Hello, Alice
用 dataclass + make_dataclass() 快速生成结构化类
如果目标是定义一组带类型提示、可变/不可变字段的轻量数据容器，make_dataclass() 比手写 type() 更安全、更易读。
它属于 dataclasses 模块，返回一个标准 dataclass，自动支持 __init__、__repr__、__eq__ 等。
- 字段定义用
field(default=...)或(name, type, field(default=...))元组，不支持动态计算默认值（如default_factory=lambda: []可用，但不能写成default=[]） - 生成的类无法直接添加方法——除非后续用
setattr()补充，但会丢失类型检查和 IDE 支持 - 不支持继承已有类（
bases参数仅限object或空元组），若需继承，得回退到type()
from dataclasses import make_dataclass, field
<p>Person = make_dataclass(
'Person',
[('name', str), ('age', int, field(default=0))],
namespace={'is_adult': lambda self: self.age >= 18}
)
p = Person('Bob', 25)
print(p.is_adult()) # True
</p>
避免在 __new__ 或元类中硬编码属性逻辑
虽然元类能拦截类创建过程，但为“预设几个固定属性”而写元类，属于过度设计。容易引入隐式行为、调试困难、与 typing 工具冲突。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
常见误用是把本该由实例初始化完成的事（如设置默认值、校验字段）塞进元类的 __new__ 或 __init__，结果导致类对象本身被污染（比如意外给类加了实例才该有的属性）。
- 元类的
__new__返回的是类对象，不是实例，所以setattr(cls, 'x', ...)是加类属性，不是每个实例的默认值 - 若真需运行时决定字段（如根据配置文件生成模型类），优先封装
type()调用，而不是暴露整个元类接口 - Pydantic v2 的
create_model()是例外——它专为此场景优化，有完整验证和序列化支持，但本质仍是封装了type()
动态类的 __annotations__ 和类型提示需手动补全
用 type() 或 make_dataclass() 创建的类，默认没有 __annotations__ 字典（或内容不全），这会导致 mypy 报错、IDE 无法推导类型、typing.get_type_hints() 失败。
解决办法是在创建后手动赋值 __annotations__，且必须是真实 dict，不能是 MappingProxyType。
- 字段名和类型需严格对应，字符串形式的前向引用（如
"List[int]"）需用eval或typing.ForwardRef处理，不推荐 - dataclass 类可通过
dataclasses.fields()提取字段类型，再构造成注解字典 - 没做这步，
json.dumps(obj.__dict__)可能正常，但pydantic.BaseModel.from_orm(obj)会因类型缺失失败
MyClass.__annotations__ = {'name': str, 'score': float}
# 否则 mypy 会警告："MyClass" has no attribute "__annotations__"
动态创建类时，最容易被忽略的是类型信息的完整性——它不直接影响运行，但会让后续协作、静态检查、序列化全部掉链子。别只盯着“能跑”，得确认 <strong>annotations</strong>、<strong>init</strong> 签名、实例属性隔离这三件事都到位。
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！
