Munch 是 Python 中一個小巧實用的庫，它將字典（dict）擴展為支持“點操作”的對象訪問方式，即：

data = Munch({"name":"Alice", "age":18})
print(data.name)   # 而不是 data["name"]

它特別適用于配置讀取、JSON 響應處理、動態數據訪問等場景。

基本使用

1、創建一個 Munch 對象

from munch import Munchm = Munch()
m.name = "Alice"
m.age = 30print(m['name'])   # Alice
print(m.name)      # Alice

2、使用字典初始化

user = Munch({'id': 1, 'username': 'bob'})
print(user.username)  # bob

3、訪問不存在的字段

當你訪問一個 Munch 對象中不存在的鍵（屬性） 時，Munch將拋出AttributeError。我們可以通過以下幾種方式安全地訪問Munch 對象的鍵（屬性）：
使用 .get() 方法（dict 風格）

print(m.get('age'))           # 輸出 None
print(m.get('age', 0))        # 輸出默認值 0

使用 in 判斷鍵是否存在

if 'age' in m:print(m.age)

使用 DefaultMunch 自動返回默認值（推薦）

from munch import DefaultMunchm = DefaultMunch(None, {"name": "Alice"})print(m.name)   # Alice
print(m.age)    # None（不會報錯）

4、嵌套結構支持

from munch import DefaultMunch
nested = DefaultMunch.fromDict({"user": {"id": 10,"profile": {"email": "user@example.com"}}
})
print(nested.user.profile.email)  # user@example.com

5、合并操作

Munch 可以通過update()方法將另一個Munch示例或字典合并進當前實例：

from munch import Muncha = Munch(foo=1, nested=Munch(x=1, y=2))
b = {"nested": {"y": 20, "z": 30}}a.update(b)
print(a)
# 結果為Munch({'foo': 1, 'nested': {'y': 20, 'z': 30}})

但update() 是 淺合并（shallow merge）,如果需要遞歸合并，可以這樣手動實現：

def recursive_update(target, source):for key, value in source.items():if key in target and isinstance(target[key], dict) and isinstance(value, dict):recursive_update(target[key], value)else:target[key] = valuea = Munch(foo=1, nested=Munch(x=1, y=2))
b = {"nested": {"y": 20, "z": 30}}recursive_update(a, b)
print(a)
# 輸出Munch({'foo': 1, 'nested': Munch({'x': 1, 'y': 20, 'z': 30})})

6、應用場景說明

Munch 的性能總體上略低于原生 dict，這是因為它在屬性訪問時多了一層 Python 層的函數調用（比如 getattr、setattr 等），但它仍然足夠輕量，適合大多數非性能瓶頸場景。

Munch適合用于：

• 配置讀取（如 config.json）
• CPU 密集或低延遲要求的核心路徑
• 結構化 JSON 響應封裝

不建議將Munch用于：

• 類型嚴格檢查的項目（除非手動封裝）
• 數據探索、Jupyter Notebook 腳本開發
• 內存/性能受限的環境

進階功能

1、嵌套寫入：創建不存在的子對象

nested = DefaultMunch(dict)
nested.user.info.email = "a@example.com"
print(nested)  # {'user': {'info': {'email': 'a@example.com'}}}

2、序列化（轉回 dict）

m = Munch(name="Alice", age=30)
d = m.toDict()
print(type(d))  # dict

3、深度拷貝結構

import copy
m = Munch(a=1, b={"x": 10})
m_copy = copy.deepcopy(m)

4、與 JSON 配合：動態數據結構綁定

import json
from munch import Munchjson_str = '{"user": {"id": 42, "roles": ["admin", "editor"]}}'
m = Munch(json.loads(json_str))
print(m.user.roles)  # ['admin', 'editor']

5、與 Pydantic/配置類組合使用（讀取動態配置）

import yaml
from munch import Munchwith open("config.yaml") as f:config_dict = yaml.safe_load(f)config = Munch(config_dict)
print(config.database.host)

實現原理

Munch 的原理很簡單：它是在 Python 內置的 dict 類的基礎上，通過重寫屬性訪問相關方法，實現了 “點操作”訪問字典內容 的能力。

1、繼承自 dict

class Munch(dict):...

因此，Munch本質上還是一個字典。

2、 重寫了 __getattr__ 和 __setattr__ 方法

這些方法控制了對象屬性的讀取和設置：

def __getattr__(self, key):try:return self[key]except KeyError:raise AttributeError(f"'Munch' object has no attribute {key}")def __setattr__(self, key, value):self[key] = value

3、__delattr__ 支持刪除屬性

def __delattr__(self, key):try:del self[key]except KeyError:raise AttributeError(f"'Munch' object has no attribute {key}")

這保證了 del m.attr 與 del m[‘attr’] 效果一致。

4、遞歸嵌套（來自 DefaultMunch.fromDict()）

這個功能將嵌套的字典也轉換為 Munch：

@classmethod
def fromDict(cls, d):return cls({k: cls.fromDict(v) if isinstance(v, dict) else v for k, v in d.items()})

編寫一個更高性能的Munch

有了Munch實現原理的理解，接下來我們實現一個輕量級、性能更高的 “點操作字典” 替代方案：DotDict。它模仿了 Munch 的基本行為，但去除了遞歸轉換、類型檢查等附加功能，以提高性能。
dot_dict.py，DotDict完整源碼：

class DotDict(dict):"""更快的支持點操作的 dict，不做嵌套轉換。"""def __getattr__(self, key):try:return self[key]except KeyError as e:raise AttributeError(key) from edef __setattr__(self, key, value):self[key] = valuedef __delattr__(self, key):try:del self[key]except KeyError as e:raise AttributeError(key) from e

test_dot_dict.py，DotDict測試示例：

data = DotDict(name="Alice", age=30)print(data.name)     # 點操作訪問
print(data['age'])   # 仍可用原生字典方式data.city = "Beijing"
print(data['city'])  # 北京