__post_init__ 是最轻量的校验入口，因 dataclass 赋值后自动调用，字段已就绪且类型已转换，无需额外依赖，不改初始化签名；校验须在此处而非 __init__ 中实现。
dataclasses 本身不带字段校验能力，必须配合 __post_init__ 或第三方库（如 pydantic）才能实现可靠校验；直接用 @dataclass 加 field(default=...) 不会自动检查类型或范围。
为什么 __post_init__ 是最轻量的校验入口
dataclass 在完成字段赋值后会自动调用 __post_init__，此时所有字段已存在、类型也已转换（如果用了 type hint + __future__.annotations 配合运行时检查），适合集中做逻辑校验。它不依赖额外包，也不改变初始化签名。
常见错误现象：ValueError 在 __post_init__ 中抛出，但调用方没捕获，导致实例化直接失败；或校验逻辑写在 __init__ 里，反而绕过了 dataclass 的字段注入机制。
- 校验代码必须放在
__post_init__，不能重写__init__ - 若字段有默认值且允许为
None，需显式判断if self.field_name is None:，而不是依赖isinstance - 对字符串长度、数值范围等业务约束，这里是最自然的落点
from dataclasses import dataclass
@dataclass
class Product:
name: str
price: float
stock: int
def __post_init__(self):
if not self.name.strip():
raise ValueError("name cannot be empty or whitespace")
if self.price < 0:
raise ValueError("price must be non-negative")
if self.stock < 0:
raise ValueError("stock must be non-negative")
用 field(default_factory=...) 避免可变默认参数陷阱
当字段需要默认值且是可变对象（如 list、dict）时，直接写 my_list: list = [] 会导致所有实例共享同一对象——这是 Python 初学者高频翻车点，和 dataclass 无关，但常在 dataclass 场景下暴露。
立即学习“Python免费学习笔记（深入）”；
使用场景：配置类中带默认空列表的标签字段、日志条目中的元数据字典等。
- 永远用
default_factory=list，而不是default=[] - 自定义工厂函数返回新对象，例如
default_factory=lambda: {"created": True} - 如果字段本身需要校验（比如要求默认字典必须含某个 key），仍得在
__post_init__里补检查
想真正“开箱即用校验”？换 pydantic.BaseModel 更合适
如果你要的是字段级类型强制、JSON 自动序列化、嵌套模型校验、甚至 OpenAPI 文档生成，dataclass 就是错的工具——它设计目标是简化类定义，不是数据验证。
性能影响：pydantic v2 默认启用缓存和编译，单次校验开销略高于手写 __post_init__，但胜在声明清晰、错误信息友好、生态集成好（FastAPI、Litestar 等全基于它）。
- 类型注解直接生效：
price: float = Field(ge=0)自动拦截负数 - 错误信息明确指出哪个字段、什么规则失败，不像
__post_init__抛出的ValueError需要自己组织上下文 - 支持
model_validate和model_validate_json，无需手动json.loads再传参
from pydantic import BaseModel, Field
class Product(BaseModel):
name: str = Field(min_length=1)
price: float = Field(ge=0)
stock: int = Field(ge=0)
复杂点在于：校验逻辑一旦分散到类型注解、Field、__post_init__、甚至自定义 @validator（v1）或 @field_validator（v2），就容易漏掉某处边界条件。别贪多，先确保核心字段在 __post_init__ 或 Field 中被覆盖，再逐步加约束。
