Python 类型提示简介

Python 3.6+ 版本加入了对”类型提示”的支持。

这些“类型提示”是一种新的语法（在 Python 3.6 版本加入）用来声明一个变量的类型。

通过声明变量的类型，编辑器和一些工具能给你提供更好的支持。

这只是一个关于 Python 类型提示的快速入门 / 复习。它仅涵盖与 FastAPI 一起使用所需的最少部分…实际上只有很少一点。

整个 FastAPI 都基于这些类型提示构建，它们带来了许多优点和好处。

但即使你不会用到 FastAPI，了解一下类型提示也会让你从中受益。

Note

如果你已经精通 Python，并且了解关于类型提示的一切知识，直接跳到下一章节吧。

动机

让我们从一个简单的例子开始：

def get_full_name(first_name, last_name):
    full_name = first_name.title() + " " + last_name.title()
    return full_name
print(get_full_name("john", "doe"))

运行这段程序将输出：

John Doe

这个函数做了下面这些事情：

• 接收 first_name 和 last_name 参数。
• 通过 title() 将每个参数的第一个字母转换为大写形式。
• 中间用一个空格来拼接它们。

def get_full_name(first_name, last_name):
    full_name = first_name.title() + " " + last_name.title()
    return full_name
print(get_full_name("john", "doe"))

修改示例

这是一个非常简单的程序。

现在假设你将从头开始编写这段程序。

在某一时刻，你开始定义函数，并且准备好了参数…。

现在你需要调用一个”将第一个字母转换为大写形式的方法”。

等等，那个方法是什么来着？upper？还是 uppercase？first_uppercase？capitalize？

然后你尝试向程序员老手的朋友——编辑器自动补全寻求帮助。

输入函数的第一个参数 first_name，输入点号（.）然后敲下 Ctrl+Space 来触发代码补全。

但遗憾的是并没有起什么作用：

添加类型

让我们来修改上面例子的一行代码。

我们将把下面这段代码中的函数参数从：

    first_name, last_name

改成：

    first_name: str, last_name: str

就是这样。

这些就是”类型提示”：

def get_full_name(first_name: str, last_name: str):
    full_name = first_name.title() + " " + last_name.title()
    return full_name
print(get_full_name("john", "doe"))

这和声明默认值是不同的，例如：

    first_name="john", last_name="doe"

这两者不一样。

我们用的是冒号（:），不是等号（=）。

而且添加类型提示一般不会改变原来的运行结果。

现在假设我们又一次正在创建这个函数，这次添加了类型提示。

在同样的地方，通过 Ctrl+Space 触发自动补全，你会发现：

这样，你可以滚动查看选项，直到你找到看起来眼熟的那个：

更多动机

下面是一个已经有类型提示的函数：

def get_name_with_age(name: str, age: int):
    name_with_age = name + " is this old: " + age
    return name_with_age

因为编辑器已经知道了这些变量的类型，所以不仅能对代码进行补全，还能检查其中的错误：

现在你知道了必须先修复这个问题，通过 str(age) 把 age 转换成字符串：

def get_name_with_age(name: str, age: int):
    name_with_age = name + " is this old: " + str(age)
    return name_with_age

声明类型

你刚刚看到的就是声明类型提示的主要场景。用于函数的参数。

这也是你将在 FastAPI 中使用它们的主要场景。

简单类型

不只是 str，你能够声明所有的标准 Python 类型。

比如以下类型：

• int
• float
• bool
• bytes

def get_items(item_a: str, item_b: int, item_c: float, item_d: bool, item_e: bytes):
    return item_a, item_b, item_c, item_d, item_d, item_e

嵌套类型

有些容器数据结构可以包含其他的值，比如 dict、list、set 和 tuple。它们内部的值也会拥有自己的类型。

你可以使用 Python 的 typing 标准库来声明这些类型以及子类型。

它专门用来支持这些类型提示。

列表

例如，让我们来定义一个由 str 组成的 list 变量。

从 typing 模块导入 List（注意是大写的 L）：

from typing import List
def process_items(items: List[str]):
    for item in items:
        print(item)

