`typing` —— 对类型提示的支持¶

在 3.5 版本加入.

备注

Python 运行时不强制要求函数与变量类型标注。它们可被类型检查器、IDE、语法检查器等第三方工具使用。

本模块提供对类型提示的运行时支持。对于类型系统的原始说明，请参阅 PEP 484。一个更简明的介绍是 PEP 483。

下面的函数接收与返回的都是字符串，注解方式如下：

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

greeting 函数中，参数 name 的类型应是 str，返回类型是 str。子类型也可以作为参数。

新的功能频繁地被添加到 typing 模块中。typing_extensions 包提供了这些新功能对旧版本 Python 的向后移植。

要获取已弃用特性及其弃用时间线的概要，请参阅 Deprecation Timeline of Major Features。

参见

"类型系统备忘单": 关于类型提示的概览（发布于 mypy 文档站点）
mypy 文档的 "Type System Reference" 章节: Python 类型系统是通过 PEP 来标准化的，因此该参考应当广泛适用于大多数 Python 类型检查器。（但某些部分仍然是 mypy 专属的。）
"Static Typing with Python": 由社区编写的不限定具体类型检查器的文档，详细讲解了类型系统特性，有用的类型相关工具以及类型的最佳实践。

类型别名¶

类型别名是通过为类型赋值为指定的别名来定义的。在本例中，Vector 和 list[float] 将被视为可互换的同义词:

Vector = list[float]

def scale(scalar: float, vector: Vector) -> Vector:
    return [scalar * num for num in vector]

# passes type checking; a list of floats qualifies as a Vector.
new_vector = scale(2.0, [1.0, -4.2, 5.4])

类型别名适用于简化复杂的类型签名。例如：

from collections.abc import Sequence

ConnectionOptions = dict[str, str]
Address = tuple[str, int]
Server = tuple[Address, ConnectionOptions]

def broadcast_message(message: str, servers: Sequence[Server]) -> None:
    ...

# The static type checker will treat the previous type signature as
# being exactly equivalent to this one.
def broadcast_message(
        message: str,
        servers: Sequence[tuple[tuple[str, int], dict[str, str]]]) -> None:
    ...

类型别名可以用 TypeAlias 来标记，以显式指明该语句是类型别名声明，而不是普通的变量赋值:

from typing import TypeAlias

Vector: TypeAlias = list[float]

NewType¶

用 NewType 助手创建与原类型不同的类型：

from typing import NewType

UserId = NewType('UserId', int)
some_id = UserId(524313)

静态类型检查器把新类型当作原始类型的子类，这种方式适用于捕捉逻辑错误：

def get_user_name(user_id: UserId) -> str:
    ...

# passes type checking
user_a = get_user_name(UserId(42351))

# fails type checking; an int is not a UserId
user_b = get_user_name(-1)

UserId 类型的变量可执行所有 int 操作，但返回结果都是 int 类型。这种方式允许在预期 int 时传入 UserId，还能防止意外创建无效的 UserId：

# 'output' is of type 'int', not 'UserId'
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 可调用对象，该对象立即返回你传递给它的任何参数。这意味着语句 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，在运行时，some_value is Derived(some_value) 表达式总为 True。

创建 Derived 的子类型是无效的:

from typing import NewType

UserId = NewType('UserId', int)

# Fails at runtime and does not pass type checking
class AdminUserId(UserId): pass

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

from typing import NewType

UserId = NewType('UserId', int)

ProUserId = NewType('ProUserId', UserId)

同时，ProUserId 的类型检查也可以按预期执行。

详见 PEP 484。

备注

请记住使用类型别名将声明两个类型是相互等价的。使用 Alias = Original 将使静态类型检查器在任何情况下都把 Alias 视为与 Original 完全等价。这在你想要简化复杂的类型签名时会很有用处。

反之，NewType 声明把一种类型当作另一种类型的 子类型。Derived = NewType('Derived', Original) 时，静态类型检查器把 Derived 当作 Original 的子类，即，Original 类型的值不能用在预期 Derived 类型的位置。这种方式适用于以最小运行时成本防止逻辑错误。

在 3.5.2 版本加入.

在 3.10 版本发生变更: NewType 现在是一个类而不是一个函数。因此，当调用 NewType 而非常规函数时会有一些额外的运行时开销。

在 3.11 版本发生变更: 调用 NewType 的性能已恢复到 Python 3.9 时的水平。

标注可调用对象¶

函数 -- 或其他 callable 对象 -- 可以使用 collections.abc.Callable 或 typing.Callable 来标注。 Callable[[int], str] 表示一个接受 int 类型的单个参数并返回 str 的函数。

例如:

from collections.abc import Callable, Awaitable

def feeder(get_next_item: Callable[[], str]) -> None:
    ...  # Body

def async_query(on_success: Callable[[int], None],
                on_error: Callable[[int, Exception], None]) -> None:
    ...  # Body

async def on_update(value: str) -> None:
    ...  # Body

callback: Callable[[str], Awaitable[None]] = on_update

下标语法总是要刚好使用两个值：参数列表和返回类型。参数列表必须是一个由类型组成的列表、ParamSpec、Concatenate 或省略号。返回类型必须是单一类型。

如果将一个省略号字面值 ... 作为参数列表，则表示可以接受包含任意形参列表的可调用对象:

def concat(x: str, y: str) -> str:
    return x + y

x: Callable[..., str]
x = str     # OK
x = concat  # Also OK

Callable 无法表达复杂的签名如接受可变数量参数的函数，重载的函数，或具有仅限关键字形参的函数。但是，这些签名可通过自定义具有 __call__() 方法的 Protocol 类来表达：

from collections.abc import Iterable
from typing import Protocol

class Combiner(Protocol):
    def __call__(self, *vals: bytes, maxlen: int | None = None) -> list[bytes]: ...

def batch_proc(data: Iterable[bytes], cb_results: Combiner) -> bytes:
    for item in data:
        ...

def good_cb(*vals: bytes, maxlen: int | None = None) -> list[bytes]:
    ...
def bad_cb(*vals: bytes, maxitems: int | None) -> list[bytes]:
    ...

batch_proc([], good_cb)  # OK
batch_proc([], bad_cb)   # Error! Argument 2 has incompatible type because of
                         # different name and kind in the callback

以其他可调用对象为参数的可调用对象可以使用 ParamSpec 来表明其参数类型是相互依赖的。此外，如果该可调用对象增加或删除了其他可调用对象的参数，可以使用 Concatenate 操作符。它们分别采取 Callable[ParamSpecVariable, ReturnType] 和 Callable[Concatenate[Arg1Type, Arg2Type, ..., ParamSpecVariable], ReturnType] 的形式。

在 3.10 版本发生变更: Callable 现在支持 ParamSpec 和 Concatenate。详情见 PEP 612。

参见

ParamSpec 和 Concatenate 的文档提供了在 Callable 中使用的例子。

泛型（Generic）¶

由于无法以通用方式静态地推断容器中保存的对象的类型信息，标准库中的许多容器类都支持下标操作来以表示容器元素的预期类型。

from collections.abc import Mapping, Sequence

class Employee: ...

# Sequence[Employee] indicates that all elements in the sequence
# must be instances of "Employee".
# Mapping[str, str] indicates that all keys and all values in the mapping
# must be strings.
def notify_by_email(employees: Sequence[Employee],
                    overrides: Mapping[str, str]) -> None: ...

要参数化泛型，可使用 typing 中的 TypeVar 工厂。

from collections.abc import Sequence
from typing import TypeVar

T = TypeVar('T')                  # Declare type variable "T"

def first(l: Sequence[T]) -> T:   # Function is generic over the TypeVar "T"
    return l[0]

标注元组¶

对于 Python 中的大多数容器，类型系统会假定容器中的所有元素都是相同类型的。例如:

from collections.abc import Mapping

# Type checker will infer that all elements in ``x`` are meant to be ints
x: list[int] = []

# Type checker error: ``list`` only accepts a single type argument:
y: list[int, str] = [1, 'foo']

# Type checker will infer that all keys in ``z`` are meant to be strings,
# and that all values in ``z`` are meant to be either strings or ints
z: Mapping[str, str | int] = {}

list 只接受一个类型参数，因此类型检查器将在上述代码中对 y 赋值时报告错误。同样，Mapping 只接受两个类型参数：第一个给出键的类型，第二个则给出值的类型。

然而，与大多数其它 Python 容器不同的是，在常见的 Python 代码中，元组中元素的类型并不相同。因此，在 Python 的类型系统中，元组是特殊情况。tuple 可以接受 任意数量 的类型参数：

# OK: ``x`` is assigned to a tuple of length 1 where the sole element is an int
x: tuple[int] = (5,)

# OK: ``y`` is assigned to a tuple of length 2;
# element 1 is an int, element 2 is a str
y: tuple[int, str] = (5, "foo")

# Error: the type annotation indicates a tuple of length 1,
# but ``z`` has been assigned to a tuple of length 3
z: tuple[int] = (1, 2, 3)

要表示一个可以是任意长度的元组，并且其中的所有元素都是相同类型的 T，请使用 tuple[T, ...]。要表示空元组，请使用 tuple[()]。只使用 tuple 作为注解等效于使用``tuple[Any, ...]``：

x: tuple[int, ...] = (1, 2)
# These reassignments are OK: ``tuple[int, ...]`` indicates x can be of any length
x = (1, 2, 3)
x = ()
# This reassignment is an error: all elements in ``x`` must be ints
x = ("foo", "bar")

# ``y`` can only ever be assigned to an empty tuple
y: tuple[()] = ()

z: tuple = ("foo", "bar")
# These reassignments are OK: plain ``tuple`` is equivalent to ``tuple[Any, ...]``
z = (1, 2, 3)
z = ()

类对象的类型¶

用 C 注解的变量可以接受类型 C 的值。然而，用类型 type[C] （或者 typing.Type[C] ）注解的变量则可以接受本身是类的值——准确地说，是接受 C 的 类对象 。例如：

a = 3         # Has type ``int``
b = int       # Has type ``type[int]``
c = type(a)   # Also has type ``type[int]``

注意，type[C] 是协变的：

class User: ...
class ProUser(User): ...
class TeamUser(User): ...

def make_new_user(user_class: type[User]) -> User:
    # ...
    return user_class()

make_new_user(User)      # OK
make_new_user(ProUser)   # Also OK: ``type[ProUser]`` is a subtype of ``type[User]``
make_new_user(TeamUser)  # Still fine
make_new_user(User())    # Error: expected ``type[User]`` but got ``User``
make_new_user(int)       # Error: ``type[int]`` is not a subtype of ``type[User]``

type 的合法形参只有类, Any, 类型变量以及前面这些类型的并集。例如:

def new_non_team_user(user_class: type[BasicUser | ProUser]): ...

new_non_team_user(BasicUser)  # OK
new_non_team_user(ProUser)    # OK
new_non_team_user(TeamUser)   # Error: ``type[TeamUser]`` is not a subtype
                              # of ``type[BasicUser | ProUser]``
new_non_team_user(User)       # Also an error

type[Any] 等价于 type，它是 Python 的元类层级结构的根对象。

用户定义的泛型类型¶

用户定义的类可以定义为泛型类。

from typing import TypeVar, Generic
from logging import Logger

T = TypeVar('T')

class LoggedVar(Generic[T]):
    def __init__(self, value: T, name: str, logger: Logger) -> None:
        self.name = name
        self.logger = logger
        self.value = value

    def set(self, new: T) -> None:
        self.log('Set ' + repr(self.value))
        self.value = new

    def get(self) -> T:
        self.log('Get ' + repr(self.value))
        return self.value

    def log(self, message: str) -> None:
        self.logger.info('%s: %s', self.name, message)

Generic[T] as a base class defines that the class LoggedVar takes a single type parameter T . This also makes T valid as a type within the class body.

