写过多少Python类，就写过多少__init__：attrs让你告别样板代码

Python里定义一个类，写完属性列表，下一步就是写__init__。不管类多简单，这步绕不开。属性少还好，一个个把参数赋值给self。属性一多，每多一个属性就多一行赋值，再配上类型注解、缩进对齐，样板代码比真正的业务逻辑还长。

attrs这个库就做一件事：把上面这些方法自动生成出来。

用起来是这样：引入define装饰器，往类上一放，属性直接声明：

from attrs import define

@define
class SomeClass:
    a_number: int = 42
    list_of_numbers: list[int] = []

一个装饰器，__init__、__repr__、__eq__全有了。默认值和factory模式也内置支持。

对比传统写法：一个包含5个属性的类，__init__加__repr__大概30行。同等功能用attrs，5行属性声明，其余自动处理。缩减的不是几行，是成比例的。

比dataclasses早，功能也更全

Python 3.7引入的dataclasses和attrs思路接近，但时间线上attrs在先。事实上dataclasses的作者在PEP 557里把attrs列为了参考来源。

功能层面两边有差距。attrs支持NumPy数组的相等性比较定制，dataclasses不会自动处理。对象初始化阶段插入校验逻辑，attrs的钩子机制比dataclasses的__post_init__灵活。调试时逐行步入自动生成的方法，attrs也支持。

如果你的场景简单，存几个字段、不需要额外逻辑，dataclasses够了，而且是标准库，零依赖。但需求一旦复杂，attrs多出来的灵活性就开始体现出差异了。

类型标注是可选的

attrs不强制类型标注。如果你不喜欢写类型，或者项目Python版本较早，用field()替代即可：

from attrs import define, field

@define
class SomeClass:
    a_number = field(default=42)

对类型推导要求不高的项目，这个设计很实在：你不会因为引了一个库就被迫给全项目加上类型标注。

NASA火星直升机也在用

2020年起，attrs进入NASA火星直升机Ingenuity的地面软件依赖列表。代码在地外探测任务中实际运行。能推断出两点：代码质量经过了极端环境的验证；项目维护有长期承诺，不会随时中断。

维护者Hynek Schlawack同时是structlog等库的作者，社区活跃度稳定，issue响应快。

总结

attrs解决的是一个明确、具体、每个Python开发者都绕不开的问题：写类时样板代码太多。它不搞炫技，不引入新范式，用直接的方式减少重复劳动。

你如果写Python，每天和类打交道，花一个下午试试。大概率是用上了不会回去。

式，用直接的方式减少重复劳动。

你如果写Python，每天和类打交道，花一个下午试试。大概率是用上了不会回去。