26.1. typing — 类型标注支持

3.5 新版功能.

源码: Lib/typing.py

注解

The typing module has been included in the standard library on a provisional basis. New features might be added and API may change even between minor releases if deemed necessary by the core developers.


此模块支持 PEP 484PEP 526 指定的类型提示。最基本的支持由 AnyUnionTupleCallableTypeVarGeneric 类型组成。有关完整的规范,请参阅 PEP 484。有关类型提示的简单介绍,请参阅 PEP 483

函数接受并返回一个字符串,注释像下面这样:

  1. def greeting(name: str) -> str:
  2. return 'Hello ' + name

在函数 greeting 中,参数 name 预期是 str 类型,并且返回 str 类型。子类型允许作为参数。

26.1.1. 类型别名

类型别名通过将类型分配给别名来定义。在这个例子中, VectorList[float] 将被视为可互换的同义词:

  1. from typing import List
  2. Vector = List[float]
  3. def scale(scalar: float, vector: Vector) -> Vector:
  4. return [scalar * num for num in vector]
  5. # typechecks; a list of floats qualifies as a Vector.
  6. new_vector = scale(2.0, [1.0, -4.2, 5.4])

类型别名可用于简化复杂类型签名。例如:

  1. from typing import Dict, Tuple, List
  2. ConnectionOptions = Dict[str, str]
  3. Address = Tuple[str, int]
  4. Server = Tuple[Address, ConnectionOptions]
  5. def broadcast_message(message: str, servers: List[Server]) -> None:
  6. ...
  7. # The static type checker will treat the previous type signature as
  8. # being exactly equivalent to this one.
  9. def broadcast_message(
  10. message: str,
  11. servers: List[Tuple[Tuple[str, int], Dict[str, str]]]) -> None:
  12. ...

请注意,None 作为类型提示是一种特殊情况,并且由 type(None) 取代。

26.1.2. NewType

使用 NewType() 辅助函数创建不同的类型:

  1. from typing import NewType
  2. UserId = NewType('UserId', int)
  3. some_id = UserId(524313)

静态类型检查器会将新类型视为它是原始类型的子类。这对于帮助捕捉逻辑错误非常有用:

  1. def get_user_name(user_id: UserId) -> str:
  2. ...
  3. # typechecks
  4. user_a = get_user_name(UserId(42351))
  5. # does not typecheck; an int is not a UserId
  6. user_b = get_user_name(-1)

您仍然可以对 UserId 类型的变量执行所有的 int 支持的操作,但结果将始终为 int 类型。这可以让你在需要 int 的地方传入 UserId,但会阻止你以无效的方式无意中创建 UserId:

  1. # 'output' is of type 'int', not 'UserId'
  2. output = UserId(23413) + UserId(54341)

注意,这些检查只由静态类型检查器强制执行。 在运行时,语句 Derived = NewType('Derived', Base) 将产生一个 Derived 函数,该函数立即返回你传递给它的任何参数。 这意味着表达式 Derived(some_value) 不会创建一个新的类,也不会引入超出常规函数调用的很多开销。

更确切地说,表达式 some_value is Derived(some_value) 在运行时总是为真。

这也意味着无法创建 Derived 的子类型,因为它是运行时的标识函数,而不是实际的类型:

  1. from typing import NewType
  2. UserId = NewType('UserId', int)
  3. # Fails at runtime and does not typecheck
  4. class AdminUserId(UserId): pass

然而,我们可以在 “派生的” NewType 的基础上创建一个 NewType

  1. from typing import NewType
  2. UserId = NewType('UserId', int)
  3. ProUserId = NewType('ProUserId', UserId)

并且 ProUserId 的类型检查将按预期工作。

有关更多详细信息,请参阅 PEP 484

注解

回想一下,使用类型别名声明两种类型彼此 等效Alias = Original 将使静态类型检查对待所有情况下 Alias 完全等同于 Original。当您想简化复杂类型签名时,这很有用。

相反,NewType 声明一种类型是另一种类型的子类型。Derived = NewType('Derived', Original) 将使静态类型检查器将 Derived 当作 Original子类 ,这意味着 Original 类型的值不能用于 Derived 类型的值需要的地方。当您想以最小的运行时间成本防止逻辑错误时,这非常有用。

3.5.2 新版功能.