The Generic base class defines __class_getitem__() so that LoggedVar[T] is valid as a type:

from collections.abc import Iterable

def zero_all_vars(vars: Iterable[LoggedVar[int]]) -> None:
    for var in vars:
        var.set(0)

一个泛型可以有任何数量的类型变量。所有种类的 TypeVar 都可以作为泛型的参数:

from typing import TypeVar, Generic, Sequence

T = TypeVar('T', contravariant=True)
B = TypeVar('B', bound=Sequence[bytes], covariant=True)
S = TypeVar('S', int, str)

class WeirdTrio(Generic[T, B, S]):
    ...

Generic 类型变量的参数应各不相同。下列代码就是无效的：

from typing import TypeVar, Generic
...

T = TypeVar('T')

class Pair(Generic[T, T]):   # INVALID
    ...

您可以通过 Generic 来使用多重继承：

from collections.abc import Sized
from typing import TypeVar, Generic

T = TypeVar('T')

class LinkedList(Sized, Generic[T]):
    ...

从泛型类继承时，某些类型参数可被固定：

from collections.abc import Mapping
from typing import TypeVar

T = TypeVar('T')

class MyDict(Mapping[str, T]):
    ...

在这个例子中，MyDict 就只有一个参数 T。

未指定泛型类的类型参数时，会假定每个位置的类型都为 Any。在下面的例子中，MyIterable 不是泛型，但却隐式继承了 Iterable[Any]：

from collections.abc import Iterable

class MyIterable(Iterable): # Same as Iterable[Any]
    ...

用户定义的泛型类型别名也同样受到支持。例如：

from collections.abc import Iterable
from typing import TypeVar
S = TypeVar('S')
Response = Iterable[S] | int

# Return type here is same as Iterable[str] | int
def response(query: str) -> Response[str]:
    ...

T = TypeVar('T', int, float, complex)
Vec = Iterable[tuple[T, T]]

def inproduct(v: Vec[T]) -> T: # Same as Iterable[tuple[T, T]]
    return sum(x*y for x, y in v)

在 3.7 版本发生变更: Generic 不再支持自定义元类。

User-defined generics for parameter expressions are also supported via parameter specification variables in the form Generic[P]. The behavior is consistent with type variables' described above as parameter specification variables are treated by the typing module as a specialized type variable. The one exception to this is that a list of types can be used to substitute a ParamSpec:

>>> from typing import Generic, ParamSpec, TypeVar

>>> T = TypeVar('T')
>>> P = ParamSpec('P')

>>> class Z(Generic[T, P]): ...
...
>>> Z[int, [dict, float]]
__main__.Z[int, (<class 'dict'>, <class 'float'>)]

Furthermore, a generic with only one parameter specification variable will accept parameter lists in the forms X[[Type1, Type2, ...]] and also X[Type1, Type2, ...] for aesthetic reasons. Internally, the latter is converted to the former, so the following are equivalent:

>>> class X(Generic[P]): ...
...
>>> X[int, str]
__main__.X[(<class 'int'>, <class 'str'>)]
>>> X[[int, str]]
__main__.X[(<class 'int'>, <class 'str'>)]

请注意：在某些情况下，具有 ParamSpec 的泛型在替换后可能不具有正确的 __parameters__，因为参数规格主要用于静态类型检查。

在 3.10 版本发生变更: Generic 现在可以通过参数表达式进行参数化。参见 ParamSpec 和 PEP 612 以了解更多细节。

用户定义的泛型类可以将 ABC 作为基类而不会导致元类冲突。参数化泛型的输出结果会被缓存，且 typing 模块中的大多数类型都是 hashable 并且支持相等性比较。

`Any` 类型¶

Any 是一种特殊的类型。静态类型检查器认为所有类型均与 Any 兼容，同样，Any 也与所有类型兼容。

也就是说，可对 Any 类型的值执行任何操作或方法调用，并赋值给任意变量：

from typing import Any

a: Any = None
a = []          # OK
a = 2           # OK

s: str = ''
s = a           # OK

def foo(item: Any) -> int:
    # Passes type checking; 'item' could be any type,
    # and that type might have a 'bar' method
    item.bar()
    ...

注意，Any 类型的值赋给更精确的类型时，不执行类型检查。例如，把 a 赋给 s，在运行时，即便 s 已声明为 str 类型，但接收 int 值时，静态类型检查器也不会报错。

此外，未指定返回值与参数类型的函数，都隐式地默认使用 Any：

def legacy_parser(text):
    ...
    return data

# A static type checker will treat the above
# as having the same signature as:
def legacy_parser(text: Any) -> Any:
    ...
    return data

需要混用动态与静态类型代码时，此操作把 Any 当作 应急出口。

Any 和 object 的区别。与 Any 相似，所有类型都是 object 的子类型。然而，与 Any 不同，object 不可逆：object 不是其它类型的子类型。

就是说，值的类型是 object 时，类型检查器几乎会拒绝所有对它的操作，并且，把它赋给更精确的类型变量（或返回值）属于类型错误。例如：

def hash_a(item: object) -> int:
    # Fails type checking; an object does not have a 'magic' method.
    item.magic()
    ...

def hash_b(item: Any) -> int:
    # Passes type checking
    item.magic()
    ...

# Passes type checking, since ints and strs are subclasses of object
hash_a(42)
hash_a("foo")

# Passes type checking, since Any is compatible with all types
hash_b(42)
hash_b("foo")

使用 object，说明值能以类型安全的方式转为任何类型。使用 Any，说明值是动态类型。

名义子类型 vs 结构子类型¶

最初 PEP 484 将 Python 静态类型系统定义为使用 名义子类型。这意味着当且仅当类 A 是 B 的子类时，才满足有类 B 预期时使用类 A 。

此项要求以前也适用于抽象基类，例如，Iterable 。这种方式的问题在于，定义类时必须显式说明，既不 Pythonic，也不是动态类型式 Python 代码的惯用写法。例如，下列代码就遵从了 PEP 484 的规范：

from collections.abc import Sized, Iterable, Iterator

class Bucket(Sized, Iterable[int]):
    ...
    def __len__(self) -> int: ...
    def __iter__(self) -> Iterator[int]: ...

PEP 544 允许用户在类定义时不显式说明基类，从而解决了这一问题，静态类型检查器隐式认为 Bucket 既是 Sized 的子类型，又是 Iterable[int] 的子类型。这就是 结构子类型 （又称为静态鸭子类型）：

from collections.abc import Iterator, Iterable

class Bucket:  # Note: no base classes
    ...
    def __len__(self) -> int: ...
    def __iter__(self) -> Iterator[int]: ...

def collect(items: Iterable[int]) -> int: ...
result = collect(Bucket())  # Passes type check

此外，结构子类型的优势在于，通过继承特殊类 Protocol ，用户可以定义新的自定义协议（见下文中的例子）。

模块内容¶

typing 模块定义了下列类、函数和装饰器。

特殊类型原语¶

特殊类型¶

这些类型可用于在注解中表示类型，但不支持下标用法（[]）。

typing.Any¶

特殊类型，表示没有约束的类型。

所有类型都与 Any 兼容。
Any 与所有类型都兼容。

在 3.11 版本发生变更: Any 现在可以用作基类。这有助于避免类型检查器在高度动态或可通过鸭子类型使用的类上报错。

typing.AnyStr¶

受约束的类型变量。

定义：

AnyStr = TypeVar('AnyStr', str, bytes)

AnyStr 用于可接受 str 或 bytes 参数但不允许两者混用的函数。

例如：

def concat(a: AnyStr, b: AnyStr) -> AnyStr:
    return a + b

concat("foo", "bar")    # OK, output has type 'str'
concat(b"foo", b"bar")  # OK, output has type 'bytes'
concat("foo", b"bar")   # Error, cannot mix str and bytes

请注意：尽管名为 AnyStr，但它与 Any 类型毫无关系，也不是指“任何字符串”。而且，AnyStr 更是和 str | bytes 彼此互不相同，各有各的使用场景：

# Invalid use of AnyStr:
# The type variable is used only once in the function signature,
# so cannot be "solved" by the type checker
def greet_bad(cond: bool) -> AnyStr:
    return "hi there!" if cond else b"greetings!"

# The better way of annotating this function:
def greet_proper(cond: bool) -> str | bytes:
    return "hi there!" if cond else b"greetings!"

typing.LiteralString¶

只包括字符串字面值的的特殊类型。

任何字符串字面值或其他 LiteralString 都与 LiteralString 兼容。但 str 类型的对象不与其兼容。组合 LiteralString 类型的对象产生的字符串也被认为是 LiteralString。

示例:

def run_query(sql: LiteralString) -> None:
    ...

def caller(arbitrary_string: str, literal_string: LiteralString) -> None:
    run_query("SELECT * FROM students")  # OK
    run_query(literal_string)  # OK
    run_query("SELECT * FROM " + literal_string)  # OK
    run_query(arbitrary_string)  # type checker error
    run_query(  # type checker error
        f"SELECT * FROM students WHERE name = {arbitrary_string}"
    )

LiteralString 对于会因用户可输入任意字符串而导致问题的敏感 API 很有用。例如，上述两处导致类型检查器报错的代码可能容易被 SQL 注入攻击。

请参阅 PEP 675 了解详情。

在 3.11 版本加入.

typing.Never¶

底类型，一个没有成员的类型。

这可以用于定义一个永不应该被调用的函数，或一个永不返回的函数：

from typing import Never

def never_call_me(arg: Never) -> None:
    pass

def int_or_str(arg: int | str) -> None:
    never_call_me(arg)  # type checker error
    match arg:
        case int():
            print("It's an int")
        case str():
            print("It's a str")
        case _:
            never_call_me(arg)  # OK, arg is of type Never

在 3.11 版本加入: 在更老的 Python 版本上，NoReturn 可被用于表达相同的概念。 Never 为了更显式地表达这个意图被加入。

typing.NoReturn¶

特殊类型，表示永不返回的函数。

例如：

from typing import NoReturn

def stop() -> NoReturn:
    raise RuntimeError('no way')

