使用类型提示和isinstance()可有效校验Python函数参数类型，提升代码健壮性与可读性，防止运行时错误。
直接用类型检查确保Python函数接收到预期的数据类型，能减少运行时错误，提升代码健壮性。
Python函数参数类型校验的入门技巧
为什么要在Python函数中进行参数类型检查？
类型检查就像给你的代码加了一层防护网。想象一下，你的函数需要处理数字，但用户却输入了文本。如果没有类型检查，你的程序可能会崩溃，或者返回意想不到的结果。类型检查能帮助你及早发现这些问题，让你的代码更加可靠。而且，它还能提升代码的可读性，让其他开发者更容易理解你的函数期望什么类型的数据。
具体来说，Python作为一种动态类型语言，在运行时才会进行类型检查。这意味着，如果你的函数接收到了错误类型的参数，你可能直到程序运行到那一行代码时才会发现问题。这在大型项目中尤其麻烦，因为你可能需要花费大量时间来调试。
立即学习“Python免费学习笔记（深入）”；
如何在Python 3.x中使用类型提示进行参数类型检查？
Python 3.x引入了类型提示（Type Hints），允许你指定函数参数和返回值的类型。这虽然不是强制性的，但可以被类型检查工具（如MyPy）用来静态地检查你的代码。
例如：
def add(x: int, y: int) -> int:
return x + y
print(add(1, 2)) # 输出 3
print(add("1", "2")) # 运行时不会报错，但MyPy会警告这里，
x: int和
y: int指定了
x和
y应该是整数，
-> int指定了函数应该返回一个整数。虽然Python解释器本身不会强制执行这些类型提示，但MyPy等工具可以帮助你在运行代码之前发现类型错误。
如果你运行
mypy your_file.py，MyPy会告诉你
add("1", "2") 这一行存在类型错误。
如何使用isinstance()
进行运行时类型检查？
除了类型提示，你还可以使用
isinstance()函数在运行时检查参数的类型。这是一种更直接的方法，可以在函数内部立即验证参数是否符合预期。
def process_data(data):
if not isinstance(data, list):
raise TypeError("Data must be a list")
for item in data:
if not isinstance(item, int):
raise TypeError("All items in the list must be integers")
# 在这里处理数据
print("Data is valid:", data)
process_data([1, 2, 3]) # 输出 Data is valid: [1, 2, 3]
process_data([1, "2", 3]) # 抛出 TypeError: All items in the list must be integers
process_data(123) # 抛出 TypeError: Data must be a list这段代码首先检查
data是否是一个列表，然后检查列表中的每个元素是否是整数。如果任何一个检查失败，它会抛出一个
TypeError异常，阻止函数继续执行。
如何结合类型提示和isinstance()
来增强类型检查？
你可以将类型提示和
isinstance()结合起来，既利用类型提示进行静态类型检查，又使用
isinstance()进行运行时类型检查，从而获得双重保障。
def calculate_average(numbers: list[int]) -> float:
if not isinstance(numbers, list):
raise TypeError("Input must be a list")
if not all(isinstance(x, (int, float)) for x in numbers):
raise TypeError("All elements in the list must be numbers")
if not numbers:
return 0.0 # 避免除以零
return sum(numbers) / len(numbers)
print(calculate_average([1, 2, 3, 4, 5])) # 输出 3.0
print(calculate_average([1, 2, "3", 4, 5])) # 抛出 TypeError: All elements in the list must be numbers在这个例子中，
numbers: list[int]告诉MyPy
numbers应该是一个整数列表。同时，
isinstance()检查确保在运行时
numbers确实是一个列表，并且列表中的所有元素都是数字（整数或浮点数）。
如何处理更复杂的类型，例如自定义类？
当你的函数需要处理自定义类的实例时，你可以使用
isinstance()来检查参数是否是该类的实例。
class Dog:
def __init__(self, name: str, age: int):
self.name = name
self.age = age
def greet_dog(dog: Dog):
if not isinstance(dog, Dog):
raise TypeError("Input must be a Dog object")
print(f"Woof! My name is {dog.name} and I am {dog.age} years old.")
my_dog = Dog("Buddy", 3)
greet_dog(my_dog) # 输出 Woof! My name is Buddy and I am 3 years old.
greet_dog("Buddy") # 抛出 TypeError: Input must be a Dog object这里，
greet_dog函数期望接收一个
Dog类的实例。
isinstance(dog, Dog)检查确保传入的参数确实是
Dog类的一个实例。
如何使用Union
类型提示来允许函数接受多种类型的参数？
有时候，你可能希望你的函数能够接受多种类型的参数。这时，你可以使用
Union类型提示来指定函数可以接受的类型。
from typing import Union
def process_value(value: Union[int, str]):
if isinstance(value, int):
print("Processing integer:", value * 2)
elif isinstance(value, str):
print("Processing string:", value.upper())
else:
raise TypeError("Value must be an integer or a string")
process_value(10) # 输出 Processing integer: 20
process_value("hello") # 输出 Processing string: HELLO
process_value(10.5) # 抛出 TypeError: Value must be an integer or a string在这个例子中，
value: Union[int, str]告诉MyPy
value可以是一个整数或一个字符串。在函数内部，我们使用
isinstance()来检查
value的实际类型，并根据类型执行不同的操作。
还有其他更高级的类型检查技巧吗？
当然。你可以使用
typing模块中的其他类型提示，例如
Optional、
List、
Dict等，来更精确地指定参数的类型。你还可以使用自定义类型别名来简化复杂的类型提示。
此外，你还可以使用第三方库，如
pydantic或
attrs，它们提供了更强大的数据验证和序列化功能。这些库可以帮助你定义数据模型，并自动进行类型检查和数据验证。
例如，使用
pydantic：
from pydantic import BaseModel, ValidationError
class User(BaseModel):
id: int
name: str
signup_ts: Optional[datetime] = None
friends: List[int] = []
try:
user = User(id='123', name='John Doe')
except ValidationError as e:
print(e)
# 输出
# 1 validation error for User
# id
# value is not a valid integer (type=type_error.integer)pydantic会自动验证
id是否为整数，如果不是，则会抛出
ValidationError。
总而言之，Python提供了多种方法来进行参数类型检查，从简单的
isinstance()到更高级的类型提示和第三方库。选择哪种方法取决于你的具体需求和项目的复杂程度。记住，类型检查是提高代码质量和可靠性的重要一步。