26.1.3. Callable

期望特定签名的回调函数的框架可以将类型标注为 Callable[[Arg1Type, Arg2Type], ReturnType]

例如

  1. from typing import Callable
  2. def feeder(get_next_item: Callable[[], str]) -> None:
  3. # Body
  4. def async_query(on_success: Callable[[int], None],
  5. on_error: Callable[[int, Exception], None]) -> None:
  6. # Body

通过用文字省略号替换类型提示中的参数列表: Callable[...,ReturnType],可以声明可调用的返回类型,而无需指定调用签名。

26.1.4. 泛型(Generic)

由于无法以通用方式静态推断有关保存在容器中的对象的类型信息,因此抽象基类已扩展为支持订阅以表示容器元素的预期类型。

  1. from typing import Mapping, Sequence
  2. def notify_by_email(employees: Sequence[Employee],
  3. overrides: Mapping[str, str]) -> None: ...

泛型可以通过使用typing模块中名为 TypeVar 的新工厂进行参数化。

  1. from typing import Sequence, TypeVar
  2. T = TypeVar('T') # Declare type variable
  3. def first(l: Sequence[T]) -> T: # Generic function
  4. return l[0]

26.1.5. 用户定义的泛型类型

用户定义的类可以定义为泛型类。

  1. from typing import TypeVar, Generic
  2. from logging import Logger
  3. T = TypeVar('T')
  4. class LoggedVar(Generic[T]):
  5. def __init__(self, value: T, name: str, logger: Logger) -> None:
  6. self.name = name
  7. self.logger = logger
  8. self.value = value
  9. def set(self, new: T) -> None:
  10. self.log('Set ' + repr(self.value))
  11. self.value = new
  12. def get(self) -> T:
  13. self.log('Get ' + repr(self.value))
  14. return self.value
  15. def log(self, message: str) -> None:
  16. self.logger.info('%s: %s', self.name, message)

Generic[T] 作为基类定义了类 LoggedVar 采用单个类型参数 T。这也使得 T 作为类体内的一个类型有效。

The Generic base class uses a metaclass that defines __getitem__() so that LoggedVar[t] is valid as a type:

  1. from typing import Iterable
  2. def zero_all_vars(vars: Iterable[LoggedVar[int]]) -> None:
  3. for var in vars:
  4. var.set(0)

泛型类型可以有任意数量的类型变量,并且类型变量可能会受到限制:

  1. from typing import TypeVar, Generic
  2. ...
  3. T = TypeVar('T')
  4. S = TypeVar('S', int, str)
  5. class StrangePair(Generic[T, S]):
  6. ...

Generic 每个参数的类型变量必须是不同的。这是无效的:

  1. from typing import TypeVar, Generic
  2. ...
  3. T = TypeVar('T')
  4. class Pair(Generic[T, T]): # INVALID
  5. ...

您可以对 Generic 使用多重继承:

  1. from typing import TypeVar, Generic, Sized
  2. T = TypeVar('T')
  3. class LinkedList(Sized, Generic[T]):
  4. ...

从泛型类继承时,某些类型变量可能是固定的:

  1. from typing import TypeVar, Mapping
  2. T = TypeVar('T')
  3. class MyDict(Mapping[str, T]):
  4. ...

在这种情况下,MyDict 只有一个参数,T

在不指定类型参数的情况下使用泛型类别会为每个位置假设 Any。在下面的例子中,MyIterable 不是泛型,但是隐式继承自 Iterable[Any]:

  1. from typing import Iterable
  2. class MyIterable(Iterable): # Same as Iterable[Any]

用户定义的通用类型别名也受支持。例子:

  1. from typing import TypeVar, Iterable, Tuple, Union
  2. S = TypeVar('S')
  3. Response = Union[Iterable[S], int]
  4. # Return type here is same as Union[Iterable[str], int]
  5. def response(query: str) -> Response[str]:
  6. ...
  7. T = TypeVar('T', int, float, complex)
  8. Vec = Iterable[Tuple[T, T]]
  9. def inproduct(v: Vec[T]) -> T: # Same as Iterable[Tuple[T, T]]
  10. return sum(x*y for x, y in v)

The metaclass used by Generic is a subclass of abc.ABCMeta. A generic class can be an ABC by including abstract methods or properties, and generic classes can also have ABCs as base classes without a metaclass conflict. Generic metaclasses are not supported. The outcome of parameterizing generics is cached, and most types in the typing module are hashable and comparable for equality.