NoReturn 也可以用于底类型的定义，这是一种没有值的类型。自从 Python 3.11 开始，应该使用 Never 类型代替这个概念。类型检查器应该将这两种类型视为等价。

在 3.6.2 版本加入.

typing.Self¶

特殊类型，表示当前闭包内的类。

例如：

from typing import Self, reveal_type

class Foo:
    def return_self(self) -> Self:
        ...
        return self

class SubclassOfFoo(Foo): pass

reveal_type(Foo().return_self())  # Revealed type is "Foo"
reveal_type(SubclassOfFoo().return_self())  # Revealed type is "SubclassOfFoo"

此注解在语法上等价于以下代码，但形式更为简洁：

from typing import TypeVar

Self = TypeVar("Self", bound="Foo")

class Foo:
    def return_self(self: Self) -> Self:
        ...
        return self

通常来说，如果某些内容返回 self，如上面的示例所示，您应该使用 Self 作为返回值注解。如果 Foo.return_self 被注解为返回 "Foo"，那么类型检查器将推断从 SubclassOfFoo.return_self 返回的对象是 Foo 类型，而不是 SubclassOfFoo。

其它常见用例包括：

被用作替代构造器的 classmethod，它将返回 cls 形参的实例。
标注一个返回自身的 __enter__() 方法。

如果不能保证在子类中方法会返回子类的实例（而非父类的实例），则不应使用 Self 作为返回值注解：

class Eggs:
    # Self would be an incorrect return annotation here,
    # as the object returned is always an instance of Eggs,
    # even in subclasses
    def returns_eggs(self) -> "Eggs":
        return Eggs()

更多细节请参见 PEP 673。

在 3.11 版本加入.

typing.TypeAlias¶

特殊注解，用于显式声明类型别名.

例如：

from typing import TypeAlias

Factors: TypeAlias = list[int]

TypeAlias is particularly useful for annotating aliases that make use of forward references, as it can be hard for type checkers to distinguish these from normal variable assignments:

from typing import Generic, TypeAlias, TypeVar

T = TypeVar("T")

# "Box" does not exist yet,
# so we have to use quotes for the forward reference.
# Using ``TypeAlias`` tells the type checker that this is a type alias declaration,
# not a variable assignment to a string.
BoxOfStrings: TypeAlias = "Box[str]"

class Box(Generic[T]):
    @classmethod
    def make_box_of_strings(cls) -> BoxOfStrings: ...

请参阅 PEP 613 了解详情。

在 3.10 版本加入.

特殊形式¶

这些内容在注解中可以视为类型，且都支持下标用法（[]），但每个都有唯一的语法。

typing.Union¶

联合类型； Union[X, Y] 等价于 X | Y ，意味着满足 X 或 Y 之一。

要定义一个联合类型，可以使用类似 Union[int, str] 或简写 int | str。建议使用这种简写。细节:

参数必须是某种类型，且至少有一个。

联合类型之联合类型会被展平，例如：

Union[Union[int, str], float] == Union[int, str, float]

单参数之联合类型就是该参数自身，例如：

Union[int] == int  # The constructor actually returns int

冗余的参数会被跳过，例如：

Union[int, str, int] == Union[int, str] == int | str

比较联合类型，不涉及参数顺序，例如：
```
Union[int, str] == Union[str, int]
```
不可创建 Union 的子类或实例。
没有 Union[X][Y] 这种写法。

在 3.7 版本发生变更: 在运行时，不要移除联合类型中的显式子类。

在 3.10 版本发生变更: 联合类型现在可以写成 X | Y。参见联合类型表达式。

typing.Optional¶

Optional[X] 等价于 X | None （或 Union[X, None] ）。

注意，可选类型与含默认值的可选参数不同。含默认值的可选参数不需要在类型注解上添加 Optional 限定符，因为它仅是可选的。例如：

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

另一方面，显式应用 None 值时，不管该参数是否可选， Optional 都适用。例如：

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

在 3.10 版本发生变更: 可选参数现在可以写成 X | None。参见联合类型表达式。

typing.Concatenate¶

特殊形式，用于注解高阶函数。

Concatenate 可用于与 Callable 和 ParamSpec 连用来注解高阶可调用对象，该可象可以添加、移除或转换另一个可调用对象的形参。使用形式为 Concatenate[Arg1Type, Arg2Type, ..., ParamSpecVariable]。 Concatenate 目前仅可用作传给 Callable 的第一个参数。传给 Concatenate 的最后一个形参必须是 ParamSpec 或省略号（ ... ）。

例如，为了注释一个装饰器 with_lock，它为被装饰的函数提供了 threading.Lock，Concatenate 可以用来表示 with_lock 期望一个可调用对象，该对象接收一个 Lock 作为第一个参数，并返回一个具有不同类型签名的可调用对象。在这种情况下，ParamSpec 表示返回的可调用对象的参数类型取决于被传入的可调用程序的参数类型:

from collections.abc import Callable
from threading import Lock
from typing import Concatenate, ParamSpec, TypeVar

P = ParamSpec('P')
R = TypeVar('R')

# Use this lock to ensure that only one thread is executing a function
# at any time.
my_lock = Lock()

def with_lock(f: Callable[Concatenate[Lock, P], R]) -> Callable[P, R]:
    '''A type-safe decorator which provides a lock.'''
    def inner(*args: P.args, **kwargs: P.kwargs) -> R:
        # Provide the lock as the first argument.
        return f(my_lock, *args, **kwargs)
    return inner

@with_lock
def sum_threadsafe(lock: Lock, numbers: list[float]) -> float:
    '''Add a list of numbers together in a thread-safe manner.'''
    with lock:
        return sum(numbers)

# We don't need to pass in the lock ourselves thanks to the decorator.
sum_threadsafe([1.1, 2.2, 3.3])

在 3.10 版本加入.

参见

PEP 612 -- 参数规范变量（引入 ParamSpec 和 Concatenate 的 PEP）
ParamSpec
标注可调用对象

typing.Literal¶

特殊类型注解形式，用于定义“字面值类型”。

Literal 可以用来向类型检查器说明被注解的对象具有与所提供的字面量之一相同的值。

例如：

def validate_simple(data: Any) -> Literal[True]:  # always returns True
    ...

Mode: TypeAlias = Literal['r', 'rb', 'w', 'wb']
def open_helper(file: str, mode: Mode) -> str:
    ...

open_helper('/some/path', 'r')      # Passes type check
open_helper('/other/path', 'typo')  # Error in type checker

Literal[...] 不能创建子类。在运行时，任意值均可作为 Literal[...] 的类型参数，但类型检查器可以对此加以限制。字面量类型详见 PEP 586 。

在 3.8 版本加入.

在 3.9.1 版本发生变更: Literal 现在能去除形参的重复。 Literal 对象的相等性比较不再依赖顺序。现在如果有某个参数不为 hashable，Literal 对象在相等性比较期间将引发 TypeError。

typing.ClassVar¶

特殊类型注解构造，用于标注类变量。

如 PEP 526 所述，打包在 ClassVar 内的变量注解是指，给定属性应当用作类变量，而不应设置在类实例上。用法如下：

class Starship:
    stats: ClassVar[dict[str, int]] = {} # class variable
    damage: int = 10                     # instance variable

ClassVar 仅接受类型，也不能使用下标。

ClassVar 本身不是类，不应用于 isinstance() 或 issubclass()。ClassVar 不改变 Python 运行时行为，但可以用于第三方类型检查器。例如，类型检查器会认为以下代码有错：

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

在 3.5.3 版本加入.

typing.Final¶

特殊类型注解构造，用于向类型检查器表示最终名称。

不能在任何作用域中重新分配最终名称。类作用域中声明的最终名称不能在子类中重写。

例如：

MAX_SIZE: Final = 9000
MAX_SIZE += 1  # Error reported by type checker

class Connection:
    TIMEOUT: Final[int] = 10

class FastConnector(Connection):
    TIMEOUT = 1  # Error reported by type checker

这些属性没有运行时检查。详见 PEP 591。

在 3.8 版本加入.

typing.Required¶

特殊类型注解构造，用于标记 TypedDict 键为必填项。

这主要用于 total=False 的 TypedDict。有关更多详细信息，请参阅 TypedDict 和 PEP 655 。

在 3.11 版本加入.

typing.NotRequired¶

特殊类型注解构造，用于标记 TypedDict 键为可能不存在的键。

详情参见 TypedDict 和 PEP 655。

在 3.11 版本加入.

typing.Annotated¶

特殊类型注解形式，用于向注解添加特定于上下文的元数据。

使用注解 Annotated[T, x] 将元数据 x 添加到给定类型 T 。使用 Annotated 添加的元数据可以被静态分析工具使用，也可以在运行时使用。在运行时使用的情况下，元数据存储在 __metadata__ 属性中。

如果库或工具遇到注解 Annotated[T, x] ，并且没有针对这一元数据的特殊处理逻辑，则应该忽略该元数据，简单地将注解视为 T 。因此， Annotated 对于希望将注解用于 Python 的静态类型注解系统之外的目的的代码很有用。

使用 Annotated[T, x] 作为注解仍然允许对 T 进行静态类型检查，因为类型检查器将简单地忽略元数据 x 。因此，Annotated 不同于 @no_type_check 装饰器，后者虽然也可以用于在类型注解系统范围之外添加注解，但是会完全禁用对函数或类的类型检查。

具体解释元数据的方式由遇到 Annotated 注解的工具或库来负责。遇到 Annotated 类型的工具或库可以扫描元数据的各个元素以确定其是否有意处理（比如使用 isinstance() ）。

Annotated[<type>, <metadata>]

以下示例演示在进行区间范围分析时使用 Annotated 将元数据添加到类型注解的方法：

@dataclass
class ValueRange:
    lo: int
    hi: int

T1 = Annotated[int, ValueRange(-10, 5)]
T2 = Annotated[T1, ValueRange(-20, 3)]

语法细节：

Annotated 的第一个参数必须是有效的类型。
可提供多个元数据的元素（ Annotated 支持可变参数）：
```
@dataclass
class ctype:
    kind: str

Annotated[int, ValueRange(3, 10), ctype("char")]
```
由处理注解的工具决定是否允许向一个注解中添加多个元数据元素，以及如何合并这些注解。
Annotated 至少要有两个参数（ Annotated[int] 是无效的）

元数据元素的顺序会被保留，且影响等价检查：

assert Annotated[int, ValueRange(3, 10), ctype("char")] != Annotated[
    int, ctype("char"), ValueRange(3, 10)
]

嵌套的 Annotated 类型会被展平。元数据元素从最内层的注解开始依次展开：

assert Annotated[Annotated[int, ValueRange(3, 10)], ctype("char")] == Annotated[
    int, ValueRange(3, 10), ctype("char")
]

元数据中的重复元素不会被移除：

assert Annotated[int, ValueRange(3, 10)] != Annotated[
    int, ValueRange(3, 10), ValueRange(3, 10)
]

