新增 converter 参数

本规范在 dataclasses.field() 函数中引入了一个名为 converter 的新参数。如果提供了该参数，它将代表一个单参数的可调用对象，用于在为相关属性赋值时转换所有值。

对于不可变 (frozen) 的数据类，converter 仅在 dataclass 生成的 __init__ 中设置属性时使用。对于可变 (non-frozen) 的数据类，converter 用于所有属性赋值（例如 obj.attr = value），包括默认值的赋值。

读取属性时不会使用 converter，因为属性应该已经过转换。

添加此参数还意味着以下更改：

• 将把 converter 属性添加到 dataclasses.Field。
• converter 将添加到 dataclass_transform() 支持的字段说明符参数列表中。

def str_or_none(x: Any) -> str | None:
  return str(x) if x is not None else None

@dataclasses.dataclass
class InventoryItem:
    # `converter` as a type (including a GenericAlias).
    id: int = dataclasses.field(converter=int)
    skus: tuple[int, ...] = dataclasses.field(converter=tuple[int, ...])
    # `converter` as a callable.
    vendor: str | None = dataclasses.field(converter=str_or_none))
    names: tuple[str, ...] = dataclasses.field(
      converter=lambda names: tuple(map(str.lower, names))
    )  # Note that lambdas are supported, but discouraged as they are untyped.

    # The default value is also converted; therefore the following is not a
    # type error.
    stock_image_path: pathlib.PurePosixPath = dataclasses.field(
      converter=pathlib.PurePosixPath, default="assets/unknown.png"
    )

    # Default value conversion extends to `default_factory`;
    # therefore the following is also not a type error.
    shelves: tuple = dataclasses.field(
      converter=tuple, default_factory=list
    )

item1 = InventoryItem(
  "1",
  [234, 765],
  None,
  ["PYTHON PLUSHIE", "FLUFFY SNAKE"]
)
# item1's repr would be (with added newlines for readability):
#   InventoryItem(
#     id=1,
#     skus=(234, 765),
#     vendor=None,
#     names=('PYTHON PLUSHIE', 'FLUFFY SNAKE'),
#     stock_image_path=PurePosixPath('assets/unknown.png'),
#     shelves=()
#   )

# Attribute assignment also participates in conversion.
item1.skus = [555]
# item1's skus attribute is now (555,).

对类型检查的影响

converter 必须是一个可调用对象，它接受一个位置参数，并且该位置参数对应的参数类型提供了与字段关联的已生成 __init__ 参数的类型。

换句话说，为 converter 参数提供的参数必须与 Callable[[T], X] 兼容，其中 T 是 converter 的输入类型，X 是 converter 的输出类型。

允许的参数类型的间接性

此 PEP 引入的一个缺点是，从数据类的 __init__ 和属性赋值过程中允许的参数类型，无法通过阅读数据类直接得知。允许的类型由 converter 定义。

在阅读源代码时确实是这样，但是像 typing.reveal_type 和 IDE 中的“IntelliSense”等与类型相关的辅助工具，应该能够轻松地确切知道允许的类型，而无需阅读任何源代码。

仅将“converter”添加到 typing.dataclass_transform 的 field_specifiers 中

将此功能仅限于 dataclass_transform() 的想法 在 Typing-SIG 上进行过简短讨论，当时有人建议将其扩展到更通用的 dataclasses。

此外，将其添加到 dataclasses 中，可以确保任何人都可以从中受益，而无需其他库。

不转换默认值

在转换默认值和不转换默认值之间都存在优缺点。保留默认值不变，可以使类型检查器和数据类作者期望默认值的类型与字段的类型匹配。然而，转换默认值有三个主要的优点：

1. 一致性。无条件地转换分配给属性的所有值，涉及的“特殊规则”更少，用户需要记住。
2. 更简单的默认值。允许默认值的类型与用户提供的*值*相同，意味着数据类作者可以获得与其调用者相同的便利。
3. 与 attrs 兼容。attrs 无条件地使用 converter 来转换默认值。

使用字段类型自动转换

一种可能的想法是允许字段指定的类型（例如 str 或 int）作为每个参数的 converter。 Pydantic 的数据转换具有与此方法相似的语义。

这对于相当简单的类型效果很好，但对于泛型等复杂类型，会导致行为预期上的歧义。例如，对于 tuple[int, ...]，converter 是应该仅仅将可迭代对象转换为元组，还是应该额外地将每个元素类型转换为 int，这是不明确的。或者对于 int | None，这是不可调用的。

从 converter 的返回类型推断属性类型

另一种想法是允许用户在提供带有 converter 参数的 field 时省略属性的类型注解。虽然这可以减少此 PEP 引入的常见重复（例如 x: str = field(converter=str)），但尚不清楚如何最好地支持这一点，同时保持当前的数据类语义（即，属性顺序对于已生成 __init__ 或 dataclasses.fields 等很重要）。这是因为在 Python 中（目前）没有简单的方法可以将仅注解的属性与未注解的属性按其定义顺序交错。

可以应用一个哨兵注解（例如 x: FromConverter = ...），但这会破坏类型注解的一个基本假设。

最后，如果*所有*字段（包括没有 converter 的字段）都赋值给 dataclasses.field，则这是可行的，这意味着类自己的命名空间保留了顺序，但这会将类型+converter 的重复与字段赋值的重复进行权衡。最终结果是重复项的数量没有增减，但增加了数据类语义的复杂性。

本 PEP 并不建议不能或不应该这样做。只是这个 PEP 中没有包含。