欢迎大家来到IT世界,在知识的湖畔探索吧!

Python3标准库漫游之Typing.overload

Python3 >= 3.5

Python3.5开始Python把Typing作为标准库引入，低版本可以使用独立的Typing包

问题来源于一个友的提问，顺着问题我看了下Typing中overload的使用。

Python3中增加了Function Annotation的功能，翻译过来就是函数（方法）注解，具体用法就是:

def foo(name: str) -> str: return 'hello ' + name

欢迎大家来到IT世界,在知识的湖畔探索吧!

这么定义函数，可以达到静态类型的效果。如果你尝试使用foo(2) 传入一个int类型的话就会报错：

欢迎大家来到IT世界,在知识的湖畔探索吧!Traceback (most recent call last): File "t_t.py", line 4, in <module> foo(2) File "t_t.py", line 2, in foo return 'hello ' + name TypeError: must be str, not int

但这是运行时的错误，也就是代码在执行时才会发现问题。最好是我们能在写完代码时就发现是否存在问题。因此就有了类型检查工具，比如mypy这样的工具，还有很多IDE也集成了这样的检查工具。

如果用mypy检查上面的代码就会得到如下提示:

t_t.py:5: error: Argument 1 to "foo" has incompatible type "int"; expected "str"

有了Annotation的Python3显然是对Python大工程开发能力的增强，动态语言最大的弊端就是太灵活，当然这也是优点。不过对于有经验的开发来说，避免去修改函数的输入和输出是重要的设计思想。对于以往的参数，因为没有类型信息，所以我们需要在函数内部去做各种判断，来保证数据类型符合预期。

overload存在的必要

然后我们再来看overload。

overload翻译过来是“重载”的意思，Java中有这样的两个概念，重写(override)和重载(overload)。重写其实是在保证输入和输出不变的情况下重写实现逻辑。而重载则是允许修改输入和输出，即同一个方法名可以支持多种类型的输入和输出。

上面介绍了annotation能够声明类型，这样在执行时能发现错误，也能够在静态检查阶段发现错误。但是如果函数的参数确实需要多种类型呢？不能因为静态类型的声明而导致动态易用性的损失吧。

因此有两种方案：

• 一、使用typing.TypeVar
• 二、使用typing.overload

先说第一种，对于固定数量参数的方法而言，同一个参数如果打算接受多种类型，可以这么用，比方说参数可以是:int, float, str：

欢迎大家来到IT世界,在知识的湖畔探索吧!import typing T = typing.TypeVar('T', int, float, str) def foo(name: T) -> str: return 'hello ' + str(name) foo(2)

这种方案更类似于静态语言中的interface的概念，定义一个通用的父类，这样的话，你可以传递子类型过去。

再来看第二种的解决方案，也就是重载的方式。但是跟静态语言中还是很有差别。

import typing @typing.overload def foo(name: str) -> str: ... @typing.overload def foo(name: float) -> float: ... @typing.overload def foo(name: int, age: int) -> str: ... def foo(name, age=18): return 'hello ' + str(name) foo(2)

import typing @typing.overload def foo(name: str) -> str: ... @typing.overload def foo(name: float) -> float: ... @typing.overload def foo(name: int, age: int) -> str: ... def foo(name, age=18): return 'hello ' + str(name) foo(2)

通过定义多个同名函数，上面的同名函数需要通过overload装饰器装饰。可以看到被装饰的函数的输入类型和输出类型都可以更改。但是，最后的实现方法一定要通用，也就是没有类型注解。

这么用的作用是什么呢？文档中有一句话很重要:

“The @overload-decorated definitions are for the benefit of the type checker only, since they will be overwritten by the non-@overload-decorated definition, while the latter is used at runtime but should be ignored by a type checker. ”

翻译过来就是, 被overload装饰的函数仅仅是为了受益于类型检查工具，因为它们会被没有overload装饰的函数定义覆盖，尽管未被装饰的函数是用于运行时的，但是会被类型检查工具忽略。

所以，看到这应该明白了，overload仅仅是给检查工具用的。但如果静态类型检查变成工程的一部分的话，这也会避免很多问题，在写代码时也会比心里有底。

不过上面的代码仅仅用来说明typing.overload的作用。

总结

需要提醒的是，Python3.5.1版本的overload是不对外使用的，如果你在这个版本下尝试上面的代码应该会报错: Overloading is only supported in library stubs。

Annotation确实是个不错的特性，但是因此也需要引入更多的配套来保证整个环境的一致。因此就有了剩下的东西。可能后面还会有其他的东西。