Annotated 可以与嵌套别名和泛型别名一起使用：

@dataclass
class MaxLen:
    value: int

T = TypeVar("T")
Vec: TypeAlias = Annotated[list[tuple[T, T]], MaxLen(10)]

assert Vec[int] == Annotated[list[tuple[int, int]], MaxLen(10)]

Annotated 不能与已解包的 TypeVarTuple 一起使用:
```
Variadic: TypeAlias = Annotated[*Ts, Ann1]  # NOT valid
```
这等价于：
```
Annotated[T1, T2, T3, ..., Ann1]
```
其中 T1 、 T2 等都是 TypeVars 。这种写法无效：应当只有一个类型被传递给 Annotated。

默认情况下， get_type_hints() 会去除注解中的元数据。传入 include_extras=True 可以保留元数据：

>>> from typing import Annotated, get_type_hints
>>> def func(x: Annotated[int, "metadata"]) -> None: pass
...
>>> get_type_hints(func)
{'x': <class 'int'>, 'return': <class 'NoneType'>}
>>> get_type_hints(func, include_extras=True)
{'x': typing.Annotated[int, 'metadata'], 'return': <class 'NoneType'>}

在运行时，与特定 Annotated 类型相关联的元数据可通过 __metadata__ 属性来获取：

>>> from typing import Annotated
>>> X = Annotated[int, "very", "important", "metadata"]
>>> X
typing.Annotated[int, 'very', 'important', 'metadata']
>>> X.__metadata__
('very', 'important', 'metadata')

参见

PEP 593 - 灵活的函数与变量标注: 该 PEP 将 Annotated 引入到标准库中。

在 3.9 版本加入.

typing.TypeGuard¶

用于标记用户自定义类型防护函数的特殊类型构造。

TypeGuard 可被用于标注用户自定义类型保护函数的返回类型。 TypeGuard 只接受单独的类型参数。在运行时，以这种方式标记的函数应当返回一个布尔值。

TypeGuard 旨在使 类型收窄 受益——这是静态类型检查器用以确定表达式在代码流中的较精确类型的一种技术。通常，类型收窄是以分析条件代码流并将收窄应用于一个代码块来完成的，涉及到的条件表达式有时即被称为“type guard”。

def is_str(val: str | float):
    # "isinstance" type guard
    if isinstance(val, str):
        # Type of ``val`` is narrowed to ``str``
        ...
    else:
        # Else, type of ``val`` is narrowed to ``float``.
        ...

定义一个布尔函数作为 type guard 有时会很方便，此时应使用 TypeGuard[...] 作为其返回类型以提醒静态类型检查器注意这一意图。

-> TypeGuard 告诉静态类型检查器，某函数：

返回一个布尔值。
如果返回值是 True，那么其参数的类型是 TypeGuard 内的类型。

例如：

def is_str_list(val: list[object]) -> TypeGuard[list[str]]:
    '''Determines whether all objects in the list are strings'''
    return all(isinstance(x, str) for x in val)

def func1(val: list[object]):
    if is_str_list(val):
        # Type of ``val`` is narrowed to ``list[str]``.
        print(" ".join(val))
    else:
        # Type of ``val`` remains as ``list[object]``.
        print("Not a list of strings!")

如果 is_str_list 是一个类或实例方法，那么 TypeGuard 中的类型映射到 cls 或 self 之后的第二个参数的类型。

简而言之，def foo(arg: TypeA) -> TypeGuard[TypeB]: ... 形式的意思是：如果 foo(arg) 返回 True，那么 arg 将把 TypeA 缩小为 TypeB。

备注

TypeB 无需为 TypeA 的缩小形式 -- 它甚至可以是扩大形式。主要原因是允许像把 list[object] 缩小到 list[str] 这样的事情，即使后者不是前者的一个子类型，因为 list 是不变的。编写类型安全的类型防护的责任留给了用户。

TypeGuard 也适用于类型变量。详情参见 PEP 647。

在 3.10 版本加入.

typing.Unpack¶

在概念上将对象标记为已解包的类型运算符。

例如，在一个类型变量元组上使用解包运算符 * 就等价于使用 Unpack 来将该类型变量元组标记为已被解包:

Ts = TypeVarTuple('Ts')
tup: tuple[*Ts]
# Effectively does:
tup: tuple[Unpack[Ts]]

实际上，Unpack 在 typing.TypeVarTuple 和 builtins.tuple 类型的上下文中可以和 * 互换使用。你可能会看到 Unpack 在较旧版本的 Python 中被显式地使用，这时 * 在特定场合则是无法使用的:

# In older versions of Python, TypeVarTuple and Unpack
# are located in the `typing_extensions` backports package.
from typing_extensions import TypeVarTuple, Unpack

Ts = TypeVarTuple('Ts')
tup: tuple[*Ts]         # Syntax error on Python <= 3.10!
tup: tuple[Unpack[Ts]]  # Semantically equivalent, and backwards-compatible

在 3.11 版本加入.

Building generic types¶

The following classes should not be used directly as annotations. Their intended purpose is to be building blocks for creating generic types.

class typing.Generic¶

用于泛型类型的抽象基类。

A generic type is typically declared by inheriting from an instantiation of this class with one or more type variables. For example, a generic mapping type might be defined as:

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

该类的用法如下：

X = TypeVar('X')
Y = TypeVar('Y')

def lookup_name(mapping: Mapping[X, Y], key: X, default: Y) -> Y:
    try:
        return mapping[key]
    except KeyError:
        return default

class typing.TypeVar(name, *constraints, bound=None, covariant=False, contravariant=False)¶

类型变量。

用法：

T = TypeVar('T')  # Can be anything
S = TypeVar('S', bound=str)  # Can be any subtype of str
A = TypeVar('A', str, bytes)  # Must be exactly str or bytes

类型变量的主要用处是为静态类型检查器提供支持。它们可作为泛型类型以及泛型函数和类型别名定义的形参。请参阅 Generic 了解有关泛型类型的更多信息。泛型函数的作用方式如下:

def repeat(x: T, n: int) -> Sequence[T]:
    """Return a list containing n references to x."""
    return [x]*n


def print_capitalized(x: S) -> S:
    """Print x capitalized, and return x."""
    print(x.capitalize())
    return x


def concatenate(x: A, y: A) -> A:
    """Add two strings or bytes objects together."""
    return x + y

请注意，类型变量可以是 被绑定的 ， 被约束的 ，或者两者都不是，但不能既是被绑定的又是被约束的。

Type variables may be marked covariant or contravariant by passing covariant=True or contravariant=True. See PEP 484 for more details. By default, type variables are invariant.

绑定类型变量和约束类型变量在几个重要方面具有不同的主义。使用绑定类型变量意味着 TypeVar 将尽可能使用最为专属的类型来解析:

x = print_capitalized('a string')
reveal_type(x)  # revealed type is str

class StringSubclass(str):
    pass

y = print_capitalized(StringSubclass('another string'))
reveal_type(y)  # revealed type is StringSubclass

z = print_capitalized(45)  # error: int is not a subtype of str

类型变量可以被绑定到具体类型、抽象类型（ ABC 或 protocol ），甚至是类型的联合:

U = TypeVar('U', bound=str|bytes)  # Can be any subtype of the union str|bytes
V = TypeVar('V', bound=SupportsAbs)  # Can be anything with an __abs__ method

但是，如果使用约束类型变量，则意味着 TypeVar 只能被解析为恰好是给定的约束之一:

a = concatenate('one', 'two')
reveal_type(a)  # revealed type is str

b = concatenate(StringSubclass('one'), StringSubclass('two'))
reveal_type(b)  # revealed type is str, despite StringSubclass being passed in

c = concatenate('one', b'two')  # error: type variable 'A' can be either str or bytes in a function call, but not both

在运行时，isinstance(x, T) 将引发 TypeError。

__name__¶: 类型变量的名称。

__covariant__¶: Whether the type var has been marked as covariant.

__contravariant__¶: Whether the type var has been marked as contravariant.

__bound__¶: 类型变量的绑定，如果有的话。

__constraints__¶: 一个包含对类型变量的约束的元组，如果有的话。A tuple containing the constraints of the type variable, if any.

class typing.TypeVarTuple(name)¶

类型变量元组。一种启用了 variadic 泛型的专属类型变量形式。

用法：

T = TypeVar("T")
Ts = TypeVarTuple("Ts")

def move_first_element_to_last(tup: tuple[T, *Ts]) -> tuple[*Ts, T]:
    return (*tup[1:], tup[0])

一个普通类型变量将启用单个类型的形参化。作为对比，一个类型变量元组通过将任意数量的类型变量封包在一个元组中来允许任意数量类型的形参化。例如:

# T is bound to int, Ts is bound to ()
# Return value is (1,), which has type tuple[int]
move_first_element_to_last(tup=(1,))

# T is bound to int, Ts is bound to (str,)
# Return value is ('spam', 1), which has type tuple[str, int]
move_first_element_to_last(tup=(1, 'spam'))

# T is bound to int, Ts is bound to (str, float)
# Return value is ('spam', 3.0, 1), which has type tuple[str, float, int]
move_first_element_to_last(tup=(1, 'spam', 3.0))

# This fails to type check (and fails at runtime)
# because tuple[()] is not compatible with tuple[T, *Ts]
# (at least one element is required)
move_first_element_to_last(tup=())

请注意解包运算符 * 在 tuple[T, *Ts] 中的使用。在概念上，你可以将 Ts 当作一个由类型变量组成的元组 (T1, T2, ...)。那么 tuple[T, *Ts] 就将变为 tuple[T, *(T1, T2, ...)]，这等价于 tuple[T, T1, T2, ...]。（请注意在旧版本 Python 中，你可能会看到改用 Unpack 的写法，如 Unpack[Ts]。）

类型变量元组总是要被解包。这有助于区分类型变量元组和普通类型变量:

x: Ts          # Not valid
x: tuple[Ts]   # Not valid
x: tuple[*Ts]  # The correct way to do it

类型变量元组可被用在与普通类型变量相同的上下文中。例如，在类定义、参数和返回类型中:

Shape = TypeVarTuple("Shape")
class Array(Generic[*Shape]):
    def __getitem__(self, key: tuple[*Shape]) -> float: ...
    def __abs__(self) -> "Array[*Shape]": ...
    def get_shape(self) -> tuple[*Shape]: ...

