codecamp

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,其中的每个元素都是 int 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。


FastAPI 特性
FastAPI教程 - 用户指南 - 简介
温馨提示
下载编程狮App,免费阅读超1000+编程语言教程
取消
确定
目录

FastAPI 用户指南

关闭

MIP.setData({ 'pageTheme' : getCookie('pageTheme') || {'day':true, 'night':false}, 'pageFontSize' : getCookie('pageFontSize') || 20 }); MIP.watch('pageTheme', function(newValue){ setCookie('pageTheme', JSON.stringify(newValue)) }); MIP.watch('pageFontSize', function(newValue){ setCookie('pageFontSize', newValue) }); function setCookie(name, value){ var days = 1; var exp = new Date(); exp.setTime(exp.getTime() + days*24*60*60*1000); document.cookie = name + '=' + value + ';expires=' + exp.toUTCString(); } function getCookie(name){ var reg = new RegExp('(^| )' + name + '=([^;]*)(;|$)'); return document.cookie.match(reg) ? JSON.parse(document.cookie.match(reg)[2]) : null; }