Python的类型标注与检查

Python作为一个动态类型语言，支持Subtyping和Duck Typing，一些Lint工具可以对Python代码静态进行类型检查来提高程序质量，还有工具可以支持类型标注和检查，并编译代码以提升性能。Python 3.5又引入了 Type Hints机制来提供统一的类型标注协议。

`class` and `isinstance`

Python中，判断一个对象是否是某个类的实例的做法：

判断直接实例使用a.__class__ is A
判断间接实例使用isinstance(a, A)

__class__可以用来获取一个对象的类对象，is用于比较是否是内存中的同一个对象。isinstance判断给出的对象是否是给出的类的直接或间接实例类型。举例：

In []: class A: pass
In []: class B(A): pass
In []: b = B()

In []: b.__class__ is B
Out[]: True
In []: b.__class__ is A
Out[]: False

In []: isinstance(b, B)
Out[]: True
In []: isinstance(b, A)
Out[]: True

Duck Typing

Duck Typing，鸭子类型，是动态类型的一种实现风格，指的是一个对象的语义不取决于其继承自特定的类或实现特定的接口，而是关注这个对象有哪些可以被调用的方法和可以被访问的属性。当被调用的方法或被访问的属性不存在时，会产生一个运行时错误。Python使用了Duck Typing 来实现多态(Run Time Polymorphism)的能力。示例：

class A:
    def f(): pass
    def g(): pass
class B:
    def g(): pass
    def h(): pass

def func(duck):
    g()

Duck Typing放弃了任何类型检查，完全没有语言本身的机制来检查，这种方式非常灵活，完全依靠程序员来通过注释、文档、测试来强制约束。除了Python之外，Java(通过reflection)、 Javascript，Common Lisp等编程语言也支持Duck Typing。

Type Hints

PEP 482、PEP 483和PEP 484这三篇Proposal描述了Python 3.5引入的Type Hints机制。已经有mypy、 Reticulated Python和numba等实现了一定程度的静态类型检查，PyCharm这类IDE也通过类型推导和检查机制来静态检查代码中的错误以及给出改进建议。其他的一些动态类型语言如PHP、TypeScript 等也引入了Type Hints来进行运行时的类型推导和检查。

值得注意的是，Type Hints只是提供了一个统一的类型标注的协议，而并没有提供类型检查机制。

def greeting(name: str) -> str:
    return 1

if __name__ == '__main__':
    print(greeting(1))

很明显这段代码中函数的实际返回值类型标注不符，且调用函数时参数类型也与标注不符，但仍然能正常运行。

早在2006年，PEP 3107 Function Annotations就已经允许对函数的参数和返回值进行类型和注释的标注。PEP 3107已经提供了Type Hints所需要的语法，PEP 484提供了一个额外的模块typing，提供了Callable、GenericSequence，TypeVar等GenericMeta和TypingMeta来构造一些更复杂的组合类型，对于TypingMeta类型的构造器还提供了Covariance和Contravariance选项。typing同时以库的形式发布，可以通过pip3 install typing来安装，用于支持Python 3.5以前版本的Python。typing模块还提供了typing.TYPE_CHECKING这一常量来对不会被解释执行的代码执行类型检查，在类型检查阶段或静态分析阶段，type.TYPE_CHECKING的值为True。PEP 484还定义了Type Comments，由于在Python中并没有First-class syntax用来支持 Type Annotation，对于某些比较复杂的表达式，可以用来Type Comments来进行类型标注：

x = []   # type: List[float]
x, y, z = [], [], []  # type: List[int], List[int], List[str]
x, y, z = [], [], []  # type: (List[int], List[int], List[str])
x = [
   1,
   2,
]  # type: List[int]

在可以预见的未来，CPython本身不会引入原生的类型推导和检查的支持，PEP 484中有这样一段话：

Python will remain a dynamically typed language, and the authors have no desire to ever make type hints mandatory, even by convention.

Type Hints的另一个可能的用途是用来辅助实现Function/Method Overloading，提供Multiple Dispatch的能力，目前typing.overload仅能用于stub files。PEP 484中表示，Overloading Syntax与Multiple Dispatch由于而这目的和用途不同，应该各自独立实现。overloading.py 以库的形式通过Decorator的形式实现了基本的Function/Method Overloading的支持，并且支持使用PEP 484定义的类型标注协议以及typing里的构造器定义的复合类型。

想要真正做静态类型推导检查，仍然需要使用mypy 之类的工具。mypy已经支持PEP 484，mypy发现类型错误是的错误信息也非常友善，在实际项目中使用mypy非常有利于提升项目质量。

Gradual Typing

类型决定了一个程序中一个符号的取值范围。Indiana大学的Jeremy Siek提出的Gradual Typing 可以作为一种弥补的方案。Gradual Typing也是Python的Type Hints以及mypy等类型检查工具的理论基础。

Gradual typing allows one to annotate only part of a program, thus leverage desirable aspects of both dynamic and static typing.

具体来说，如果变量a_value的类型和标识符a_variable一致，那么就可以将a_value赋值给a_variable。对于两个不同的类型，“一致(consistant)”包含三种含义：

如果类型t1是类型t2的子类型，则t1和t2一致。
Any类型与其他任何类型一致。
任何类型都可以视作Any类型的子类型，也就意味着任何类型都与Any类型一致。

具体举例，定义两个类型：

class A: ...
class B(A): ...

定义一个A类型的变量a，则a具有类型A，由于B类型是A类型的子类型，与A类型一致，因此标识符a可以被赋一个B类型的值：

a = A() # type: A
a = B()

反过来，定义一个B类型的变量b，不能给标识符b赋一个A类型的值：

b = B() # type: B
b = A() # error.

Any类型可以视为类型继承图的根节点，因此，可以给Any类型的标识符赋任何类型的值：

c = ... # Any
c = A()
c = B()

__class__ and isinstance

Duck Typing

Type Hints

Gradual Typing

Comments:

`class` and `isinstance`