类型变量元组可以很好地与普通类型变量结合在一起：

DType = TypeVar('DType')
Shape = TypeVarTuple('Shape')

class Array(Generic[DType, *Shape]):  # This is fine
    pass

class Array2(Generic[*Shape, DType]):  # This would also be fine
    pass

class Height: ...
class Width: ...

float_array_1d: Array[float, Height] = Array()     # Totally fine
int_array_2d: Array[int, Height, Width] = Array()  # Yup, fine too

但是，请注意在一个类型参数或类型形参列表中最多只能有一个类型变量元组:

x: tuple[*Ts, *Ts]                     # Not valid
class Array(Generic[*Shape, *Shape]):  # Not valid
    pass

最后，一个已解包的类型变量元组可以被用作 *args 的类型标注:

def call_soon(
         callback: Callable[[*Ts], None],
         *args: *Ts
) -> None:
    ...
    callback(*args)

相比非解包的 *args 标注 —— 例如 *args: int，它将指明所有参数均为 int —— *args: *Ts 启用了对 *args 中单个参数的类型的引用。在此，这允许我们确保传入 call_soon 的 *args 的类型与 callback 的（位置）参数的类型相匹配。

关于类型变量元组的更多细节，请参见 PEP 646。

__name__¶: 类型变量元组的名称。

在 3.11 版本加入.

class typing.ParamSpec(name, *, bound=None, covariant=False, contravariant=False)¶

形参专属变量。类型变量的一个专用版本。

用法：

P = ParamSpec('P')

参数规范变量的存在主要是为了使静态类型检查器受益。它们被用来将一个可调用对象的参数类型转发给另一个可调用对象的参数类型——这种模式通常出现在高阶函数和装饰器中。它们只有在 Concatenate 中使用时才有效，或者作为 Callable 的第一个参数，或者作为用户定义的泛型的参数。参见 Generic 以了解更多关于泛型的信息。

例如，为了给一个函数添加基本的日志记录，我们可以创建一个装饰器 add_logging 来记录函数调用。参数规范变量告诉类型检查器，传入装饰器的可调用对象和由其返回的新可调用对象有相互依赖的类型参数:

from collections.abc import Callable
from typing import TypeVar, ParamSpec
import logging

T = TypeVar('T')
P = ParamSpec('P')

def add_logging(f: Callable[P, T]) -> Callable[P, T]:
    '''A type-safe decorator to add logging to a function.'''
    def inner(*args: P.args, **kwargs: P.kwargs) -> T:
        logging.info(f'{f.__name__} was called')
        return f(*args, **kwargs)
    return inner

@add_logging
def add_two(x: float, y: float) -> float:
    '''Add two numbers together.'''
    return x + y

如果没有 ParamSpec，以前注释这个的最简单的方法是使用一个 TypeVar 与绑定 Callable[..., Any]。

类型检查器不能对 inner 函数进行类型检查，因为 *args 和 **kwargs 的类型必须是 Any。
cast() 在返回 inner 函数时，可能需要在 add_logging 装饰器的主体中进行，或者必须告诉静态类型检查器忽略 return inner。

args¶

kwargs¶: 由于 ParamSpec 同时捕获了位置参数和关键字参数，P.args 和 P.kwargs 可以用来将 ParamSpec 分割成其组成部分。 P.args 代表给定调用中的位置参数的元组，只能用于注释 *args。 P.kwargs 代表给定调用中的关键字参数到其值的映射，只能用于注释 **kwargs。在运行时，P.args 和 P.kwargs 分别是 ParamSpecArgs 和 ParamSpecKwargs 的实例。

__name__¶: 形参规格的名称。

用 covariant=True 或 contravariant=True 创建的参数规范变量可以用来声明协变或逆变泛型类型。参数 bound 也被接受，类似于 TypeVar。然而这些关键字的实际语义还有待决定。

在 3.10 版本加入.

备注

只有在全局范围内定义的参数规范变量可以被 pickle。

参见

PEP 612 -- 参数规范变量（引入 ParamSpec 和 Concatenate 的 PEP）
Concatenate
标注可调用对象

typing.ParamSpecArgs¶

typing.ParamSpecKwargs¶

ParamSpec`的参数和关键字参数属性。``ParamSpec` 的 P.args 属性是 ParamSpecArgs 的一个实例，P.kwargs 是 ParamSpecKwargs 的一个实例。它们的目的是用于运行时内部检查的，对静态类型检查器没有特殊意义。

在这些对象中的任何一个上调用 get_origin() 将返回原始的 ParamSpec:

>>> from typing import ParamSpec, get_origin
>>> P = ParamSpec("P")
>>> get_origin(P.args) is P
True
>>> get_origin(P.kwargs) is P
True

在 3.10 版本加入.

其他特殊指令¶

这些函数和类不应被直接用作标注。它们的设计目标是作为创建和声明类型的构件。

class typing.NamedTuple¶

collections.namedtuple() 的类型版本。

用法：

class Employee(NamedTuple):
    name: str
    id: int

这相当于：

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

为字段提供默认值，要在类体内赋值：

class Employee(NamedTuple):
    name: str
    id: int = 3

employee = Employee('Guido')
assert employee.id == 3

带默认值的字段必须在不带默认值的字段后面。

由此产生的类有一个额外的属性 __annotations__ ，给出一个 dict ，将字段名映射到字段类型。（字段名在 _fields 属性中，默认值在 _field_defaults 属性中，这两者都是 namedtuple() API 的一部分。）

NamedTuple 子类也支持文档字符串与方法：

class Employee(NamedTuple):
    """Represents an employee."""
    name: str
    id: int = 3

    def __repr__(self) -> str:
        return f'<Employee {self.name}, id={self.id}>'

NamedTuple 子类也可以为泛型：

class Group(NamedTuple, Generic[T]):
    key: T
    group: list[T]

反向兼容用法：

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

在 3.6 版本发生变更: 添加了对 PEP 526 中变量注解句法的支持。

在 3.6.1 版本发生变更: 添加了对默认值、方法、文档字符串的支持。

在 3.8 版本发生变更: _field_types 和 __annotations__ 属性现已使用常规字典，不再使用 OrderedDict 实例。

在 3.9 版本发生变更: 移除了 _field_types 属性，改用具有相同信息，但更标准的 __annotations__ 属性。

在 3.11 版本发生变更: 添加对泛型命名元组的支持。

class typing.NewType(name, tp)¶

用于创建低开销的独有类型的辅助类。

NewType 将被类型检查器视为一个独有类型。但是，在运行时，调用 NewType 将原样返回其参数。

用法：

UserId = NewType('UserId', int)  # Declare the NewType "UserId"
first_user = UserId(1)  # "UserId" returns the argument unchanged at runtime

__module__¶: 新类型定义所在的模块。

__name__¶: 新类型的名称。

__supertype__¶: 新类型所基于的类型。

在 3.5.2 版本加入.

在 3.10 版本发生变更: NewType 现在是一个类而不是函数。

class typing.Protocol(Generic)¶

协议类的基类。

协议类是这样定义的:

class Proto(Protocol):
    def meth(self) -> int:
        ...

这些类主要与静态类型检查器搭配使用，用来识别结构子类型（静态鸭子类型），例如：

class C:
    def meth(self) -> int:
        return 0

def func(x: Proto) -> int:
    return x.meth()

func(C())  # Passes static type check

请参阅 PEP 544 了解详情。使用 runtime_checkable() 装饰的协议类（稍后将介绍）可作为只检查给定属性是否存在，而忽略其类型签名的简单的运行时协议。

Protocol 类可以是泛型，例如：

T = TypeVar("T")

class GenProto(Protocol[T]):
    def meth(self) -> T:
        ...

在 3.8 版本加入.

@typing.runtime_checkable¶

用于把 Protocol 类标记为运行时协议。

该协议可以与 isinstance() 和 issubclass() 一起使用。应用于非协议的类时，会触发 TypeError。该指令支持简易结构检查，与 collections.abc 的 Iterable 非常类似，只擅长做一件事。例如：

@runtime_checkable
class Closable(Protocol):
    def close(self): ...

assert isinstance(open('/some/file'), Closable)

@runtime_checkable
class Named(Protocol):
    name: str

import threading
assert isinstance(threading.Thread(name='Bob'), Named)

备注

runtime_checkable() 将只检查所需方法或属性是否存在，而不检查它们的类型签名或类型。例如，ssl.SSLObject 是一个类，因此它通过了针对 Callable 的 issubclass() 检查。但是，ssl.SSLObject.__init__ 方法的存在只是引发 TypeError 并附带更具信息量的消息，因此它无法调用 (实例化) ssl.SSLObject。

备注

针对运行时可检查协议的 isinstance() 检查相比针对非协议类的 isinstance() 检查可能会惊人的缓慢。请考虑在性能敏感的代码中使用替代性写法如 hasattr() 调用进行结构检查。

在 3.8 版本加入.

class typing.TypedDict(dict)¶

把类型提示添加至字典的特殊构造器。在运行时，它是纯 dict。

TypedDict 声明一个字典类型，该类型预期所有实例都具有一组键集，其中，每个键都与对应类型的值关联。运行时不检查此预期，而是由类型检查器强制执行。用法如下：

class Point2D(TypedDict):
    x: int
    y: int
    label: str

a: Point2D = {'x': 1, 'y': 2, 'label': 'good'}  # OK
b: Point2D = {'z': 3, 'label': 'bad'}           # Fails type check

assert Point2D(x=1, y=2, label='first') == dict(x=1, y=2, label='first')

为了在不支持 PEP 526 的旧版 Python 中使用此特性，TypedDict 支持两种额外的等价语法形式:

使用字面量 dict 作为第二个参数：

Point2D = TypedDict('Point2D', {'x': int, 'y': int, 'label': str})

使用关键字参数：

Point2D = TypedDict('Point2D', x=int, y=int, label=str)

从 3.11 版起不建议使用，将在 3.13 版中移除: 使用关键字的语法在 3.11 中被弃用，并且会于 3.13 被移除。同时，该语法可能不被静态类型检查器支持。

当任何一个键不是有效的标识符时，例如因为它们是关键字或包含连字符，也应该使用函数式语法。例子:

# raises SyntaxError
class Point2D(TypedDict):
    in: int  # 'in' is a keyword
    x-y: int  # name with hyphens

# OK, functional syntax
Point2D = TypedDict('Point2D', {'in': int, 'x-y': int})

默认情况下，所有的键都必须出现在一个 TypedDict 中。可以使用 NotRequired 将单独的键标记为非必要的:

class Point2D(TypedDict):
    x: int
    y: int
    label: NotRequired[str]

# Alternative syntax
Point2D = TypedDict('Point2D', {'x': int, 'y': int, 'label': NotRequired[str]})

这意味着一个 Point2D TypedDict 可以省略 label 键。

也可以通过全部指定 False 将所有键都标记为默认非必要的:

class Point2D(TypedDict, total=False):
    x: int
    y: int

# Alternative syntax
Point2D = TypedDict('Point2D', {'x': int, 'y': int}, total=False)

这意味着一个 Point2D TypedDict 可以省略任何一个键。类型检查器只需要支持一个字面的 False 或 True 作为 total 参数的值。 True 是默认的，它使类主体中定义的所有项目都是必需的。

一个 total=False TypedDict 中单独的键可以使用 Required 标记为必要的:

class Point2D(TypedDict, total=False):
    x: Required[int]
    y: Required[int]
    label: str