26.1.6. Any 类型

Any 是一种特殊的类型。静态类型检查器将所有类型视为与 Any 兼容,反之亦然, Any 也与所有类型相兼容。

这意味着可对类型为 Any 的值执行任何操作或方法调用,并将其赋值给任何变量:

  1. from typing import Any
  2. a = None # type: Any
  3. a = [] # OK
  4. a = 2 # OK
  5. s = '' # type: str
  6. s = a # OK
  7. def foo(item: Any) -> int:
  8. # Typechecks; 'item' could be any type,
  9. # and that type might have a 'bar' method
  10. item.bar()
  11. ...

需要注意的是,将 Any 类型的值赋值给另一个更具体的类型时,Python不会执行类型检查。例如,当把 a 赋值给 s 时,即使 s 被声明为 str 类型,在运行时接收到的是 int 值,静态类型检查器也不会报错。

此外,所有返回值无类型或形参无类型的函数将隐式地默认使用 Any 类型:

  1. def legacy_parser(text):
  2. ...
  3. return data
  4. # A static type checker will treat the above
  5. # as having the same signature as:
  6. def legacy_parser(text: Any) -> Any:
  7. ...
  8. return data

当需要混用动态类型和静态类型的代码时,上述行为可以让 Any 被用作 应急出口

Anyobject 的行为对比。与 Any 相似,所有的类型都是 object 的子类型。然而不同于 Any,反之并不成立: object 不是 其他所有类型的子类型。

这意味着当一个值的类型是 object 的时候,类型检查器会拒绝对它的几乎所有的操作。把它赋值给一个指定了类型的变量(或者当作返回值)是一个类型错误。比如说:

  1. def hash_a(item: object) -> int:
  2. # Fails; an object does not have a 'magic' method.
  3. item.magic()
  4. ...
  5. def hash_b(item: Any) -> int:
  6. # Typechecks
  7. item.magic()
  8. ...
  9. # Typechecks, since ints and strs are subclasses of object
  10. hash_a(42)
  11. hash_a("foo")
  12. # Typechecks, since Any is compatible with all types
  13. hash_b(42)
  14. hash_b("foo")

使用 object 示意一个值可以类型安全地兼容任何类型。使用 Any 示意一个值地类型是动态定义的。

26.1.7. 类,函数和修饰器.

这个模块定义了如下的类,模块和修饰器.

class typing.TypeVar

类型变量

用法:

  1. T = TypeVar('T') # Can be anything
  2. A = TypeVar('A', str, bytes) # Must be str or bytes

Type variables exist primarily for the benefit of static type checkers. They serve as the parameters for generic types as well as for generic function definitions. See class Generic for more information on generic types. Generic functions work as follows:

  1. def repeat(x: T, n: int) -> Sequence[T]:
  2. """Return a list containing n references to x."""
  3. return [x]*n
  4. def longest(x: A, y: A) -> A:
  5. """Return the longest of two strings."""
  6. return x if len(x) >= len(y) else y

本质上,后例的签名重载了 (str, str) -> str(bytes, bytes) -> bytes。注意,参数是 str 子类的实例时,返回类型仍是纯 str

isinstance(x, T) 会在运行时抛出 TypeError 异常。一般地说, isinstance()issubclass() 不应该和类型一起使用。

通过 covariant=Truecontravariant=True 可以把类型变量标记为协变量或逆变量。详见 PEP 484。默认情况下,类型变量是不变量。类型变量还可以用 bound=<type> 指定上限。这里的意思是,(显式或隐式地)取代类型变量的实际类型必须是限定类型的子类,详见 PEP 484

class typing.Generic

用于泛型类型的抽象基类。

泛型类型一般通过继承含一个或多个类型变量的类实例进行声明。例如,泛型映射类型定义如下:

  1. class Mapping(Generic[KT, VT]):
  2. def __getitem__(self, key: KT) -> VT:
  3. ...
  4. # Etc.