同样以冒号（:）来声明这个变量。

输入 List 作为类型。

由于列表是带有”子类型”的类型，所以我们把子类型放在方括号中：

from typing import List
def process_items(items: List[str]):
    for item in items:
        print(item)

这表示：”变量 items 是一个 list，并且这个列表里的每一个元素都是 str“。

这样，即使在处理列表中的元素时，你的编辑器也可以提供支持。

没有类型，几乎是不可能实现下面这样：

注意，变量 item 是列表 items 中的元素之一。

而且，编辑器仍然知道它是一个 str，并为此提供了支持。

元组和集合

声明 tuple 和 set 的方法也是一样的：

from typing import Set, Tuple
def process_items(items_t: Tuple[int, int, str], items_s: Set[bytes]):
    return items_t, items_s

这表示：

• 变量 items_t 是一个 tuple，其中的前两个元素都是 int 类型, 最后一个元素是 str 类型。
• 变量 items_s 是一个 set，其中的每个元素都是 bytes 类型。

字典

定义 dict 时，需要传入两个子类型，用逗号进行分隔。

第一个子类型声明 dict 的所有键。

第二个子类型声明 dict 的所有值：

from typing import Dict
def process_items(prices: Dict[str, float]):
    for item_name, item_price in prices.items():
        print(item_name)
        print(item_price)

这表示：

• 变量 prices 是一个 dict：
  • 这个 dict 的所有键为 str 类型（可以看作是字典内每个元素的名称）。
  • 这个 dict 的所有值为 float 类型（可以看作是字典内每个元素的价格）。

类作为类型

你也可以将类声明为变量的类型。

假设你有一个名为 Person 的类，拥有 name 属性：

class Person:
    def __init__(self, name: str):
        self.name = name
def get_person_name(one_person: Person):
    return one_person.name

接下来，你可以将一个变量声明为 Person 类型：

class Person:
    def __init__(self, name: str):
        self.name = name
def get_person_name(one_person: Person):
    return one_person.name

然后，你将再次获得所有的编辑器支持：

Pydantic 模型

Pydantic 是一个用来用来执行数据校验的 Python 库。

你可以将数据的”结构”声明为具有属性的类。

每个属性都拥有类型。

接着你用一些值来创建这个类的实例，这些值会被校验，并被转换为适当的类型（在需要的情况下），返回一个包含所有数据的对象。

然后，你将获得这个对象的所有编辑器支持。

下面的例子来自 Pydantic 官方文档：

class Person:
    def __init__(self, name: str):
        self.name = name
def get_person_name(one_person: Person):
    return one_person.name

Info

想进一步了解 Pydantic，请阅读其文档.

整个 FastAPI 建立在 Pydantic 的基础之上。

实际上你将在 教程 - 用户指南 看到很多这种情况。

FastAPI 中的类型提示

FastAPI 利用这些类型提示来做下面几件事。

使用 FastAPI 时用类型提示声明参数可以获得：

• 编辑器支持。
• 类型检查。

…并且 FastAPI 还会用这些类型声明来：

• 定义参数要求：声明对请求路径参数、查询参数、请求头、请求体、依赖等的要求。
• 转换数据：将来自请求的数据转换为需要的类型。
• 校验数据： 对于每一个请求：
  • 当数据校验失败时自动生成错误信息返回给客户端。
• 使用 OpenAPI 记录 API：
  • 然后用于自动生成交互式文档的用户界面。

听上去有点抽象。不过不用担心。你将在 教程 - 用户指南 中看到所有的实战。

最重要的是，通过使用标准的 Python 类型，只需要在一个地方声明（而不是添加更多的类、装饰器等），FastAPI 会为你完成很多的工作。

Info

如果你已经阅读了所有教程，回过头来想了解有关类型的更多信息，来自 mypy 的”速查表”是不错的资源。