# Alternative syntax
Point2D = TypedDict('Point2D', {
    'x': Required[int],
    'y': Required[int],
    'label': str
}, total=False)

一个 TypedDict 类型有可能使用基于类的语法从一个或多个其他 TypedDict 类型继承。用法:

class Point3D(Point2D):
    z: int

Point3D 有三个项目 : x , y 和 z 。其等价于定义:

class Point3D(TypedDict):
    x: int
    y: int
    z: int

TypedDict 不能从非 TypedDict 类继承，除了 Generic。例如:

class X(TypedDict):
    x: int

class Y(TypedDict):
    y: int

class Z(object): pass  # A non-TypedDict class

class XY(X, Y): pass  # OK

class XZ(X, Z): pass  # raises TypeError

A TypedDict can be generic:

T = TypeVar("T")

class Group(TypedDict, Generic[T]):
    key: T
    group: list[T]

TypedDict 可以通过注解字典（参见注解最佳实践了解更多关于注解的最佳实践）、 __total__ 、 __required_keys__ 和 __optional_keys__ 进行内省。

__total__¶

Point2D.__total__ 给出了 total 参数的值。例如：

>>> from typing import TypedDict
>>> class Point2D(TypedDict): pass
>>> Point2D.__total__
True
>>> class Point2D(TypedDict, total=False): pass
>>> Point2D.__total__
False
>>> class Point3D(Point2D): pass
>>> Point3D.__total__
True

该属性只是反映传给当前 TypedDict 类的``total`` 参数的值，而不反映这个类在语义上是否完整。例如，一个 __total__ 被设为 True 的 TypedDict 可能有用 NotRequired 标记的键，或者它可能继承自另一个设置了 total=False 的 TypedDict。因此，使用 __required_keys__ 和 __optional_keys__ 进行内省通常会更好。

__required_keys__¶: 在 3.9 版本加入.

__optional_keys__¶

Point2D.__required_keys__ 和 Point2D.__optional_keys__ 返回分别包含必要的和非必要的键的 frozenset 对象。

标记为 Required 的键总是会出现在 __required_keys__ 中而标记为 NotRequired 的键总是会出现在 __optional_keys__ 中。

为了向下兼容 Python 3.10 及更老的版本，还可以使用继承机制在同一个 TypedDict 中同时声明必要和非必要的键。这是通过声明一个具有 total 参数值的 TypedDict 然后在另一个 TypedDict 中继承它并使用不同的 total 值来实现的：

>>> class Point2D(TypedDict, total=False):
...     x: int
...     y: int
...
>>> class Point3D(Point2D):
...     z: int
...
>>> Point3D.__required_keys__ == frozenset({'z'})
True
>>> Point3D.__optional_keys__ == frozenset({'x', 'y'})
True

在 3.9 版本加入.

备注

如果使用了 from __future__ import annotations 或者如果以字符串形式给出标注，那么标注不会在定义 TypedDict 时被求值。因此，__required_keys__ 和 __optional_keys__ 所依赖的运行时内省可能无法正常工作，这些属性的值也可能不正确。

更多示例与 TypedDict 的详细规则，详见 PEP 589。

在 3.8 版本加入.

在 3.11 版本发生变更: 增加了对将单独的键标记为 Required 或 NotRequired 的支持。参见 PEP 655。

在 3.11 版本发生变更: 添加对泛型 TypedDict 的支持。

协议¶

下列协议由 typing 模块提供并已全被装饰为 可在运行时检查的。

class typing.SupportsAbs¶: 一个抽象基类，含一个抽象方法 __abs__，该方法与其返回类型协变。

class typing.SupportsBytes¶: 一个抽象基类，含一个抽象方法 __bytes__。

class typing.SupportsComplex¶: 一个抽象基类，含一个抽象方法 __complex__。

class typing.SupportsFloat¶: 一个抽象基类，含一个抽象方法 __float__。

class typing.SupportsIndex¶: 一个抽象基类，含一个抽象方法 __index__。

在 3.8 版本加入.

class typing.SupportsInt¶: 一个抽象基类，含一个抽象方法 __int__。

class typing.SupportsRound¶: 一个抽象基类，含一个抽象方法 __round__，该方法与其返回类型协变。

与 IO 相关的抽象基类¶

class typing.IO¶
class typing.TextIO¶
class typing.BinaryIO¶: 泛型 IO[AnyStr] 及其子类 TextIO(IO[str])、BinaryIO(IO[bytes]) 表示 I/O 流——例如 open() 返回的对象——的类型。

函数与装饰器¶

typing.cast(typ, val)¶

把一个值转换为指定的类型。

这会把值原样返回。对类型检查器而言这代表了返回值具有指定的类型，在运行时我们故意没有设计任何检查（我们希望让这尽量快）。

typing.assert_type(val, typ, /)¶

让静态类型检查器确认 val 具有推断为 typ 的类型。

在运行时这将不做任何事：它会原样返回第一个参数而没有任何检查或附带影响，无论参数的实际类型是什么。

当静态类型检查器遇到对 assert_type() 的调用时，如果该值不是指定的类型则会报错:

def greet(name: str) -> None:
    assert_type(name, str)  # OK, inferred type of `name` is `str`
    assert_type(name, int)  # type checker error

此函数适用于确保类型检查器对脚本的理解符合开发者的意图:

def complex_function(arg: object):
    # Do some complex type-narrowing logic,
    # after which we hope the inferred type will be `int`
    ...
    # Test whether the type checker correctly understands our function
    assert_type(arg, int)

在 3.11 版本加入.

typing.assert_never(arg, /)¶

让静态类型检查器确认一行代码是不可达的。

示例:

def int_or_str(arg: int | str) -> None:
    match arg:
        case int():
            print("It's an int")
        case str():
            print("It's a str")
        case _ as unreachable:
            assert_never(unreachable)

在这里，标注允许类型检查器推断最后一种情况永远不会执行，因为 arg 要么是 int 要么是 str，而这两种选项都已被之前的情况覆盖了。

如果类型检查器发现对 assert_never() 的调用是可达的，它将报告一个错误。举例来说，如果 arg 的类型标注改为 int | str | float，则类型检查器将报告一个错误指出 unreachable 为 float 类型。对于通过类型检查的 assert_never 调用，参数传入的推断类型必须为兜底类型 Never，而不能为任何其他类型。

在运行时，如果调用此函数将抛出一个异常。

参见

Unreachable Code and Exhaustiveness Checking 有更多关于使用静态类型进行穷尽性检查的信息。

在 3.11 版本加入.

typing.reveal_type(obj, /)¶

让静态类型检查器显示推测的表达式类型。

当静态类型检查器遇到一个对此函数的调用时，它将发出带有所推测参数类型的诊断信息。例如:

x: int = 1
reveal_type(x)  # Revealed type is "builtins.int"

这在你想要调试你的类型检查器如何处理一段特定代码时很有用处。

在运行时，此函数会将其参数类型打印到 sys.stderr 并不加修改地返回该参数 (以允许该调用在表达式中使用):

x = reveal_type(1)  # prints "Runtime type is int"
print(x)  # prints "1"

请注意在运行时类型可能不同于类型静态检查器所推测的类型（明确程度可能更高也可能更低）。

大多数类型检查器都能在任何地方支持 reveal_type()，即使并未从 typing 导入该名称。不过，从 typing 导入该名称将允许你的代码在运行时不会出现运行时错误并能更清晰地传递意图。

在 3.11 版本加入.

@typing.dataclass_transform(*, eq_default=True, order_default=False, kw_only_default=False, field_specifiers=(), **kwargs)¶

将一个对象标记为提供类似 dataclass 行为的装饰器。

dataclass_transform 可被用于装饰类、元类或本身为装饰器的函数。使用 @dataclass_transform() 将让静态类型检查器知道被装饰的对象会执行以类似 @dataclasses.dataclass 的方式来转换类的运行时“魔法”。

装饰器函数使用方式的例子：

T = TypeVar("T")

@dataclass_transform()
def create_model(cls: type[T]) -> type[T]:
    ...
    return cls

@create_model
class CustomerModel:
    id: int
    name: str

在基类上:

@dataclass_transform()
class ModelBase: ...

class CustomerModel(ModelBase):
    id: int
    name: str

在元类上:

@dataclass_transform()
class ModelMeta(type): ...

class ModelBase(metaclass=ModelMeta): ...

class CustomerModel(ModelBase):
    id: int
    name: str

上面定义的 CustomerModel 类将被类型检查器视为类似于使用 @dataclasses.dataclass 创建的类。例如，类型检查器将假定这些类具有接受 id 和 name 的 __init__ 方法。

被装饰的类、元类或函数可以接受以下布尔值参数，类型检查器将假定它们具有与 @dataclasses.dataclass 装饰器相同的效果: init, eq, order, unsafe_hash, frozen, match_args, kw_only 和 slots。这些参数的值 (True 或 False) 必须可以被静态地求值。

传给 dataclass_transform 装饰器的参数可以被用来定制被装饰的类、元类或函数的默认行为:

参数:

eq_default (bool) -- 指明如果调用方省略了 eq 形参则应将其假定为 True 还是 False。默认为 True。
order_default (bool) -- 指明如果调用方省略了 order 形参则应将其假定为 True 还是 False。默认为 False。
kw_only_default (bool) -- 指明如果调用方省略了 kw_only 形参则应将其假定为 True 还是 False。默认为 False。
field_specifiers (tuple[Callable[..., Any], ...]) -- 指定一个受支持的类或描述字段的函数的静态列表，类似于 dataclasses.field()。默认为 ()。
**kwargs (Any) -- 接受任何其他关键字以便允许可能的未来扩展。

类型检查器能识别下列字段设定器的可选形参:

**字段设定器的可识别形参**¶
形参名称	描述
`init`	指明字段是否应当被包括在合成的 `__init__` 方法中。如果未指明，则 `init` 默认为 `True`。
`default`	为字段提供默认值。
`default_factory`	提供一个返回字段默认值的运行时回调。如果 `default` 或 `default_factory` 均未指定，则会假定字段没有默认值而在类被实例化时必须提供一个值。
`factory`	字段说明符上 `default_factory` 形参的别名。
`kw_only`	指明字段是否应被标记为仅限关键字的。如为 `True`，字段将是仅限关键字的。如为 `False`，它将不是仅限关键字的。如未指明，则将使用以 `dataclass_transform` 装饰的对象的 `kw_only` 形参的值，或者如果该值也未指明，则将使用 `dataclass_transform` 上 `kw_only_default` 的值。
`alias`	提供字段的替代名称。该替代名称会被用于合成的 `__init__` 方法。

在运行时，该装饰器会将其参数记录到被装饰对象的 __dataclass_transform__ 属性。它没有其他的运行时影响。

更多细节请参见 PEP 681。

在 3.11 版本加入.

