如何让mypy兼容类dataclass的自定义类装饰器？

mypy是静态类型检查器，它不会运行你的typedrow装饰器代码，只会在静态分析阶段查看类的原始定义。你的装饰器是动态地在运行时给类添加__init__方法，但mypy看不到这个动态添加的__init__的参数签名，所以它认为Person类的构造函数还是默认的无参__init__，自然会报错“意外的关键字参数name”。

dataclasses.dataclass能被mypy正确识别，核心原因有两点：

1. 标准库特殊支持：mypy内置了对dataclass的处理逻辑，它会直接读取类的字段注解和默认值，自动推导出生成的__init__函数的参数签名，不需要实际执行装饰器代码。
2. 代码生成的显式签名：dataclass内部确实会生成带有明确参数类型的__init__代码（比如对于name: Optional[str] = None，会生成def __init__(self, name: Optional[str] = None) -> None: ...），但更关键的是mypy的特殊逻辑，让它能跳过动态生成的过程，直接基于类定义推导构造函数。

方法1：使用dataclass_transform提示mypy #

通过typing_extensions（Python 3.11+可直接用typing）的dataclass_transform装饰器，告诉mypy你的typedrow装饰器的行为和dataclass类似，让它自动推导构造函数签名。

修改后的代码：

from typing import TypeVar, Optional
from typing_extensions import dataclass_transform

_T = TypeVar("_T")

@dataclass_transform()
def typedrow(cls: type[_T]) -> type[_T]:
    cls_annotations = cls.__dict__.get("__annotations__", {})

    def __init__(s, *args, **kwargs) -> None:
        # 补充处理位置参数的逻辑（原代码只处理关键字参数）
        for idx, field_name in enumerate(cls_annotations.keys()):
            if idx < len(args):
                s.__dict__[field_name] = args[idx]
            else:
                s.__dict__[field_name] = kwargs.get(field_name)

    setattr(cls, "__init__", __init__)
    return cls

@typedrow
class Person:
    name: Optional[str] = None

p = Person(name="joe")  # mypy不再报错

@dataclass_transform()会告诉mypy：这个装饰器会给类添加一个__init__方法，参数对应类的字段注解和默认值，mypy就会像处理dataclass一样推导构造函数签名。

方法2：手动生成带显式类型提示的__init__代码 #

如果你不想依赖dataclass_transform，可以手动生成带有明确参数类型的__init__函数代码，然后通过exec执行，这样mypy在静态分析时能识别到生成的签名（不过这种方式需要更严谨的代码生成逻辑）。

示例代码：

from typing import TypeVar, Optional

_T = TypeVar("_T")

def typedrow(cls: type[_T]) -> type[_T]:
    cls_annotations = cls.__dict__.get("__annotations__", {})
    fields = list(cls_annotations.items())

    # 生成__init__的参数列表字符串，比如"name: Optional[str] = None"
    param_strs = []
    for field_name, field_type in fields:
        # 获取字段的默认值（如果有）
        default_val = cls.__dict__.get(field_name, ...)
        if default_val is not ...:
            # 注意：这里为了简化，直接用repr(default_val)，实际场景要处理更复杂的默认值
            param_str = f"{field_name}: {field_type.__name__} = {repr(default_val)}"
        else:
            param_str = f"{field_name}: {field_type.__name__}"
        param_strs.append(param_str)
    params = ", ".join(["self"] + param_strs)

    # 生成__init__函数的代码文本
    init_code = f"""
def __init__({params}) -> None:
    {'; '.join([f'self.{field_name} = {field_name}' for field_name, _ in fields])}
"""

    # 执行代码并绑定到类
    local_vars = {}
    exec(init_code, globals(), local_vars)
    setattr(cls, "__init__", local_vars["__init__"])

    return cls

@typedrow
class Person:
    name: Optional[str] = None

p = Person(name="joe")  # mypy可以识别参数

这种方式通过生成显式的__init__代码，让mypy在静态分析时能“看到”构造函数的参数签名，从而避免报错。不过需要注意处理复杂的类型注解（比如泛型）和默认值（比如可变默认值），逻辑会比第一种方法复杂。

内容的提问来源于stack exchange，提问作者Igor Gatis