使用attrs库解析配置文件嵌套数据对象，求更优实现方案

针对你用attrs解析嵌套数据对象的场景，有两种更简洁的优化方式，避免手动编写重复的转换器逻辑：

方案一：基于attrs自身字段转换器优化 #

利用attrs的field参数结合类方法，直接在嵌套字段中指定转换逻辑，无需单独定义from_dictstrobj方法：

代码实现 #

import attr
from typing import Dict, TypeVar
from pyhocon import ConfigFactory

# 定义泛型基类，方便复用from_dict和from_hocon逻辑
T = TypeVar("T", bound="HoconParser")

@attr.s(auto_attribs=True)
class HoconParser:
    @classmethod
    def from_dict(cls: Type[T], data: dict) -> T:
        return cls(**data)
    
    @classmethod
    def from_hocon(cls: Type[T], hocon_str: str) -> T:
        # 解析Hocon字符串为字典
        data = ConfigFactory.parse_string(hocon_str)
        return cls.from_dict(data)

# 定义嵌套类ClassOne
@attr.s(auto_attribs=True)
class ClassOne(HoconParser):
    name: str
    value: int

# 定义包含字典嵌套的ClassTwo，直接在字段中指定转换器
@attr.s(auto_attribs=True)
class ClassTwo(HoconParser):
    test: Dict[str, ClassOne] = attr.field(
        converter=lambda d: {k: ClassOne.from_dict(v) for k, v in d.items()}
    )

这种方式的优势是无需额外依赖，逻辑直接绑定到字段定义中，可读性更强。

方案二：使用cattrs库简化嵌套解析 #

cattrs是attrs生态的官方序列化/反序列化工具，能自动识别并处理attrs类的嵌套结构（包括字典、列表中的嵌套对象），彻底省去手动编写转换器的麻烦：

代码实现 #

首先安装依赖：

pip install cattrs pyhocon

然后编写类和解析逻辑：

import attr
from typing import Dict
import cattrs
from pyhocon import ConfigFactory

# 初始化cattrs转换器，默认支持attrs类的嵌套结构
converter = cattrs.Converter()

# 基类复用解析逻辑
@attr.s(auto_attribs=True)
class HoconParser:
    @classmethod
    def from_dict(cls, data: dict):
        return converter.structure(data, cls)
    
    @classmethod
    def from_hocon(cls, hocon_str: str):
        data = ConfigFactory.parse_string(hocon_str)
        return cls.from_dict(data)

# 定义业务类，无需手动处理转换
@attr.s(auto_attribs=True)
class ClassOne(HoconParser):
    name: str
    value: int

@attr.s(auto_attribs=True)
class ClassTwo(HoconParser):
    test: Dict[str, ClassOne]

这种方式适合复杂嵌套场景，后续新增嵌套类或修改结构时，无需调整转换逻辑，扩展性极强。

内容的提问来源于stack exchange，提问作者Ares