结构化应用数据的Dataclasses
内容提要
本文介绍Python dataclass如何替代易出错的配置字典，构建结构化、可维护的数据模型。涵盖组合嵌套记录、用default_factory处理可变默认值、在__post_init__中校验不变量、用frozen=True实现不可变、以及通过asdict和显式from_dict进行JSON序列化。最后对比dict、dataclass和Pydantic的适用场景，强调dataclass适合可信的内部数据，外部数据则用Pydantic。
延伸解读
类型注解不是运行时校验
文章强调，dataclass的字段注解只是文档和工具支持，不会在运行时检查类型。例如，`JobConfig("nightly-import", batch_size="lots")`会成功构造，直到下游运算才出错。因此，不要将dataclass视为自执行的验证器，它只是可读的契约。若需要运行时校验，应使用`__post_init__`或考虑Pydantic。
嵌套结构需显式重建
`asdict()`能递归地将dataclass转为字典，但反向操作不会自动将字典转回嵌套的dataclass。直接使用`JobConfig(**json.loads(payload))`会导致`retry`字段成为普通字典。文章建议编写显式的`from_dict`类方法，逐层构造嵌套对象，确保类型正确。这是序列化边界上最容易出错的地方。
frozen=True的局限
`frozen=True`能阻止通过生成的`__init__`和`__setattr__`修改字段，但它是模拟的不可变性：如果字段是列表等可变类型，仍可修改其内容。文章建议对真正不可变的值使用元组而非列表。此外，并非所有对象都适合冻结，例如需要累积结果的工作流对象应保持可变。
选择工具的依据：数据信任度
文章提供了一个决策规则：dict适合短期、灵活的数据；dataclass适合应用内部可信的数据；Pydantic适合外部不可信的数据（如用户输入、API响应）。dataclass的`__post_init__`只适合检查本地不变量，不应尝试实现复杂的校验逻辑，否则应转向Pydantic。
Q&A
Python dataclass 相比字典有什么优势？
dataclass 通过类型注解和自动生成的 __init__、__repr__、__eq__ 方法，提供了结构化的数据模型，避免了字典中拼写错误和默认值不一致的问题。属性访问（如 job.batch_size）比字符串键（如 config['batch_size']）更安全，IDE 和类型检查器能提前发现错误。
如何在 dataclass 中处理可变默认值？
对于可变默认值（如列表、字典或嵌套 dataclass），应使用 field(default_factory=...) 来为每个实例生成独立的默认值。例如，tags: list[str] = field(default_factory=list) 确保每个实例拥有自己的列表。直接使用可变默认值（如 tags: list[str] = []）会引发 ValueError。
dataclass 的 __post_init__ 方法有什么用途？
__post_init__ 在 __init__ 之后自动调用，用于执行字段赋值之外的额外初始化逻辑，特别是校验不变量。例如，可以检查 name 非空、batch_size 大于等于 1、retry.max_attempts 在 1 到 10 之间，如果不符合则抛出 ValueError，使无效配置在构造时即失败。
frozen=True 在 dataclass 中有什么作用？
frozen=True 使 dataclass 实例不可变，尝试修改字段会引发 FrozenInstanceError。这适用于表示配置快照等不应改变的对象。需要修改时，可以使用 dataclasses.replace() 创建修改后的副本，并重新运行 __post_init__ 进行校验。注意，冻结是模拟的，如果字段是可变类型（如列表），其内容仍可修改。
如何将 dataclass 序列化为 JSON？
使用 dataclasses.asdict() 将 dataclass 递归转换为字典，然后通过 json.dumps() 序列化为 JSON。例如：json.dumps(asdict(config))。注意，asdict() 会深拷贝值，对于性能敏感的场景可能不是最优。
如何从 JSON 反序列化 dataclass？
反序列化需要显式处理，因为 dataclass 不会自动将嵌套字典转换为嵌套 dataclass。通常定义一个类方法 from_dict，手动构造每个字段，例如：JobConfig(name=data['name'], batch_size=data.get('batch_size', 500), retry=RetryPolicy(**data.get('retry', {})), output=OutputConfig(**data.get('output', {})))。
什么时候应该使用 Pydantic 而不是 dataclass？
当数据来自不受信任的外部源（如用户输入、外部 API 响应或人工编辑的配置文件）时，应使用 Pydantic。Pydantic 提供类型强制转换、详细的校验错误和 schema 生成，而 dataclass 只适合内部可信数据，其类型注解不会在运行时检查。
