dataclasses在Python 3.9已完全稳定，支持kw_only、frozen等特性；适用于主要存储数据、需自动生成__init__/__repr__/__eq__的类；field()用于定制字段行为，asdict()比__dict__更安全可靠。
dataclasses 在 Python 3.9 中已完全稳定，无需额外安装或导入 typing_extensions —— 直接 from dataclasses import dataclass 即可开用，且对 __match_args__、kw_only 等特性支持完善。
什么时候该用 @dataclass 而不是普通 class？
当你在写一个主要用来「存数据」的类，且满足以下多数条件时，@dataclass 是更优选择：
- 类中大部分属性是字段（field），不带复杂初始化逻辑
- 你反复手写
__init__、__repr__、__eq__，甚至__hash__ - 不需要继承自不可变基类（如
namedtuple）但又希望实例不可变（可用frozen=True） - 字段默认值依赖可变对象（如
list或dict），需用default_factory而非default
field() 的三个高频用法和陷阱
field() 是控制单个字段行为的核心工具，常见于需要定制化行为的场景：
- 用
default_factory=list替代default=[]：后者会在所有实例间共享同一个 list 对象，导致意外污染 - 用
init=False定义运行时计算字段（如full_name），它不会出现在__init__参数中，但可通过@property或__post_init__设置 - 用
repr=False或compare=False隐藏敏感字段或排除参与相等性比较的字段（如 ID、缓存、日志句柄）
注意：field(init=False) 的字段若没在 __post_init__ 中显式赋值，实例化后该属性根本不存在 —— 不会自动设为 None。
立即学习“Python免费学习笔记（深入）”；
Python 3.9 下 kw_only 和类型注解的协同效果
Python 3.9 支持 kw_only=True 参数，强制所有字段必须以关键字形式传入，这对 API 清晰性和向后兼容性帮助极大：
- 避免因新增字段导致调用方位置参数错位（比如从
User("Alice", 25)扩展为User("Alice", 25, "active")时崩溃） - 与类型注解结合后，IDE 和
mypy能精准校验字段名和类型，例如name: str+age: int+status: Literal["active", "inactive"] - 注意：若某字段有默认值（哪怕
None），它自动变成 keyword-only；但kw_only=True会让**所有字段**都变成 keyword-only，无论是否有默认值
示例：@dataclass(kw_only=True) 下，User(name="Alice", age=25) 合法，User("Alice", 25) 直接报 TypeError: __init__() takes 1 positional argument but 3 were given。
序列化时容易忽略的 __dict__ 和 asdict() 差异
直接访问 instance.__dict__ 看似方便，但它会包含所有实例属性（包括 field(init=False) 未初始化的、或 __post_init__ 中动态加的），而 dataclasses.asdict() 只返回由 @dataclass 显式声明的字段（含 init=False 但已赋值的）：
- 用
asdict()做 JSON 序列化更安全，它自动递归处理嵌套 dataclass，且跳过repr=False字段 - 若字段是函数、lambda、模块对象等不可序列化类型，
asdict()会原样保留，仍需手动过滤或重写__getstate__ - 不要依赖
__dict__判断字段是否存在 ——hasattr(instance, "field_name")更可靠
真正麻烦的是混合了 __slots__ 的 dataclass：Python 3.9 允许，但 asdict() 无法识别 slots 字段，必须显式用 fields() 构造字典。