这个类之后可以被这样用:

  1. X = TypeVar('X')
  2. Y = TypeVar('Y')
  3. def lookup_name(mapping: Mapping[X, Y], key: X, default: Y) -> Y:
  4. try:
  5. return mapping[key]
  6. except KeyError:
  7. return default

class typing.Type(Generic[CT_co])

一个注解为 C 的变量可以接受一个类型为 C 的值。相对地,一个注解为 Type[C] 的变量可以接受本身为类的值 —— 更精确地说它接受 C类对象 ,例如:

  1. a = 3 # Has type 'int'
  2. b = int # Has type 'Type[int]'
  3. c = type(a) # Also has type 'Type[int]'

注意 Type[C] 是协变的:

  1. class User: ...
  2. class BasicUser(User): ...
  3. class ProUser(User): ...
  4. class TeamUser(User): ...
  5. # Accepts User, BasicUser, ProUser, TeamUser, ...
  6. def make_new_user(user_class: Type[User]) -> User:
  7. # ...
  8. return user_class()

Type[C] 是协变的这一事实暗示了任何 C 的子类应当实现与 C 相同的构造器签名和类方法签名。类型检查器应当标记违反的情况,但应当也允许子类中调用构造器符合指示的基类。类型检查器被要求如何处理这种情况可能会在 PEP 484 将来的版本中改变。

Type 合法的参数仅有类、 Any类型变量 以及上述类型的联合类型。例如:

  1. def new_non_team_user(user_class: Type[Union[BaseUser, ProUser]]): ...

Type[Any] 等价于 Type,因此继而等价于 type,它是 Python 的元类层级的根部。

3.5.2 新版功能.

class typing.Iterable(Generic[T_co])

collections.abc.Iterable 的泛型版本。

class typing.Iterator(Iterable[T_co])

collections.abc.Iterator 的泛型版本。

class typing.Reversible(Iterable[T_co])

collections.abc.Reversible 的泛型版本。

class typing.SupportsInt

含抽象方法 __int__ 的抽象基类。

class typing.SupportsFloat

含抽象方法 __float__ 的抽象基类。

class typing.SupportsComplex

含抽象方法 __complex__ 的抽象基类。

class typing.SupportsBytes

含抽象方法 __bytes__ 的抽象基类(ABC)

class typing.SupportsAbs

含抽象方法 __abs__ 的抽象基类(ABC)是其返回类型里的协变量。

class typing.SupportsRound

含抽象方法 __round__ 的抽象基类,是其返回类型的协变量。

class typing.Container(Generic[T_co])

collections.abc.Container 的泛型版本。

class typing.Hashable

collections.abc.Hashable 的别名。

class typing.Sized

collections.abc.Sized 的别名。

class typing.Collection(Sized, Iterable[T_co], Container[T_co])

collections.abc.Collection 的泛型版本。

3.6 新版功能.

class typing.AbstractSet(Sized, Collection[T_co])

collections.abc.Set 的泛型版本。

class typing.MutableSet(AbstractSet[T])

collections.abc.MutableSet 的泛型版本。

class typing.Mapping(Sized, Collection[KT], Generic[VT_co])

A generic version of collections.abc.Mapping.

class typing.MutableMapping(Mapping[KT, VT])

collections.abc.MutableMapping 的泛型版本。

class typing.Sequence(Reversible[T_co], Collection[T_co])

collections.abc.Sequence 的泛型版本。

class typing.MutableSequence(Sequence[T])

collections.abc.MutableSequence 的泛型版本。

class typing.ByteString(Sequence[int])

collections.abc.ByteString 的泛型版本。

This type represents the types bytes, bytearray, and memoryview.

作为该类型的简称,bytes 可用于标注上述任意类型的参数。

class typing.Deque(deque, MutableSequence[T])

collections.deque 的泛型版本。

3.6.1 新版功能.

class typing.List(list, MutableSequence[T])

Generic version of list. Useful for annotating return types. To annotate arguments it is preferred to use abstract collection types such as Mapping, Sequence, or AbstractSet.

这个类型可以这样用:

  1. T = TypeVar('T', int, float)
  2. def vec2(x: T, y: T) -> List[T]:
  3. return [x, y]
  4. def keep_positives(vector: Sequence[T]) -> List[T]:
  5. return [item for item in vector if item > 0]

class typing.Set(set, MutableSet[T])

A generic version of builtins.set.

