dataclasses 的可变默认值会引发共享引用问题，因所有实例共用同一对象；应使用 field(default_factory=list) 每次生成新对象；init=False 字段需有默认值；继承时非默认字段须在默认字段前；asdict() 比 dict 更完整。
dataclasses 能省掉大量样板代码，但直接套用 @dataclass 很容易踩坑——比如可变默认值、继承行为异常、或序列化时字段丢失。
为什么 field(default=[]) 会引发共享引用问题
dataclass 不允许对可变对象（如 []、{}）直接设为默认值，否则所有实例会共用同一个对象。
错误写法：
@dataclass
class User:
tags: list = [] # ❌ 危险！所有 User() 实例共享同一列表
正确做法是用 field(default_factory=list)：
立即学习“Python免费学习笔记（深入）”；
-
default_factory必须是可调用对象，每次实例化时都会重新调用生成新对象 - 常见工厂函数：
list、dict、lambda: [1, 2]、自定义函数 - 不能混用
default和default_factory，否则报ValueError
如何控制哪些字段参与 __init__ 或 __repr__
不是所有字段都需要出现在初始化参数里，比如缓存、计算属性或内部状态。
用 field(init=False) 可跳过 __init__，但依然保留在 __repr__ 中；加 repr=False 才彻底隐藏：
@dataclass
class CacheItem:
key: str
value: str
updated_at: datetime = field(init=False, default_factory=datetime.now)
_cache_hit_count: int = field(repr=False, default=0) # 不显示在 repr 里
-
init=False的字段必须有默认值（含default_factory），否则实例化失败 - 若同时设
init=False和default=...，该字段不会出现在__init__签名中，但会被赋值 -
compare=False可排除字段参与==比较，hash=False影响哈希行为
继承 dataclass 时字段顺序和 __post_init__ 的执行时机
子类 dataclass 会自动合并父类字段，但顺序按 MRO（方法解析顺序）拼接，且所有字段必须在非默认字段之后——否则抛 TypeError。
例如：
@dataclass
class Animal:
name: str
<p>@dataclass
class Dog(Animal):
breed: str
age: int = 0 # ✅ 合法：非默认字段在前，带默认值的在后
- 如果父类有默认字段，子类新增非默认字段，就会报错（违反“非默认字段不能跟在默认字段后”规则）
-
__post_init__在所有字段赋值完成后调用，父子类都会执行；子类需显式调用super().__post_init__()，否则父类逻辑被跳过 - 避免在
__post_init__中修改field(init=False)字段以外的字段，可能干扰冻结（frozen=True）行为
序列化时字段缺失？检查 __dict__ 和 asdict() 的差异
直接访问 obj.__dict__ 可能漏掉由 field(init=False) 创建的字段（它们不进 __dict__），而 asdict() 是安全的。
示例：
from dataclasses import asdict <p>item = CacheItem(key="x", value="y") print(item.<strong>dict</strong>) # 不含 _cache_hit_count（因 repr=False 不影响 <strong>dict</strong>，但 init=False 字段也不在此） print(asdict(item)) # 包含全部字段，包括 init=False 的 updated_at 和 _cache_hit_count
-
asdict()递归处理嵌套 dataclass，但对自定义类或不可序列化对象（如datetime）会原样保留，需额外转换 - 需要 JSON 序列化时，别直接
json.dumps(obj)，会报TypeError；应先asdict()，再对datetime等做default=...处理 - 如果用了
frozen=True，asdict()仍可用，但无法在__post_init__中给字段重新赋值
真正麻烦的是字段校验和类型运行时检查——@dataclass 本身不做任何类型验证，type: str 只是注解。需要强约束就得上 pydantic 或手动在 __post_init__ 里写 isinstance 判断。
