Python 函数注解 随性笔记)

1、Python 函数定义的弊端

• Python 是动态语言，变量随时可以被赋值，且能赋值为不同的类型

• Python 不是静态编译语言，变量类型实在运行期决定的

• 动态语言很灵活，但是这种特性也是弊端

  • 难发现：由于不做任何类型检查，知道运行期问题才显现出来，或者线上运行时才能暴露出问题
  • 难使用：函数的使用者看到函数的时候，并不知道你的函数设计，并不知道应该传入什么类型的数据

• 请看以下例子：

  def add(x, y):return x + yprint(add(3, 5))
  print(add('hello', 'world'))
  print(add('hello', 5))
  

  8
  helloworld
  ---------------------------------------------------------------------------
  TypeError                                 Traceback (most recent call last)
  <ipython-input-238-6e69a92ee60e> in <module>4 print(add(3, 5))5 print(add('hello', 'world'))
  ----> 6 print(add('hello', 5))<ipython-input-238-6e69a92ee60e> in add(x, y)1 def add(x, y):
  ----> 2     return x + y3 4 print(add(3, 5))5 print(add('hello', 'world'))TypeError: can only concatenate str (not "int") to str
  

2、函数定义的弊端的解决方法

如何解决这种动态语言定义的弊端呢？有以下两种方法。

2.1 增加文档 Documentation String

• 这只是一个惯例，不是强制标准，不能要求程序员一定要为函数提供说明文档

• 函数定义更新了，文档未必同步更新

  def add(x, y):""":param x:int:param y: int:return: int"""return x + yprint(help(add))
  

  Help on function add in module __main__:add(x, y):param x:int:param y: int:return: intNone
  

2.1 增加函数注解 Function Annotations

• Python 3.5 引入
• 对函数的参数进行类型注解
• 对函数的返回值进行类型注解
• 只对函数参数做一个辅助的说明，并不对函数参数进行类型检查
• 提供给第三方工具做代码分析，发现隐藏bug
• 函数注解的信息，保存在 __annotations__ 属性中
• Python 3.6 引入 变量注解。注意它也只是对变量的说明，非强制 i:int = 5
• 类型不一样时，解释器会着色，但是不影响执行

def add(x:int, y:int) -> int:""":param x:int:param y: int:return: int"""return x + yprint(help(add))
print(add.__annotations__)

Help on function add in module __main__:add(x: int, y: int) -> int:param x:int:param y: int:return: intNone
{'x': <class 'int'>, 'y': <class 'int'>, 'return': <class 'int'>}Process finished with exit code 0

3、业务应用

如果对函数参数类型进行检查，有如下思路：

• 函数参数的检查，一定是在函数外
• 函数应该作为参数，传入到检查函数中
• 检查函数拿到函数传入的实际参数，与形参声明对比
• __annotations__ 属性是一个字典，其中包括返回值类型的声明。
• 假设要做位置参数的判断，无法和字典中的声明对应，需要使用 inspect 模块