class typing.FrozenSet(frozenset, AbstractSet[T_co])

builtins.frozenset 的泛型版本。

class typing.MappingView(Sized, Iterable[T_co])

collections.abc.MappingView 的泛型版本。

class typing.KeysView(MappingView[KT_co], AbstractSet[KT_co])

collections.abc.KeysView 的泛型版本。

class typing.ItemsView(MappingView, Generic[KT_co, VT_co])

collections.abc.ItemsView 的泛型版本。

class typing.ValuesView(MappingView[VT_co])

collections.abc.ValuesView 的泛型版本。

class typing.Awaitable(Generic[T_co])

collections.abc.Awaitable 的泛型版本。

class typing.Coroutine(Awaitable[V_co], Generic[T_co T_contra, V_co])

collections.abc.Coroutine 的泛型版本。类型变量的的差异和顺序与 Generator 的内容相对应,例如:

  1. from typing import List, Coroutine
  2. c = None # type: Coroutine[List[str], str, int]
  3. ...
  4. x = c.send('hi') # type: List[str]
  5. async def bar() -> None:
  6. x = await c # type: int

class typing.AsyncIterable(Generic[T_co])

collections.abc.AsyncIterable 的泛型版本。

class typing.AsyncIterator(AsyncIterable[T_co])

collections.abc.AsyncIterator 的泛型版本。

class typing.ContextManager(Generic[T_co])

contextlib.AbstractContextManager 的泛型版本。

3.6 新版功能.

class typing.AsyncContextManager(Generic[T_co])

An ABC with async abstract __aenter__() and __aexit__() methods.

3.6 新版功能.

class typing.Dict(dict, MutableMapping[KT, VT])

A generic version of dict. The usage of this type is as follows:

  1. def get_position_in_index(word_list: Dict[str, int], word: str) -> int:
  2. return word_list[word]

class typing.DefaultDict(collections.defaultdict, MutableMapping[KT, VT])

collections.defaultdict 的泛型版本。

3.5.2 新版功能.

class typing.Counter(collections.Counter, Dict[T, int])

collections.Counter 的泛型版本。

3.6.1 新版功能.

class typing.ChainMap(collections.ChainMap, MutableMapping[KT, VT])

collections.ChainMap 的泛型版本。

3.6.1 新版功能.

class typing.Generator(Iterator[T_co], Generic[T_co, T_contra, V_co])

生成器可以由泛型类型 Generator[YieldType, SendType, ReturnType] 注解。例如:

  1. def echo_round() -> Generator[int, float, str]:
  2. sent = yield 0
  3. while sent >= 0:
  4. sent = yield round(sent)
  5. return 'Done'

注意,与 typing 模块里的其他泛型不同, Generator 的``SendType`` 的操作是逆变的, 不是协变,也是不变。

如果生成器只生成值,可将 SendTypeReturnType 设为 None

  1. def infinite_stream(start: int) -> Generator[int, None, None]:
  2. while True:
  3. yield start
  4. start += 1

另外,把生成器注解为返回类型

  1. def infinite_stream(start: int) -> Iterator[int]:
  2. while True:
  3. yield start
  4. start += 1

class typing.AsyncGenerator(AsyncIterator[T_co], Generic[T_co, T_contra])

异步生成器可由泛型类型 AsyncGenerator[YieldType, SendType] 注解。例如:

  1. async def echo_round() -> AsyncGenerator[int, float]:
  2. sent = yield 0
  3. while sent >= 0.0:
  4. rounded = await round(sent)
  5. sent = yield rounded

与常规生成器不同,异步生成器不能返回值,因此没有 ReturnType 类型参数。 与 Generator 类似,SendType 也属于逆变行为。

如果生成器只产生值,可将 SendType 设置为 None

  1. async def infinite_stream(start: int) -> AsyncGenerator[int, None]:
  2. while True:
  3. yield start
  4. start = await increment(start)

此外,可用 AsyncIterable[YieldType]AsyncIterator[YieldType] 注解生成器的类型:

  1. async def infinite_stream(start: int) -> AsyncIterator[int]:
  2. while True:
  3. yield start
  4. start = await increment(start)

3.5.4 新版功能.

class typing.Text

Textstr 的别名。提供了对 Python 2 代码的向下兼容:Python 2 中,Text 是``unicode`` 的别名。

  1. def add_unicode_checkmark(text: Text) -> Text:
  2. return text + u' \u2713'

3.5.2 新版功能.

class typing.IO

class typing.TextIO

class typing.BinaryIO

泛型类型 IO[AnyStr] 及其子类 TextIO(IO[str])BinaryIO(IO[bytes]) 表示 I/O 流的类型,例如 open() 所返回的对象。

class typing.Pattern

class typing.Match

这些类型对应的是从 re.compile()re.match() 返回的类型。 这些类型(及相应的函数)是 AnyStr 中的泛型并可通过编写 Pattern[str], Pattern[bytes], Match[str]Match[bytes] 来具体指定。

class typing.NamedTuple

Typed version of namedtuple.