@typing.overload¶

用于创建重载函数和方法的装饰器。

@overload 装饰器允许描述支持多参数类型不同组合的函数和方法。一系列以 @overload 装饰的定义必须带上恰好一个非 @overload 装饰的定义（用于同一个函数/方法）。

以 @overload 装饰的定义仅对类型检查器有用，因为它们将被非 @overload 装饰的定义覆盖。与此同时，非 @overload 装饰的定义将在运行时使用但应被类型检查器忽略。在运行时，直接调用以 @overload 装饰的函数将引发 NotImplementedError。

一个提供了比使用联合或类型变量更精确的类型的重载的示例：

@overload
def process(response: None) -> None:
    ...
@overload
def process(response: int) -> tuple[int, str]:
    ...
@overload
def process(response: bytes) -> str:
    ...
def process(response):
    ...  # actual implementation goes here

请参阅 PEP 484 了解更多细节以及与其他类型语义的比较。

在 3.11 版本发生变更: 现在可以使用 get_overloads() 在运行时内省有重载的函数。

typing.get_overloads(func)¶

为 func 返回以 @overload 装饰的定义的序列。

func 是用于实现过载函数的函数对象。例如，根据文档中为 @overload 给出的 process 定义，get_overloads(process) 将为所定义的三个过载函数返回由三个函数对象组成的序列。如果在不带过载的函数上调用，get_overloads() 将返回一个空序列。

get_overloads() 可被用来在运行时内省一个过载函数。

在 3.11 版本加入.

typing.clear_overloads()¶

清空内部注册表中所有已注册的重载。

这可用于回收注册表所使用的内存。

在 3.11 版本加入.

@typing.final¶

表示最终化方法和最终化类的装饰器。

以 @final 装饰一个方法将向类型检查器指明该方法不可在子类中被重载。以 @final 装饰一个类表示它不可被子类化。

例如：

class Base:
    @final
    def done(self) -> None:
        ...
class Sub(Base):
    def done(self) -> None:  # Error reported by type checker
        ...

@final
class Leaf:
    ...
class Other(Leaf):  # Error reported by type checker
    ...

这些属性没有运行时检查。详见 PEP 591。

在 3.8 版本加入.

在 3.11 版本发生变更: 该装饰器现在将尝试在被装饰的对象上设置 __final__ 属性为 True。这样，可以在运行时使用 if getattr(obj, "__final__", False) 这样的检查来确定对象 obj 是否已被标记为终结。如果被装饰的对象不支持设置属性，该装饰器将不加修改地返回对象而不会引发异常。

@typing.no_type_check¶

标明注解不是类型提示的装饰器。

此作用方式类似于类或函数的 decorator。对于类，它将递归地应用到该类中定义的所有方法和类（但不包括在其超类或子类中定义的方法）。类型检查器将忽略带有此装饰器的函数或类的所有标注。

@no_type_check 将原地改变被装饰的对象。

@typing.no_type_check_decorator¶

让其他装饰器具有 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.type_check_only¶

将类或函数标记为在运行时不可用的装饰器。

在运行时，该装饰器本身不可用。实现返回的是私有类实例时，它主要是用于标记在类型存根文件中定义的类。

@type_check_only
class Response:  # private or not available at runtime
    code: int
    def get_header(self, name: str) -> str: ...

def fetch_response() -> Response: ...

注意，建议不要返回私有类实例，最好将之设为公共类。

内省辅助器¶

typing.get_type_hints(obj, globalns=None, localns=None, include_extras=False)¶

返回函数、方法、模块、类对象的类型提示的字典。

这往往与 obj.__annotations__ 相同。此外，编码为字符串字面值的前向引用是通过在 globals 与 locals 命名空间中执行求值来处理的。对于一个类 C，则返回一个由所有 __annotations__ 与 C.__mro__ 逆序合并所构建的字典。

本函数会递归地将所有 Annotated[T, ...] 替换为 T，除非 include_extras 被设为 True (请参阅 Annotated 了解详情)。例如:

class Student(NamedTuple):
    name: Annotated[str, 'some marker']

assert get_type_hints(Student) == {'name': str}
assert get_type_hints(Student, include_extras=False) == {'name': str}
assert get_type_hints(Student, include_extras=True) == {
    'name': Annotated[str, 'some marker']
}

备注

get_type_hints() 在导入的类型别名中不工作，包括前向引用。启用注解的延迟评估（ PEP 563 ）可能会消除对大多数前向引用的需要。

在 3.9 版本发生变更: 增加了作为 PEP 593 组成部分的 include_extras 形参。请参阅 Annotated 文档了解详情。

在 3.11 版本发生变更: 在之前，如果设置了等于 None 的默认值则会为函数和方法标注添加 Optional[t]。现在标注将被不加修改地返回。

typing.get_origin(tp)¶

获取一个类型的不带下标的版本：对于 X[Y, Z, ...] 形式的类型对象将返回 X。

如果 X 是一个内置类型或 collections 类在 typing 模块中的别名，它将被正规化为原始的类。如果 X 是 ParamSpecArgs 或 ParamSpecKwargs 的实例，则返回下层的 ParamSpec。对于不受支持的对象将返回 None。

示例：

assert get_origin(str) is None
assert get_origin(Dict[str, int]) is dict
assert get_origin(Union[int, str]) is Union
P = ParamSpec('P')
assert get_origin(P.args) is P
assert get_origin(P.kwargs) is P

在 3.8 版本加入.

typing.get_args(tp)¶

获取已执行所有下标的类型参数：对于 X[Y, Z, ...] 形式的类型对象将返回 (Y, Z, ...)。

如果 X 是一个并集或是包含在另一个泛型类型中的 Literal，则 (Y, Z, ...) 的顺序可能因类型缓存而与原始参数 [Y, Z, ...] 存在差异。对于不受支持的对象将返回 ()。

示例：

assert get_args(int) == ()
assert get_args(Dict[int, str]) == (int, str)
assert get_args(Union[int, str]) == (int, str)

在 3.8 版本加入.

typing.is_typeddict(tp)¶

检查一个类型是否为 TypedDict。

例如:

class Film(TypedDict):
    title: str
    year: int

assert is_typeddict(Film)
assert not is_typeddict(list | str)

# TypedDict is a factory for creating typed dicts,
# not a typed dict itself
assert not is_typeddict(TypedDict)

在 3.10 版本加入.

class typing.ForwardRef¶

用于字符串前向引用的内部类型表示的类。

例如，List["SomeClass"] 会被隐式转换为 List[ForwardRef("SomeClass")]。 ForwardRef 不应由用户来实例化，但可以由内省工具使用。

备注

PEP 585 泛型类型例如 list["SomeClass"] 将不会被隐式地转换为 list[ForwardRef("SomeClass")] 因而将不会自动解析为 list[SomeClass]。

在 3.7.4 版本加入.

常量¶

typing.TYPE_CHECKING¶

会被第 3 方静态类型检查器假定为 True 的特殊常量。在运行时将为 False。

用法：

if TYPE_CHECKING:
    import expensive_mod

def fun(arg: 'expensive_mod.SomeType') -> None:
    local_var: expensive_mod.AnotherType = other_fun()

第一个类型注解必须用引号标注，才能把它当作“前向引用”，从而在解释器运行时中隐藏 expensive_mod 引用。局部变量的类型注释不会被评估，因此，第二个注解不需要用引号引起来。

备注

若用了 from __future__ import annotations，函数定义时则不求值注解，直接把注解以字符串形式存在 __annotations__ 里。这时毋需为注解打引号（见 PEP 563）。

在 3.5.2 版本加入.

一些已被弃用的别名¶

本模块给标准库中已有的类定义了许多别名，这些别名现已不再建议使用。起初 typing 模块包含这些别名是为了支持用 [] 来参数化泛型类。然而，在 Python 3.9 中，对应的已有的类也支持了 [] (参见 PEP 585)，因此这些别名了就成了多余的了。

这些多余的类型从 Python 3.9 起被弃用。然而，虽然它们可能会在某一时刻被移除，但目前还没有移除它们的计划。因此，解释器目前不会对这些别名发出弃用警告。

一旦确定了何时这些别名将被移除，解释器将比正式移除之时提前至少两个版本发出弃用警告 (deprecation warning)。但保证至少在 Python 3.14 之前，这些别名仍会留在 typing 模块中，并且不会引发弃用警告。

如果被类型检查器检查的程序旨在运行于 Python 3.9 或更高版本，则鼓励类型检查器标记出这些不建议使用的类型。

内置类型的别名¶

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

dict 的已弃用的别名。

请注意，要注解参数，更推荐使用 Mapping 这样的抽象容器类型，而不是使用 dict 或者 typing.Dict 。

该类型用法如下：

def count_words(text: str) -> Dict[str, int]:
    ...

自 3.9 版本弃用: builtins.dict 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

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

list 的已弃用的别名。

请注意，要注解参数，更推荐使用 Sequence 或者 Iterable 这样的抽象容器类型，而不是使用 list 或者 typing.List 。

该类型用法如下：

T = TypeVar('T', int, float)

def vec2(x: T, y: T) -> List[T]:
    return [x, y]

def keep_positives(vector: Sequence[T]) -> List[T]:
    return [item for item in vector if item > 0]

自 3.9 版本弃用: builtins.list 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.Set(set, MutableSet[T])¶

builtins.set 的已弃用的别名。

请注意，要注解参数，更推荐使用 AbstractSet 这样的抽象容器类型，而不是使用 set 或者 typing.Set 。

自 3.9 版本弃用: builtins.set 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.FrozenSet(frozenset, AbstractSet[T_co])¶: builtins.frozenset 的已弃用的别名。

自 3.9 版本弃用: builtins.frozenset 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

typing.Tuple¶

tuple 的已弃用的别名。

tuple 和 Tuple 是类型系统中的特例；更多详细信息请参见标注元组。

自 3.9 版本弃用: builtins.tuple 现在支持下标操作（[]）。参见 PEP 585 和 GenericAlias 类型。

class typing.Type(Generic[CT_co])¶

type 的已弃用的别名。

有关在类型注解中使用 type 或 typing.Type 的详细信息，请参阅类对象的类型。

在 3.5.2 版本加入.

自 3.9 版本弃用: builtins.type 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

`collections` 中的类型的别名。¶

class typing.DefaultDict(collections.defaultdict, MutableMapping[KT, VT])¶: collections.defaultdict 的已弃用的别名。

在 3.5.2 版本加入.

自 3.9 版本弃用: collections.defaultdict 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.OrderedDict(collections.OrderedDict, MutableMapping[KT, VT])¶: collections.OrderedDict 的已弃用的别名。

在 3.7.2 版本加入.

自 3.9 版本弃用: collections.OrderedDict 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.ChainMap(collections.ChainMap, MutableMapping[KT, VT])¶: collections.ChainMap 的已弃用的别名。

在 3.6.1 版本加入.

自 3.9 版本弃用: collections.ChainMap 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.Counter(collections.Counter, Dict[T, int])¶: collections.Counter 的已弃用的别名。

在 3.6.1 版本加入.

