@dataclass不是语法糖，而是编译期注入逻辑的装饰器，自动生成__init__、__repr__、__eq__等方法，但要求字段有类型注解且默认值顺序正确。
直接说结论：@dataclass 不是语法糖，它是编译期注入逻辑的装饰器，能自动生成 __init__、__repr__、__eq__ 等方法，省掉 70% 以上样板代码——但前提是字段有类型注解，且默认值顺序不能错。
为什么传统 __init__ 写法容易出错
手写 __init__ 最常踩的坑不是逻辑错误，而是机械性遗漏或不一致：
- 漏写
self.x = x，尤其字段多时（比如 8 个字段漏 1 个，运行时不报错但属性为None） -
__repr__和__eq__没同步更新，改了字段名却忘了改字符串拼接或比较逻辑 - 类型提示全靠自觉，IDE 无法推导参数类型，
my_func(user: User)中点不出user.name - 可选字段默认值写成
email=None，结果所有实例共享同一个None引用（虽无害，但不符合直觉）
@dataclass 自动生成哪些方法，怎么控制
默认只生成 __init__、__repr__、__eq__，其他需显式开关：
-
order=True：生成__lt__、__le__等排序方法（否则sorted([p1, p2])报TypeError） -
frozen=True：禁止运行时修改字段（p.x = 10→FrozenInstanceError），替代__slots__的轻量方案 -
repr=False或field(repr=False)：隐藏敏感字段（如密码）不进print(p)输出 -
init=False：跳过生成__init__，适合需要完全自定义初始化逻辑的场景
可变默认值必须用 field(default_factory=list)
这是最常被忽略的陷阱。以下写法是错的：
立即学习“Python免费学习笔记（深入）”；
@dataclass
class Config:
tags: list = [] # ❌ 所有实例共享同一个 list
正确方式只能是：
from dataclasses import dataclass, field <p>@dataclass class Config: tags: list = field(default_factory=list) # ✅ 每次实例化都新建空 list metadata: dict = field(default_factory=dict)
原因：Python 函数默认参数在定义时求值一次，@dataclass 无法绕过这个机制；field() 是唯一安全入口。
字段顺序和默认值规则必须严格遵守
@dataclass 要求：有默认值的字段必须排在无默认值字段之后。违反会直接报错：
@dataclass
class BadExample:
name: str = "unknown" # ❌ 错误：有默认值字段在前
age: int # TypeError: non-default argument 'age' follows default argument
正确顺序：
@dataclass
class GoodExample:
age: int
name: str = "unknown" # ✅ 无默认值字段在前
email: str = ""
这条规则和函数参数定义完全一致，IDE（如 PyCharm、VS Code + Pylance）会在编辑时标红提醒。
真正麻烦的不是语法，而是当你把一个已有类改成 @dataclass 时，要检查所有字段是否带类型注解、默认值顺序是否合规、可变默认值是否已替换为 field(default_factory=...)——少改一处，运行时就可能静默出错或行为异常。
