PEP 3107引入了功能注釋的語法，PEP 484 加入了類型檢查
標準庫 typing 為類型提示指定的運行時提供支持。
示例：
def f(a: str, b:int) -> str:
return a * b
如果實參不是預期的類型：
但是，Python運行時不強制執行函數和變量類型注釋。使用類型檢查器，IDE，lint等才能幫助代碼進行強制類型檢查。
使用NewType 創建類型
NewType() 是一個輔助函數，用于向類型檢查器指示不同的類型，在運行時，它返回一個函數，該函數返回其參數。
import typing
Id = typing.NewType("Id", int)
a = Id(2020)
使用 NewType() 創建的類型會被類型檢查器視為它的原始類型的子類。
回調（Callable）
將回調函數類型標注為 Callable[[Arg1Type, Arg2Type], ReturnType]。
泛型
為容器元素添加預期的類型
from typing import Mapping
a: Mapping[str, str]
通過 TypeVar 進行參數化來約束一個類型集合:
from typing import TypeVar
T = TypeVar('T') # 可以是任何東西。
A = TypeVar('A', str, bytes) # 必須是 str 或 bytes
使用 TypeVar 約束一個類型集合，但不允許單個約束
例如：
這樣會拋出一個異常 TypeError: A single constraint is not allowed
typing 包含的類型
AbstractSet = typing.AbstractSet
Any = typing.Any
AnyStr = ~AnyStr
AsyncContextManager = typing.AbstractAsyncContextManager
AsyncGenerator = typing.AsyncGenerator
AsyncIterable = typing.AsyncIterable
AsyncIterator = typing.AsyncIterator
Awaitable = typing.Awaitable
ByteString = typing.ByteString
Callable = typing.Callable
ClassVar = typing.ClassVar
Collection = typing.Collection
Container = typing.Container
ContextManager = typing.AbstractContextManager
Coroutine = typing.Coroutine
Counter = typing.Counter
DefaultDict = typing.DefaultDict
Deque = typing.Deque
Dict = typing.Dict
FrozenSet = typing.FrozenSet
Generator = typing.Generator
Hashable = typing.Hashable
ItemsView = typing.ItemsView
Iterable = typing.Iterable
Iterator = typing.Iterator
KeysView = typing.KeysView
List = typing.List
Mapping = typing.Mapping
MappingView = typing.MappingView
MutableMapping = typing.MutableMapping
MutableSequence = typing.MutableSequence
MutableSet = typing.MutableSet
NoReturn = typing.NoReturn
Optional = typing.Optional
Reversible = typing.Reversible
Sequence = typing.Sequence
Set = typing.Set
Sized = typing.Sized
TYPE_CHECKING = False
Tuple = typing.Tuple
Type = typing.Type
Union = typing.Union
ValuesView = typing.ValuesView
typing-python用于類型注解的庫
簡介
動態語言的靈活性使其在做一些工具，腳本時非常方便，但是同時也給大型項目的開發帶來了一些麻煩。
自python3.5開始，PEP484為python引入了類型注解(type hints),雖然在pep3107定義了函數注釋(function annotation)的語法,但仍然故意留下了一些未定義的行為.現在已經擁有許多對于靜態類型的分析的第三方工具,而pep484引入了一個模塊來提供這些工具，同時還規定一些不能使用注釋(annoation)的情況
#一個典型的函數注釋例子，為參數加上了類型
def greeting(name: str) -> str:
return 'Hello ' + name
伴隨著python3.6的pep526則更進一步引入了對變量類型的聲明，和在以前我們只能在注釋中對變量的類型進行說明
# 使用注釋來標明變量類型
primes = [] # type:list[int]
captain = ... #type:str
class Starship:
stats = {} #type:Dict[str,int]
primes:List[int] = []
captain:str #Note: no initial value
class Starship:
stats: ClassVar[Dict[str,int]] = {}
typing--對于type hints支持的標準庫
typing模塊已經被加入標準庫的provisional basis中，新的特性可能會增加，如果開發者認為有必要，api也可能會發生改變，即不保證向后兼容性
我們已經在簡介中介紹過類型注解，那么除了默認類型的int、str用于類型注解的類型有哪些呢？
typing庫便是一個幫助我們實現類型注解的庫
類型別名(type alias)
在下面這個例子中，Vector和List[float]可以視為同義詞
from typing import List
Vector = List[float]
def scale(scalar: float, vector: Vector)->Vector:
return [scalar*num for num in vector]
new_vector = scale(2.0, [1.0, -4.2, 5.4])
類型別名有助于簡化一些復雜的類型聲明
from typing import Dict, Tuple, List
ConnectionOptions = Dict[str, str]
Address = Tuple[str, int]
Server = Tuple[Address, ConnectionOptions]
def broadcast_message(message: str, servers: List[Server]) -> None:
...