自 3.9 版本弃用: collections.Counter 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.Deque(deque, MutableSequence[T])¶: collections.deque 的已弃用的别名。

在 3.6.1 版本加入.

自 3.9 版本弃用: collections.deque 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

其他具体类型的别名¶

class typing.Pattern¶

class typing.Match¶

re.compile() 和 re.match() 的返回类型的已弃用的别名。

这些类型（与对应的函数）是 AnyStr 上的泛型。 Pattern 可以被特化为 Pattern[str] 或 Pattern[bytes]；Match 可以被特化为 Match[str] 或 Match[bytes]。

从 3.8 版起不建议使用，将在 3.13 版中移除: typing.re 命名空间被弃用并将被删除。这些类型应该被直接从 typing 导入。

自 3.9 版本弃用: re 模块中的 Pattern 与 Match 类现已支持 []。详见 PEP 585 与 GenericAlias 类型。

class typing.Text¶

str 的已弃用的别名。

Text 被用来为 Python 2 代码提供向上兼容的路径：在 Python 2 中，Text 是 unicode 的别名。

使用 Text 时，值中必须包含 unicode 字符串，以兼容 Python 2 和 Python 3：

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

在 3.5.2 版本加入.

自 3.11 版本弃用: Python 2 已不再受支持，并且大部分类型检查器也都不再支持 Python 2 代码的类型检查。目前还没有计划移除该别名，但建议用户使用 str 来代替 Text。

`collections.abc` 中容器 ABC 的别名¶

class typing.AbstractSet(Collection[T_co])¶: collections.abc.Set 的已弃用的别名。

自 3.9 版本弃用: collections.abc.Set 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.ByteString(Sequence[int])¶: 该类型代表了 bytes、bytearray、memoryview 等字节序列类型。

从 3.9 版起不建议使用，将在 3.14 版中移除: Prefer typing_extensions.Buffer, or a union like bytes | bytearray | memoryview.

class typing.Collection(Sized, Iterable[T_co], Container[T_co])¶: collections.abc.Collection 的已弃用的别名。

在 3.6 版本加入.

自 3.9 版本弃用: collections.abc.Collection 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.Container(Generic[T_co])¶: collections.abc.Container 的已弃用的别名。

自 3.9 版本弃用: collections.abc.Container 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.ItemsView(MappingView, AbstractSet[tuple[KT_co, VT_co]])¶: collections.abc.ItemsView 的已弃用的别名。

自 3.9 版本弃用: collections.abc.ItemsView 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.KeysView(MappingView, AbstractSet[KT_co])¶: collections.abc.KeysView 的已弃用的别名。

自 3.9 版本弃用: collections.abc.KeysView 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

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

collections.abc.Mapping 的已弃用的别名。

该类型用法如下：

def get_position_in_index(word_list: Mapping[str, int], word: str) -> int:
    return word_list[word]

自 3.9 版本弃用: collections.abc.Mapping 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.MappingView(Sized)¶: collections.abc.MappingView 的已弃用的别名。

自 3.9 版本弃用: collections.abc.MappingView 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.MutableMapping(Mapping[KT, VT])¶: collections.abc.MutableMapping 的已弃用的别名。

自 3.9 版本弃用: collections.abc.MutableMapping 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.MutableSequence(Sequence[T])¶: collections.abc.MutableSequence 的已弃用的别名。

自 3.9 版本弃用: collections.abc.MutableSequence 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.MutableSet(AbstractSet[T])¶: collections.abc.MutableSet 的已弃用的别名。

自 3.9 版本弃用: collections.abc.MutableSet 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.Sequence(Reversible[T_co], Collection[T_co])¶: collections.abc.Sequence 的已弃用的别名。

自 3.9 版本弃用: collections.abc.Sequence 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.ValuesView(MappingView, Collection[_VT_co])¶: collections.abc.ValuesView 的已弃用的别名。

自 3.9 版本弃用: collections.abc.ValuesView 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

`collections.abc` 中异步 ABC 的别名¶

class typing.Coroutine(Awaitable[ReturnType], Generic[YieldType, SendType, ReturnType])¶

collections.abc.Coroutine 的已弃用的别名。

类型变量的变化形式和顺序与 Generator 的相对应，例如:

from collections.abc import Coroutine
c: Coroutine[list[str], str, int]  # Some coroutine defined elsewhere
x = c.send('hi')                   # Inferred type of 'x' is list[str]
async def bar() -> None:
    y = await c                    # Inferred type of 'y' is int

在 3.5.3 版本加入.

自 3.9 版本弃用: collections.abc.Coroutine 现在支持下标操作（[]）。参见 PEP 585 和 GenericAlias 类型。

class typing.AsyncGenerator(AsyncIterator[YieldType], Generic[YieldType, SendType])¶

collections.abc.AsyncGenerator 的已弃用的别名。

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

async def echo_round() -> AsyncGenerator[int, float]:
    sent = yield 0
    while sent >= 0.0:
        rounded = await round(sent)
        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：

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

此外，可用 AsyncIterable[YieldType] 或 AsyncIterator[YieldType] 注解生成器的返回类型：

async def infinite_stream(start: int) -> AsyncIterator[int]:
    while True:
        yield start
        start = await increment(start)

在 3.6.1 版本加入.

自 3.9 版本弃用: collections.abc.AsyncGenerator 现在支持下标操作（[]）。参见 PEP 585 和 GenericAlias 类型。

class typing.AsyncIterable(Generic[T_co])¶: collections.abc.AsyncIterable 的已弃用的别名。

在 3.5.2 版本加入.

自 3.9 版本弃用: collections.abc.AsyncIterable 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.AsyncIterator(AsyncIterable[T_co])¶: collections.abc.AsyncIterator 的已弃用的别名。

在 3.5.2 版本加入.

自 3.9 版本弃用: collections.abc.AsyncIterator 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.Awaitable(Generic[T_co])¶: collections.abc.Awaitable 的已弃用的别名。

在 3.5.2 版本加入.

自 3.9 版本弃用: collections.abc.Awaitable 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

`collections.abc` 中其他 ABC 的别名¶

class typing.Iterable(Generic[T_co])¶: collections.abc.Iterable 的已弃用的别名

自 3.9 版本弃用: collections.abc.Iterable 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.Iterator(Iterable[T_co])¶: collections.abc.Iterator 的已弃用的别名。

自 3.9 版本弃用: collections.abc.Iterator 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

typing.Callable¶

collections.abc.Callable 的已弃用的别名。

有关如何在类型标注中使用 collections.abc.Callable 和 typing.Callable 的详细信息请参阅标注可调用对象。

自 3.9 版本弃用: collections.abc.Callable 现在支持下标操作（[]）。参见 PEP 585 和 GenericAlias 类型。

在 3.10 版本发生变更: Callable 现在支持 ParamSpec 和 Concatenate。详情见 PEP 612。

class typing.Generator(Iterator[YieldType], Generic[YieldType, SendType, ReturnType])¶

collections.abc.Generator 的已弃用的别名。

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

def echo_round() -> Generator[int, float, str]:
    sent = yield 0
    while sent >= 0:
        sent = yield round(sent)
    return 'Done'

注意，与 typing 模块里的其他泛型不同， Generator 的 SendType 属于逆变行为，不是协变或不变行为。

如果生成器只产生值，可将 SendType 与 ReturnType 设为 None：

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

此外，还可以把生成器的返回类型注解为 Iterable[YieldType] 或 Iterator[YieldType]：

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

自 3.9 版本弃用: collections.abc.Generator 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.Hashable¶: Alias to collections.abc.Hashable.

class typing.Reversible(Iterable[T_co])¶: collections.abc.Reversible 的已弃用的别名。

自 3.9 版本弃用: collections.abc.Reversible 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.Sized¶: Alias to collections.abc.Sized.

`contextlib` ABC 的别名¶

class typing.ContextManager(Generic[T_co])¶: contextlib.AbstractContextManager 的已弃用的别名。

在 3.5.4 版本加入.

自 3.9 版本弃用: contextlib.AbstractContextManager 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

class typing.AsyncContextManager(Generic[T_co])¶: contextlib.AbstractAsyncContextManager 的已弃用的别名。

在 3.6.2 版本加入.

自 3.9 版本弃用: contextlib.AbstractAsyncContextManager 现在支持下标操作 ([])。参见 PEP 585 和 GenericAlias 类型。

主要特性的弃用时间线¶

typing 的某些特性被弃用，并且可能在将来的 Python 版本中被移除。下表总结了主要的弃用特性。该表可能会被更改，而且并没有列出所有的弃用特性。

特性	弃用于	计划移除	PEP/问题
`typing.io` 和 `typing.re` 子模块	3.8	3.13	bpo-38291
标准容器的 `typing` 版本	3.9	Undecided (see 一些已被弃用的别名 for more information)	PEP 585
`typing.ByteString`	3.9	3.14	gh-91896
`typing.Text`	3.11	未确定	gh-92332

`typing` —— 对类型提示的支持¶

相关的 PEP¶

类型别名¶

NewType¶

标注可调用对象¶

泛型（Generic）¶

标注元组¶

类对象的类型¶

用户定义的泛型类型¶

`Any` 类型¶

名义子类型 vs 结构子类型¶

模块内容¶

特殊类型原语¶

特殊类型¶

特殊形式¶

Building generic types¶

其他特殊指令¶

协议¶

与 IO 相关的抽象基类¶

函数与装饰器¶

内省辅助器¶

常量¶

一些已被弃用的别名¶

内置类型的别名¶

`collections` 中的类型的别名。¶

其他具体类型的别名¶

`collections.abc` 中容器 ABC 的别名¶

`collections.abc` 中异步 ABC 的别名¶

`collections.abc` 中其他 ABC 的别名¶

`contextlib` ABC 的别名¶

主要特性的弃用时间线¶

目录

上一主题

下一主题

当前页

typing —— 对类型提示的支持¶

相关的 PEP¶

类型别名¶

NewType¶

标注可调用对象¶

泛型（Generic）¶

标注元组¶

类对象的类型¶

用户定义的泛型类型¶

Any 类型¶

名义子类型 vs 结构子类型¶

模块内容¶

特殊类型原语¶

特殊类型¶

特殊形式¶

Building generic types¶

其他特殊指令¶

协议¶

与 IO 相关的抽象基类¶

函数与装饰器¶

内省辅助器¶

常量¶

一些已被弃用的别名¶

内置类型的别名¶

collections 中的类型的别名。¶

其他具体类型的别名¶

collections.abc 中容器 ABC 的别名¶

collections.abc 中异步 ABC 的别名¶

collections.abc 中其他 ABC 的别名¶

contextlib ABC 的别名¶

主要特性的弃用时间线¶

`typing` —— 对类型提示的支持¶

`Any` 类型¶

`collections` 中的类型的别名。¶

`collections.abc` 中容器 ABC 的别名¶

`collections.abc` 中异步 ABC 的别名¶

`collections.abc` 中其他 ABC 的别名¶

`contextlib` ABC 的别名¶