用法:

  1. class Employee(NamedTuple):
  2. name: str
  3. id: int

这相当于:

  1. Employee = collections.namedtuple('Employee', ['name', 'id'])

为字段提供默认值,要在类体内赋值:

  1. class Employee(NamedTuple):
  2. name: str
  3. id: int = 3
  4. employee = Employee('Guido')
  5. assert employee.id == 3

带默认值的字段必须在不带默认值的字段后面。

The resulting class has two extra attributes: _field_types, giving a dict mapping field names to types, and _field_defaults, a dict mapping field names to default values. (The field names are in the _fields attribute, which is part of the namedtuple API.)

NamedTuple 子类也支持文档字符串与方法:

  1. class Employee(NamedTuple):
  2. """Represents an employee."""
  3. name: str
  4. id: int = 3
  5. def __repr__(self) -> str:
  6. return f'<Employee {self.name}, id={self.id}>'

反向兼容用法:

  1. Employee = NamedTuple('Employee', [('name', str), ('id', int)])

在 3.6 版更改: 添加了对 PEP 526 中变量注解句法的支持。

在 3.6.1 版更改: 添加了对默认值、方法、文档字符串的支持。

typing.NewType(typ)

A helper function to indicate a distinct types to a typechecker, see NewType. At runtime it returns a function that returns its argument. Usage:

  1. UserId = NewType('UserId', int)
  2. first_user = UserId(1)

3.5.2 新版功能.

typing.cast(typ, val)

把值强制转换为类型。

不变更返回值。对类型检查器来说,这代表了返回值具有指定的类型,但在运行时,故意不做任何检查(目的是让该检查速度尽量快)。

typing.get_type_hints(obj[, globals[, locals]])

返回一个字典,字典内含有函数、方法、模块或类对象的类型提示。

一般情况下,与 obj.__annotations__ 相同。此外,可通过在 globalslocals 命名空间里进行评估,以此来处理编码为字符串字面量的前向引用。如有需要,在默认值设置为 None``时,可为函数或方法注解添加 ``Optional[t]。对于类 C,则返回一个由所有 __annotations__C.__mro__ 逆序合并而成的字典。

@``typing.overload

The @overload decorator allows describing functions and methods that support multiple different combinations of argument types. A series of @overload-decorated definitions must be followed by exactly one non-@overload-decorated definition (for the same function/method). The @overload-decorated definitions are for the benefit of the type checker only, since they will be overwritten by the non-@overload-decorated definition, while the latter is used at runtime but should be ignored by a type checker. At runtime, calling a @overload-decorated function directly will raise NotImplementedError. An example of overload that gives a more precise type than can be expressed using a union or a type variable:

  1. @overload
  2. def process(response: None) -> None:
  3. ...
  4. @overload
  5. def process(response: int) -> Tuple[int, str]:
  6. ...
  7. @overload
  8. def process(response: bytes) -> str:
  9. ...
  10. def process(response):
  11. <actual implementation>

详见 PEP 484,与其他类型语义进行对比。

@``typing.no_type_check

用于指明标注不是类型提示的装饰器。

decorator 装饰器生效于类或函数上。如果作用于类上的话,它会递归地作用于这个类的所定义的所有方法上(但是对于超类或子类所定义的方法不会生效)。

此方法会就地地修改函数。

@``typing.no_type_check_decorator

使其它装饰器起到 no_type_check() 效果的装饰器。

本装饰器用 no_type_check() 里的装饰函数打包其他装饰器。

typing.Any

特殊类型,表明类型没有任何限制。

  • 每一个类型都对 Any 兼容。

  • Any 对每一个类型都兼容。

typing.NoReturn

标记一个函数没有返回值的特殊类型。比如说:

  1. from typing import NoReturn
  2. def stop() -> NoReturn:
  3. raise RuntimeError('no way')

3.6.5 新版功能.

typing.Union

联合类型; Union[X, Y] 意味着:要不是 X,要不是 Y。

使用形如 Union[int, str] 的形式来定义一个联合类型。细节如下:

  • 参数必须是类型,而且必须至少有一个参数。

  • 联合类型的联合类型会被展开打平,比如:

