在 Python 项目里，我们经常会把一组配置以字典形式传给对象的构造函数。当类之间存在继承关系时，子类往往希望复用父类的参数定义，同时根据自身需要增加或忽略某些字段。TypedDict 作为静态类型工具，可以清晰地描述字典结构，但如果要在构造函数中动态过滤掉不属于当前类的参数，还需要配合运行时的字典操作。
TypedDict 基础与签名继承
TypedDict 来自 typing 模块，用来为字典规定固定的键和对应类型。在 IDE 中，访问这些键可以获得类型提示和补全。当子类需要继承父类的字段定义时，可以直接通过类继承语法让子 TypedDict 包含父类的所有键，再追加自己的键。
下面定义了一个基础配置和一个扩展配置。子类在静态层面拥有了父类的全部字段，这意味着任何接收 BaseConfig 的函数也能接收 ExtendedConfig，符合结构化子类型规则。
from typing import TypedDict
class BaseConfig(TypedDict):
host: str
port: int
class ExtendedConfig(BaseConfig):
timeout: float
debug: bool
def print_base(cfg: BaseConfig) -> None:
print(cfg['host'], cfg['port'])
ec: ExtendedConfig = {'host': '127.0.0.1', 'port': 8080, 'timeout': 1.5, 'debug': True}
print_base(ec)
这种继承只解决静态描述问题。真正在写构造函数时，如果调用方传进来的字典带有子类不需要的字段，直接展开成关键字参数就可能引发 TypeError。因此我们需要在实例化前做一层动态过滤。
构造函数中的动态参数过滤
动态参数过滤的核心思路是：明确当前类构造函数所需要的键集合，然后从输入字典中只挑出这些键。Python 的字典推导式或 dict 的 get 方法都能实现。为了复用，我们可以写一个基类，在 __init__ 中根据类变量声明的字段名来截取参数。
下面示例用一个 BaseService 类集中处理过滤逻辑。子类只需声明自己的字段列表，构造函数会自动忽略多余键，同时把必填字段传给父类逻辑。
from typing import TypedDict, Any
class ServiceConfig(TypedDict):
host: str
port: int
class BaseService:
required_fields = ('host', 'port')
def __init__(self, **kwargs: Any) -> None:
filtered = {k: kwargs[k] for k in self.required_fields if k in kwargs}
self.host = filtered.get('host')
self.port = filtered.get('port')
class UserService(BaseService):
required_fields = ('host', 'port', 'user_id')
def __init__(self, **kwargs: Any) -> None:
super().__init__(**kwargs)
self.user_id = kwargs.get('user_id')
raw = {'host': '127.0.0.1', 'port': 9000, 'user_id': 42, 'token': 'abc'}
service = UserService(**raw)
print(service.host, service.port, service.user_id)
上面的代码里，即使 raw 含有 token 这种无关字段，UserService 也不会报错。这种写法比手动写死每个参数更易于维护，新增字段时只要改 required_fields 即可。
结合 TypedDict 与运行时过滤的完整方案
为了让类型检查和运行逻辑保持一致，我们可以用 TypedDict 描述配置，再用一个工具函数在运行时根据 TypedDict 的键做过滤。由于 TypedDict 在运行时只是普通 dict，无法自动拿到键名，因此仍需配合显式的字段声明或注解解析。
以下例子展示如何把 TypedDict 与过滤函数结合，既让调用方享受类型提示，又保证构造安全。
from typing import TypedDict
class DbConfig(TypedDict):
host: str
port: int
username: str
def filter_config(data: dict, keys: tuple) -> dict:
return {k: data[k] for k in keys if k in data}
class DbClient:
config_keys = ('host', 'port', 'username')
def __init__(self, cfg: DbConfig) -> None:
clean = filter_config(cfg, self.config_keys)
self.host = clean['host']
self.port = clean['port']
self.username = clean['username']
cfg: DbConfig = {'host': '192.168.0.1', 'port': 5432, 'username': 'admin', 'extra': 1}
client = DbClient(cfg)
print(client.host, client.port, client.username)
这种方案的优点是类型层和运行层各司其职：TypedDict 负责让调用者清楚该传什么，filter_config 负责拦掉多余数据。在复杂继承体系中，子类可以覆盖 config_keys 来扩展自己的参数需求，而不破坏父类逻辑。
方案对比与注意事项
直接把字典用 ** 展开传给构造函数最为简单，但一旦字典含多余键就会抛异常；显式列出每个参数最安全，但重复代码多；本文的 TypedDict 加动态过滤方式在可维护性和类型安全之间取得了平衡。
需要注意的是，TypedDict 不会在运行时强制校验类型，因此过滤函数只管键名不管值类型。如果业务对值有严格要求，应额外增加类型断言或改用 pydantic 等运行时校验库。此外，多层继承时字段名冲突需谨慎处理，建议通过文档或基类注释明确每个类的职责边界。
| 方式 | 类型提示 | 冗余字段容错 | 维护成本 |
|---|---|---|---|
| 直接展开字典 | 弱 | 低 | 低 |
| 显式参数列表 | 强 | 高 | 高 |
| TypedDict加过滤 | 强 | 高 | 中 |
综合来看，在中等规模以上的 Python 应用中，采用 TypedDict 描述契约、配合轻量过滤逻辑，是兼顾开发体验与健壮性的实用做法。