typing和dataclass
typing模块里常用的类型注解工具，和 Python 3.9+ 原生类型的对应关系及用法如下，刚好能匹配你之前的答题系统场景：
typing类型 | Python 3.9+ 原生写法 | 作用说明 | 示例 | ||
|---|---|---|---|---|---|
List[T] | list[T] | 标注元素类型为 T 的列表 | answers: list[SingleAnswer] | ||
Dict[K, V] | dict[K, V] | 标注键类型 K、值类型 V 的字典 | score: dict[str, int] | ||
Tuple[T1, T2] | tuple[T1, T2] | 标注固定长度和类型的元组 | q_and_a: tuple[int, str] | ||
Set[T] | set[T] | 标注元素类型为 T 的集合 | options: set[str] | ||
Optional[T] | `T | None` | 标注变量可以是 T 类型或 None | `remark: str | None = None` |
Union[T1, T2] | `T1 | T2` | 标注变量可以是 T1 或 T2 类型 | `value: int | str` |
Literal[val1, val2] | Literal[val1, val2] | 标注变量只能是 val1、val2 等值 | option: Literal["A", "B", "C", "D"] | ||
Callable[[ArgT], RetT] | Callable[[ArgT], RetT] | 标注函数类型（参数类型 + 返回值类型） | func: Callable[[int], bool] |
补充说明
- Python 3.9 是个分水岭，之后可以直接用原生的
list/dict代替List/Dict，但Literal/Callable这类特殊类型还是要从typing导入（Python 3.10+ 可从typing或types导入）。 - 这些类型注解不影响代码运行，主要是给 IDE 做提示、给开发者看，搭配 Pydantic 时还能用来做数据校验。
# 导入dataclass装饰器 from dataclasses import dataclass # ==================== 普通 class 写法 ==================== class CommonProduct: """普通类，需要手动实现 __init__、__repr__、__eq__ 等魔法方法""" # 1. 手动写初始化方法，接收参数并赋值给实例属性 def __init__(self, name: str, price: float, stock: int): self.name = name self.price = price self.stock = stock # 2. 手动写 __repr__ 方法，控制实例打印时的输出格式（方便调试） def __repr__(self): return f"CommonProduct(name='{self.name}', price={self.price}, stock={self.stock})" # 3. 手动写 __eq__ 方法，定义两个实例的相等判断规则 def __eq__(self, other): # 先判断 other 是否是 CommonProduct 类型 if not isinstance(other, CommonProduct): return False # 当 name、price、stock 都相同时，两个实例才相等 return (self.name == other.name and self.price == other.price and self.stock == other.stock) # ==================== dataclass 写法 ==================== @dataclass # 装饰器自动生成 __init__、__repr__、__eq__ 等方法 class DataProduct: """dataclass 写法，无需手动编写魔法方法，只需定义字段和类型注解""" name: str # 商品名称 price: float # 商品价格 stock: int # 商品库存 # ==================== 测试对比 ==================== if __name__ == "__main__": # 1. 测试普通类 p1 = CommonProduct("T恤", 59.9, 100) p2 = CommonProduct("T恤", 59.9, 100) print("普通类实例打印:", p1) # 调用 __repr__ print("普通类实例相等判断:", p1 == p2) # 调用 __eq__，输出 True print("-" * 50) # 2. 测试 dataclass dp1 = DataProduct("牛仔裤", 129.9, 50) dp2 = DataProduct("牛仔裤", 129.9, 50) print("dataclass实例打印:", dp1) # 自动生成的 __repr__ print("dataclass实例相等判断:", dp1 == dp2) # 自动生成的 __eq__，输出 Trueeq它的本质就是比对两个类的值是否相等，当然了只能比对整体，不能单个比对 就算一个不相等，它也是返回false repr它是默认会打印出你传入参数值 方便调试 dataclss会自动创建省得你手动 而且只要是传参的类都建议用dataclass 这样省去写__init__ repr就算地址不同 但是值相同就是一致的 但是他的只是属于类型提示 并不能校验 并不会报错 对于后端写api的建议使用pydantic他会校验传入的值 如果类型不对会进行报错
from pydantic import BaseModel, Field, ValidationError from typing import Literal # 方法1：用Literal直接限定只能是A、B、C、D class SingleAnswer(BaseModel): question_id: int option: Literal["A", "B", "C", "D"] # 只能选这四个选项 # 方法2：用正则表达式校验（适合更灵活的情况，比如允许小写a-d） class SingleAnswerWithRegex(BaseModel): question_id: int option: str = Field(pattern=r"^[A-Da-d]$") # 正则匹配A-D或a-d # 测试正确的情况 correct_ans = SingleAnswer(question_id=1, option="A") print(correct_ans) # 正常输出 # 测试错误的情况（选项为E） try: wrong_ans = SingleAnswer(question_id=2, option="E") except ValidationError as e: print(e) # 会提示选项必须是A、B、C、D中的一个