Python Academy · 课时

attrs 库

Q: 「attrs 库」这节课中我会学到什么？

比较 attrs 与数据类 你通过在浏览器中直接运行的动手代码来练习 Python Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

比较 attrs 与数据类

attrs 库 是 CoddyKit 上的免费 Python Academy 课时。这是第 4 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 Python Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 Python Academy 课程共包含 4 节课。

什么是 attrs？

attrs 是一个第三方库，多年前就率先采用了通过字段创建类的理念，早于 dataclasses 进入标准库。标准的 dataclasses 模块正是直接受它启发而设计的。

attrs 需要单独安装：pip install attrs。
它提供的功能比 dataclasses 更多。
dataclasses 已内置于标准库，可以满足大多数日常需求。

现代 attrs API

现代 attrs 使用来自 attrs 命名空间的 @define 和 field()。其结构与数据类非常相似。

from attrs import define, field

@define
class Point:
    x: int
    y: int

p = Point(1, 2)
print(p)

默认使用插槽

一个重要区别是：@define 类会自动使用 __slots__。这可以降低内存使用量，并防止意外添加未声明的属性。普通数据类使用常规的 __dict__，除非您传入 slots=True（Python 3.10 及更高版本）。

内置验证器

attrs 自带现成的验证器。字段可以声明一个在构造期间运行的验证器，并在值无效时引发错误。数据类没有内置验证功能；您需要在 __post_init__ 中自行编写。

from attrs import define, field
from attrs.validators import instance_of

@define
class User:
    age: int = field(validator=instance_of(int))

User(30)        # ok
User('oops')    # raises TypeError

转换器

转换器会在输入值存储之前对其进行转换。例如，可以自动将字符串转换为整数。这是数据类所缺少的另一项功能。

from attrs import define, field

@define
class Item:
    price: int = field(converter=int)

i = Item('42')   # stored as the integer 42
print(i.price)

数据类中的等效实现

下面是使用标准库表达相同理念的方式。由于数据类不提供针对每个字段的钩子，因此验证和转换需要手动写入 __post_init__。

from dataclasses import dataclass

@dataclass
class Item:
    price: int

    def __post_init__(self):
        self.price = int(self.price)

print(Item('42'))

两者都有 asdict

两个库都提供 asdict 辅助函数。数据类的版本位于 dataclasses 中，attrs 的版本位于 attrs 中。两者的行为几乎完全相同。

from dataclasses import dataclass, asdict

@dataclass
class Point:
    x: int
    y: int

print(asdict(Point(1, 2)))

attrs 中的冻结

attrs 同样支持不可变性。使用 @frozen（即 @define(frozen=True) 的快捷写法）创建只读实例，这与 @dataclass(frozen=True) 相似。

from attrs import frozen

@frozen
class Point:
    x: int
    y: int

p = Point(1, 2)
print(p)
# p.x = 9  would raise FrozenInstanceError

功能比较

它们的特点如下：

dataclasses：标准库的一部分，无需安装，涵盖基础功能。
attrs：提供验证器、转换器，默认使用插槽，并支持更多配置。
两者都会生成 __init__、__repr__ 和 __eq__。

您应该使用哪个？

如果您需要简单的数据持有类，并且不想添加额外依赖，请选择 dataclasses。如果您需要验证器、转换器或更丰富的配置，并且可以接受添加依赖，请选择 attrs。许多项目会先使用 dataclasses，只有在功能需求超出其能力范围时才迁移。

共同的渊源

由于 dataclasses 大量借鉴了 attrs，因此在两者之间迁移通常只需机械式修改：替换导入和装饰器，并调整验证器或转换器。掌握其中一个后，另一个也会很快熟悉。

@define 对应 @dataclass。
attrs.field 对应 dataclasses.field。
迁移到 dataclasses 时，将验证器移入 __post_init__。

快速检查

attrs 提供了哪项标准 dataclasses 模块没有内置提供的功能？

回顾

您比较了 attrs 与 dataclasses。

attrs 启发了 dataclasses，并提供更多功能。
attrs 增加了验证器、转换器，并默认使用插槽。
dataclasses 已内置于标准库，无需安装。
选择能够满足需求的最简单工具。

常见问题解答

「attrs 库」课时是免费的吗？

是的 — 「attrs 库」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 Python Academy 课程的其余内容，请升级到 CoddyKit PRO。 Python Academy 课程共包含 4 节课。

「attrs 库」这节课中我会学到什么？

比较 attrs 与数据类你通过在浏览器中直接运行的动手代码来练习 Python Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 Python Academy 需要有经验吗？

无需任何先前经验。CoddyKit 上的 Python Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 4 节课，共 4 节。

「attrs 库」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 Python Academy 课中编写并运行代码吗？

能。每节 Python Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 Python Academy