    1. Union[Union[int, str], float] == Union[int, str, float]
  • 仅有一个参数的联合类型会坍缩成参数自身,比如:

    1. Union[int] == int # The constructor actually returns int
  • 多余的参数会被跳过,比如:

    1. Union[int, str, int] == Union[int, str]
  • 在比较联合类型的时候,参数顺序会被忽略,比如:

    1. Union[int, str] == Union[str, int]
  • When a class and its subclass are present, the latter is skipped, e.g.:

    1. Union[int, object] == object
  • 你不能继承或者实例化一个联合类型。

  • 你不能写成 Union[X][Y]

  • 你可以使用 Optional[X] 作为 Union[X, None] 的缩写。

typing.Optional

可选类型。

Optional[X] 等价于 Union[X, None]

请注意,这与可选参数并非相同的概念。可选参数是一个具有默认值的参数。可选参数的类型注解并不因为它是可选的就需要 Optional 限定符。例如:

  1. def foo(arg: int = 0) -> None:
  2. ...

另一方面,如果允许显式地传递值 None , 使用 Optional 也是正当的,无论该参数是否是可选的。例如:

  1. def foo(arg: Optional[int] = None) -> None:
  2. ...

typing.Tuple

Tuple type; Tuple[X, Y] is the type of a tuple of two items with the first item of type X and the second of type Y.

举例: Tuple[T1, T2] 是一个二元组,类型分别为 T1 和 T2。 Tuple[int, float, str] 是一个由整数、浮点数和字符串组成的三元组。

为表达一个同类型元素的变长元组,使用省略号字面量,如 Tuple[int, ...] 。单独的一个 Tuple 等价于 Tuple[Any, ...],进而等价于 tuple

typing.Callable

可调用类型; Callable[[int], str] 是一个函数,接受一个 int 参数,返回一个 str 。

下标值的语法必须恰为两个值:参数列表和返回类型。参数列表必须是一个类型和省略号组成的列表;返回值必须是单一一个类型。

不存在语法来表示可选的或关键词参数,这类函数类型罕见用于回调函数。 Callable[..., ReturnType] (使用字面省略号)能被用于提示一个可调用对象,接受任意数量的参数并且返回 ReturnType。单独的 Callable 等价于 Callable[..., Any] ,并且进而等价于 collections.abc.Callable

typing.ClassVar

特殊的类型构造器,用以标记类变量。

PEP 526 中被引入,ClassVar 包裹起来的变量注解指示了给定属性预期用于类变量,并且不应在类的实例上被设置。用法:

  1. class Starship:
  2. stats: ClassVar[Dict[str, int]] = {} # class variable
  3. damage: int = 10 # instance variable

ClassVar 仅接受类型,并且不能被再次下标。

ClassVar 本身并不是一个类,并且不应与 isinstance() or issubclass() 一起使用。 ClassVar 并不改变 Python 运行时行为,但它可以被用于第三方类型检查器。例如,某个类型检查器可能会标记以下代码为错误的:

  1. enterprise_d = Starship(3000)
  2. enterprise_d.stats = {} # Error, setting class variable on instance
  3. Starship.stats = {} # This is OK

3.5.3 新版功能.

typing.AnyStr

AnyStr 类型变量的定义为 AnyStr = TypeVar('AnyStr', str, bytes)

这里指的是,它可以接受任意同类字符串,但不支持混用不同类别的字符串。例如:

  1. def concat(a: AnyStr, b: AnyStr) -> AnyStr:
  2. return a + b
  3. concat(u"foo", u"bar") # Ok, output has type 'unicode'
  4. concat(b"foo", b"bar") # Ok, output has type 'bytes'
  5. concat(u"foo", b"bar") # Error, cannot mix unicode and bytes

typing.TYPE_CHECKING

被第三方静态类型检查器假定为 True 的特殊常量。 在运行时为 False。 用法如下:

  1. if TYPE_CHECKING:
  2. import expensive_mod
  3. def fun(arg: 'expensive_mod.SomeType') -> None:
  4. local_var: expensive_mod.AnotherType = other_fun()

Note that the first type annotation must be enclosed in quotes, making it a “forward reference”, to hide the expensive_mod reference from the interpreter runtime. Type annotations for local variables are not evaluated, so the second annotation does not need to be enclosed in quotes.

3.5.2 新版功能.