@dataclass适用于纯数据容器场景，如DTO、配置类、API响应解析，能自动生成__init__、__repr__、__eq__；但涉及可变默认值、复杂校验、异步初始化或深度集成时，应选用普通类或叠加pydantic。
dataclass 能省掉大量样板代码，但不是所有场景都适合——它默认生成的 __init__、__repr__ 和 __eq__ 行为可能和你预期不一致，尤其涉及可变默认值或需要自定义初始化逻辑时。
什么时候该用 @dataclass 而不是普通 class？
适用于「纯数据容器」：字段主要是存储值，不封装复杂行为，且你希望自动获得 __init__、__repr__、__eq__ 等方法。
- DTO（数据传输对象）、配置类、API 响应解析结果
- 字段类型明确，且多数字段可直接从构造参数赋值
- 不需要在
__init__中做校验、转换或副作用操作 - 不依赖继承多态来覆盖核心行为（
@dataclass类支持继承，但父类字段不会自动参与子类__init__参数顺序）
可变默认值陷阱：为什么 field(default=[]) 会出问题？
Python 中可变对象（如 []、{}）作默认参数是常见坑，@dataclass 同样适用。所有实例会共享同一个列表对象。
正确写法必须用 field(default_factory=list) 或 field(default_factory=lambda: [])：
Secure Python Code Sandbox
下载
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
立即学习“Python免费学习笔记（深入）”；
from dataclasses import dataclass, field <p>@dataclass class Book: title: str tags: list = field(default_factory=list) # ✅ 安全</p><h1>tags: list = [] # ❌ 危险：所有实例共用一个 list</h1><p>
-
default_factory必须是可调用对象，每次实例化都调用一次 - 内置类型可用
list、dict、set；自定义逻辑用lambda或普通函数 - 如果字段有类型提示但没设默认值，会被视为必需字段（
__init__参数无默认）
frozen=True 和 unsafe_hash=True 的实际影响
加 frozen=True 后实例不可变：字段不能被重新赋值，且自动生成 __hash__ 方法（除非显式禁用），可用于字典键或集合成员。
- 字段一旦初始化就不能改：
book.title = "New"会抛dataclasses.FrozenInstanceError - 若类含可变字段（如
list），即使frozen=True，该字段内容仍可变（冻结的是字段引用，不是对象本身） -
unsafe_hash=True是当类有可变字段但仍想强制生成 hash 时用——不推荐，容易引发哈希不一致 - 若未设
frozen=True但需要 hash，得手动实现__hash__，否则默认返回None
需要自定义初始化时，别硬塞进 __post_init__
__post_init__ 在自动生成的 __init__ 执行完后调用，适合字段间依赖计算或简单校验。但它不能替代完整初始化逻辑。
- 例如：某字段需根据其他字段动态生成，或需调用外部 API 预加载数据 —— 这类操作不该放在这里
- 字段校验建议用
field(validator=...)（需配合marshmallow或pydantic）或手写__post_init__+raise ValueError - 若逻辑复杂（比如要处理多个字段组合、异步加载、上下文依赖），不如放弃
@dataclass，回归手动__init__ -
__post_init__不会影响__repr__输出，它只负责运行时逻辑
真正难处理的是混合场景：既要数据类的简洁性，又要字段级校验、序列化控制、或与 ORM/JSON 库深度集成。这时候 @dataclass 往往只是起点，后续大概率得叠加 pydantic 或自己封装一层工厂函数。
