本文介绍一种清晰、可维护的方案，用于将按规则流式输入的混合类型数据（如颜色枚举与成对数字）解析并映射为结构化数据类实例，通过预处理+策略映射替代状态机式硬编码逻辑。
本文介绍一种清晰、可维护的方案，用于将按规则流式输入的混合类型数据（如颜色枚举与成对数字）解析并映射为结构化数据类实例，通过预处理+策略映射替代状态机式硬编码逻辑。
在处理流式、非结构化的输入数据（例如 ["Red", 3, 1, 4, 5, "Blue", 2, 2, 7, 5, ...]）时，直接用状态计数器（positional_counter）和临时变量（digits）逐位拼接字段，不仅逻辑耦合度高、容错性差，还难以扩展和测试。更优的实践是分离关注点：先清洗与分组，再按业务规则构造对象。
✅ 推荐方案：三步法（预处理 → 映射 → 实例化）
1. 定义清晰的数据模型
使用 @dataclass 和继承表达语义差异，避免在单个类中混用互斥字段（如 petrol 和 diesel 同时存在但仅一者有效）：
from enum import Enum
from dataclasses import dataclass
from typing import Iterable, Tuple, Type, Union
class Color(Enum):
RED = "Red"
BLUE = "Blue"
YELLOW = "Yellow"
ORANGE = "Orange"
GREEN = "Green"
@dataclass
class Vehicle:
color: Color
engine: int
fuel: int # 统一命名，语义由子类决定
@dataclass
class Diesel(Vehicle):
pass
@dataclass
class Petrol(Vehicle):
pass2. 预处理：将原始流转换为规范元组
编写健壮的 process_data 函数，自动跳过起始非颜色项，并按「颜色 + 2位引擎 + 2位燃料」模式分组。它具备容错能力，不依赖输入严格对齐：
def process_data(stream: list) -> Iterable[Tuple[Color, int, int]]:
i = 0
while i < len(stream):
# 跳过非颜色项，定位下一个有效颜色
val = stream[i]
try:
color = Color(val)
except ValueError:
i += 1
continue
# 检查后续是否有足够数字：需至少4个连续数字（engine:2 + fuel:2）
if i + 4 >= len(stream):
break # 数据不完整，丢弃当前组
# 提取两位数：(a,b) → a*10 + b
try:
engine = stream[i+1] * 10 + stream[i+2]
fuel = stream[i+3] * 10 + stream[i+4]
except (TypeError, IndexError):
i += 1
continue
yield (color, engine, fuel)
i += 5 # 移动到下一组起始位置3. 策略映射：用字典解耦颜色与类型
定义映射表，将颜色直接关联到对应子类，消除冗长 if/elif 判断：
COLOR_TO_CLASS = {
Color.RED: Petrol,
Color.BLUE: Petrol,
Color.YELLOW: Petrol,
Color.ORANGE: Diesel,
Color.GREEN: Diesel,
}4. 组装：简洁、可读、可测
最终构建逻辑仅需一行核心调用：
raw_data = ["Red", 3, 1, 4, 5, "Blue", 2, 2, 7, 5, "Orange", 5, 2, 6, 8]
vehicles: list[Union[Petrol, Diesel]] = []
for color, engine, fuel in process_data(raw_data):
cls = COLOR_TO_CLASS[color]
vehicles.append(cls(color, engine, fuel))
# 示例输出
for v in vehicles:
print(f"{v.color.name}: engine={v.engine}, fuel={v.fuel} ({type(v).__name__})")
# 输出：
# RED: engine=31, fuel=45 (Petrol)
# BLUE: engine=22, fuel=75 (Petrol)
# ORANGE: engine=52, fuel=68 (Diesel)⚠️ 注意事项
- 输入鲁棒性：process_data 自动跳过非法前缀，且对不完整组静默忽略，避免崩溃；
- 类型安全：Color 枚举确保颜色值合法；fuel 字段统一命名，语义由实例类型体现；
- 可扩展性：新增颜色只需更新 COLOR_TO_CLASS 字典，无需修改解析或构造逻辑；
- 测试友好：process_data 可独立单元测试；各子类可单独验证行为。
这种设计将“如何解析”与“如何建模”彻底解耦，代码自解释性强，符合 Python 的显式、简洁与组合哲学。
