验证python数据类中的详细类型
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了验证python数据类中的详细类型,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含5291字,纯文字阅读大概需要8分钟。
内容图文
![验证python数据类中的详细类型](/upload/InfoBanner/zyjiaocheng/711/06a665d1bb3d42249129c0995176a7b5.jpg)
Python 3.7 is around the corner,我想测试一些奇特的新数据类型输入功能.使用本机类型和来自输入模块的类型,可以很容易地获得正确工作的提示:
>>> import dataclasses
>>> import typing as ty
>>>
... @dataclasses.dataclass
... class Structure:
... a_str: str
... a_str_list: ty.List[str]
...
>>> my_struct = Structure(a_str='test', a_str_list=['t', 'e', 's', 't'])
>>> my_struct.a_str_list[0]. # IDE suggests all the string methods :)
但是我想尝试的另一件事是在运行时强制类型提示作为条件,即不应该存在具有不正确类型的数据类.它可以很好地实现__post_init__:
>>> @dataclasses.dataclass
... class Structure:
... a_str: str
... a_str_list: ty.List[str]
...
... def validate(self):
... ret = True
... for field_name, field_def in self.__dataclass_fields__.items():
... actual_type = type(getattr(self, field_name))
... if actual_type != field_def.type:
... print(f"\t{field_name}: '{actual_type}' instead of '{field_def.type}'")
... ret = False
... return ret
...
... def __post_init__(self):
... if not self.validate():
... raise ValueError('Wrong types')
这种验证函数适用于本机类型和自定义类,但不适用于键入模块指定的类型:
>>> my_struct = Structure(a_str='test', a_str_list=['t', 'e', 's', 't'])
Traceback (most recent call last):
a_str_list: '<class 'list'>' instead of 'typing.List[str]'
ValueError: Wrong types
是否有更好的方法来验证带有打字类型的无类型列表?优选地,不包括检查作为数据类属性的任何列表,字典,元组或集合中的所有元素的类型.
解决方法:
您应该使用isinstance而不是检查类型相等性.但是你不能使用参数化泛型类型(typing.List [int])这样做,你必须使用“通用”版本(typing.List).因此,您将能够检查容器类型,但不能检查包含的类型.参数化泛型类型定义了一个__origin__属性,您可以使用该属性.
与Python 3.6相反,在Python 3.7中,大多数类型提示都有一个有用的__origin__属性.相比:
# Python 3.6
>>> import typing
>>> typing.List.__origin__
>>> typing.List[int].__origin__
typing.List
和
# Python 3.7
>>> import typing
>>> typing.List.__origin__
<class 'list'>
>>> typing.List[int].__origin__
<class 'list'>
值得注意的例外是打字.任何,打字.联盟和打字.ClassVar ……好吧,任何打字._SpecialForm都没有定义__origin__.幸好:
>>> isinstance(typing.Union, typing._SpecialForm)
True
>>> isinstance(typing.Union[int, str], typing._SpecialForm)
False
>>> typing.Union[int, str].__origin__
typing.Union
但是参数化类型定义了一个__args__属性,将其参数存储为元组:
>>> typing.Union[int, str].__args__
(<class 'int'>, <class 'str'>)
所以我们可以改进一下类型检查:
for field_name, field_def in self.__dataclass_fields__.items():
if isinstance(field_def.type, typing._SpecialForm):
# No check for typing.Any, typing.Union, typing.ClassVar (without parameters)
continue
try:
actual_type = field_def.type.__origin__
except AttributeError:
actual_type = field_def.type
if isinstance(actual_type, typing._SpecialForm):
# case of typing.Union[…] or typing.ClassVar[…]
actual_type = field_def.type.__args__
actual_value = getattr(self, field_name)
if not isinstance(actual_value, actual_type):
print(f"\t{field_name}: '{type(actual_value)}' instead of '{field_def.type}'")
ret = False
这并不完美,因为它不会考虑输入.ClassVar [typing.Union [int,str]]或者输入.例如,可以选择[typing.List [int]],但它应该开始.
接下来是应用此检查的方法.
而不是使用__post_init__,我会去装饰器路线:这可以用于任何带有类型提示的东西,而不仅仅是数据类:
import inspect
import typing
from contextlib import suppress
from functools import wraps
def enforce_types(callable):
spec = inspect.getfullargspec(callable)
def check_types(*args, **kwargs):
parameters = dict(zip(spec.args, args))
parameters.update(kwargs)
for name, value in parameters.items():
with suppress(KeyError): # Assume un-annotated parameters can be any type
type_hint = spec.annotations[name]
if isinstance(type_hint, typing._SpecialForm):
# No check for typing.Any, typing.Union, typing.ClassVar (without parameters)
continue
try:
actual_type = type_hint.__origin__
except AttributeError:
actual_type = type_hint
if isinstance(actual_type, typing._SpecialForm):
# case of typing.Union[…] or typing.ClassVar[…]
actual_type = type_hint.__args__
if not isinstance(value, actual_type):
raise TypeError('Unexpected type for \'{}\' (expected {} but found {})'.format(name, type_hint, type(value)))
def decorate(func):
@wraps(func)
def wrapper(*args, **kwargs):
check_types(*args, **kwargs)
return func(*args, **kwargs)
return wrapper
if inspect.isclass(callable):
callable.__init__ = decorate(callable.__init__)
return callable
return decorate(callable)
用法是:
@enforce_types
@dataclasses.dataclass
class Point:
x: float
y: float
@enforce_types
def foo(bar: typing.Union[int, str]):
pass
通过验证上一节中建议的某些类型提示,这种方法仍有一些缺点:
>使用字符串输入类型提示(类Foo:def __init __(self:’Foo’):pass)不会被inspect.getfullargspec考虑在内:您可能想要使用typing.get_type_hints和inspect.signature;
>未验证不合适类型的默认值:
@enforce_type
def foo(bar: int = None):
pass
foo()
不会引发任何TypeError.如果你想考虑到这一点,你可能想要将inspect.Signature.bind与inspect.BoundArguments.apply_defaults结合使用(从而迫使你定义def foo(bar:typing.Optional [int] = None));
>无法验证可变数量的参数,因为您必须定义类似def foo(* args:typing.Sequence,** kwargs:typing.Mapping)的内容,并且如开头所述,我们只能验证容器和不包含对象.
感谢@Aran-Fey帮我改进了这个答案.
内容总结
以上是互联网集市为您收集整理的验证python数据类中的详细类型全部内容,希望文章能够帮你解决验证python数据类中的详细类型所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。