# The static type checker will treat the previous type signature as
# being exactly equivalent to this one.
def broadcast_message(
message: str,
servers: List[Tuple[Tuple[str, int], Dict[str, str]]]) -> None:
pass
新類型(New Type)
使用NewType來輔助函數創造不同的類型
form typing import NewType
UserId = NewType("UserId", int)
some_id = UserId(524313)
靜態類型檢查器將將新類型視為原始類型的子類。這對于幫助捕獲邏輯錯誤非常有用
def get_user_name(user_id: UserId) -> str:
pass
# typechecks
user_a = get_user_name(UserId(42351))
# does not typecheck; an int is not a UserId
user_b = get_user_name(-1)
你仍然可以使用int類型變量的所有操作來使用UserId類型的變量，但結果返回的都是都是int類型。例如
# output仍然是int類型而不是UserId類型
output = UserId(23413) + UserId(54341)
雖然這無法阻止你使用int類型代替UserId類型，但可以避免你濫用UserId類型
注意，這些檢查僅僅被靜態檢查器強制檢查，在運行時Derived = NewType('Derived',base)將派生出一個函數直接返回你傳的任何參數，這意味著Derived(some_value)并不會創建任何新類或者創建任何消耗大于普通函數調用消耗的函數
確切地說，這個表達式 some_value is Derived(some_value) 在運行時總是對的。
這也意味著不可能創建派生的子類型，因為它在運行時是一個標識函數，而不是一個實際類型：
from typing import NewType
UserId = NewType('UserId', int)
# Fails at runtime and does not typecheck
class AdminUserId(UserId): pass
然而，它可以創建一個新的類型基于衍生的NewType
from typing import NewType
UserId = NewType('UserId', int)
ProUserId = NewType('ProUserId', UserId)
然后對于ProUserId的類型檢查會如預料般工作
Note:回想一下，使用類型別名聲明的兩個類型是完全一樣的，令Doing = Original將會使靜態類型檢查時把Alias等同于Original,這個結論能夠幫助你簡化復雜的類型聲明
與Alias不同，NewType聲明了另一個的子類，令Derived = NewType('Derived', Original)將會使靜態類型檢查把Derived看做Original的子類，這意味著類型Original不能用于類型Derived，這有助于使用最小的消耗來防止邏輯錯誤。
回調(callable)
回調函數可以使用類似Callable[[Arg1Type, Arg2Type],ReturnType]的類型注釋
例如
from typing import Callable
def feeder(get_next_item: Callable[[], str]) -> None:
# Body
def async_query(on_success: Callable[[int], None],
on_error: Callable[[int, Exception], None]) -> None:
# Body
可以通過對類型提示中的參數列表替換一個文本省略號來聲明一個可調用的返回類型，而不指定調用參數，例如 Callable[..., ReturnType]
泛型(Generics)
因為容器中的元素的類型信息由于泛型不同通過一般方式靜態推斷，因此抽象類被用來拓展表示容器中的元素
from typing import Mapping, Sequence
def notify_by_email(employees: Sequence[Employee],
overrides: Mapping[str, str]) -> None: ...
可以通過typing中的TypeVar將泛型參數化
from typing import Sequence, TypeVar
T = TypeVar('T') # 申明類型變量
def first(l: Sequence[T]) -> T: # Generic function
return l[0]
用戶定義泛型類型
from typing import TypeVar, Generic
from logging import Logger
T = TypeVar('T')
class LoggedVar(Generic[T]):
def __init__(self, value: T, name: str, logger: Logger) -> None:
self.name = name
self.logger = logger
self.value = value
def set(self, new: T) -> None:
self.log('Set ' + repr(self.value))
self.value = new
def get(self) -> T:
self.log('Get ' + repr(self.value))
return self.value
def log(self, message: str) -> None:
self.logger.info('%s: %s', self.name, message)
定義了Generic[T]作為LoggedVar的基類，同時T也作為了方法中的參數。
通過Generic基類使用元類(metaclass)定義__getitem__()使得LoggedVar[t]是有效類型
from typing import Iterable
def zero_all_vars(vars: Iterable[LoggedVar[int]]) -> None:
for var in vars:
var.set(0)
泛型可以是任意類型的變量，但也可以被約束
from typing import TypeVar, Generic
...
T = TypeVar('T')
S = TypeVar('S', int, str)
class StrangePair(Generic[T, S]):
...
每個類型變量的參數必須是不同的
下面是非法的
from typing import TypeVar, Generic
...
T = TypeVar('T')
class Pair(Generic[T, T]): # INVALID
...
你可以使用Generic實現多繼承
from typing import TypeVar, Generic, Sized
T = TypeVar('T')
class LinkedList(Sized, Generic[T]):
...
當繼承泛型類時，一些類型變量可以被固定
from typing import TypeVar, Mapping
T = TypeVar('T')
class MyDict(Mapping[str, T]):
...
使用泛型類而不指定類型參數則假定每個位置都是Any，。在下面的例子中，myiterable不是泛型但隱式繼承Iterable [Any]
from typing import Iterable
class MyIterable(Iterable): # Same as Iterable[Any]
還支持用戶定義的泛型類型別名。實例：
from typing import TypeVar, Iterable, Tuple, Union
S = TypeVar('S')
Response = Union[Iterable[S], int]
# Return type here is same as Union[Iterable[str], int]
def response(query: str) -> Response[str]:
...
T = TypeVar('T', int, float, complex)
Vec = Iterable[Tuple[T, T]]
def inproduct(v: Vec[T]) -> T: # Same as Iterable[Tuple[T, T]]
return sum(x*y for x, y in v)
Generic的元類是abc.ABCMeta的子類，泛型類可以是包含抽象方法或屬性的ABC類(A generic class can be an ABC by including abstract methods or properties)
同時泛型類也可以含有ABC類的方法而沒有元類沖突。
Any
一種特殊的類型是。靜態類型檢查器將將每個類型視為與任何類型和任何類型兼容，與每個類型兼容。
from typing import Any
a = None # type: Any
a = [] # OK
a = 2 # OK
s = '' # type: str
s = a # OK
def foo(item: Any) -> int:
# Typechecks; 'item' could be any type,
# and that type might have a 'bar' method
item.bar()
...
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
您可能感興趣的文章:- python 內置庫wsgiref的使用（WSGI基礎入門）
- Python實現socket庫網絡通信套接字
- Python趣味挑戰之turtle庫繪畫飄落的銀杏樹
- 讓文件路徑提取變得更簡單的Python Path庫
- 關于python3安裝pip及requests庫的導入問題
- Python的這些庫,你知道多少?
