Python类结构最佳实践：初始化方法相同仅属性不同的优化方案

问题背景 #

我用Python的requests模块对接一个JSON格式的API，为了方便处理接口返回的数据，给每个数据Schema都定义了对应的类——类里只声明属性和类型，然后通过一段重复的__init__方法，把JSON数据里的键值对赋值给类的属性。但每个Schema类的初始化代码完全一样，只有属性列表不同，想找更优的设计方式避免重复代码。

重复的类结构示例：

class ClassExample1:
    attribute1: float
    attribute2: float
    attribute3: str

    def __init__(self, json: dict) -> None:
        keys = self.__annotations__.keys()
        for key in keys:
            self.__setattr__(key, json[key])

class ClassExample2:
    attribute1: bool
    attribute2: list

    def __init__(self, json: dict) -> None:
        keys = self.__annotations__.keys()
        for key in keys:
            self.__setattr__(key, json[key])

解决方案 #

1. 基类继承（原生Python实现） #

把重复的初始化逻辑抽离到一个基类中，所有Schema类都继承这个基类，就能省去重复写__init__的麻烦：

class BaseSchema:
    def __init__(self, json: dict) -> None:
        # 遍历当前类的注解属性，从JSON中取值赋值
        for attr_name in self.__annotations__.keys():
            setattr(self, attr_name, json[attr_name])

# 子类只需声明属性，无需写__init__
class ClassExample1(BaseSchema):
    attribute1: float
    attribute2: float
    attribute3: str

class ClassExample2(BaseSchema):
    attribute1: bool
    attribute2: list

# 使用方式不变
json_data = {"attribute1": True, "attribute2": [1,2,3]}
obj = ClassExample2(json_data)

2. 使用dataclasses（Python 3.7+ 标准库） #

Python标准库的dataclasses可以自动帮你生成__init__、__repr__等常用方法，代码更简洁：

from dataclasses import dataclass

@dataclass
class ClassExample1:
    attribute1: float
    attribute2: float
    attribute3: str

@dataclass
class ClassExample2:
    attribute1: bool
    attribute2: list

# 使用时直接解包JSON字典即可
json_data = {"attribute1": 1.2, "attribute2": 3.4, "attribute3": "hello"}
obj = ClassExample1(**json_data)

dataclasses还支持设置默认值、忽略某些字段、生成字典/元组等扩展功能，完全能覆盖简单的Schema场景。

3. 使用Pydantic（第三方库，推荐复杂场景） #

如果需要严格的类型校验、自动类型转换、嵌套Schema支持，Pydantic是Python生态中处理这类问题的行业标准：

from pydantic import BaseModel

class ClassExample1(BaseModel):
    attribute1: float
    attribute2: float
    attribute3: str

class ClassExample2(BaseModel):
    attribute1: bool
    attribute2: list

# 自动校验并转换类型，比如字符串转数字
json_data = {"attribute1": "5.6", "attribute2": 7.8, "attribute3": "test"}
obj = ClassExample1(**json_data)
print(obj.attribute1)  # 输出: 5.6（float类型）

Pydantic会自动验证输入数据的合法性，不合法时抛出明确的错误，还支持嵌套模型、可选字段、默认值、JSON序列化/反序列化等高级功能，适合复杂的API对接场景。

总结 #

• 简单场景：基类继承或dataclasses足够满足需求，无需额外依赖
• 复杂场景（需要校验/转换）：优先选择Pydantic，符合Python社区最佳实践

内容的提问来源于stack exchange，提问作者Darren Woodson