typing
Python的typing包是从Python 3.5版本引入的标准库，它提供了类型提示和类型注解的功能，用于对代码进行静态类型检查和类型推断。typing模块中定义了多种类型和泛型，以帮助开发者代码的可读性、可维护性和可靠性。
省流：增强编辑器的代码检查和代码提示功能
本文仅介绍 typing 模块中相对常用的东西，当你看到这篇文章，可能typing已经更新出了新东西，建议阅读本篇文章之后，看看 Python 官方文档 作为补充。
类型解注，需要IDE支持才能发挥作用，实测 Pycharm 的支持程度比 VsCode 要好。
效果
最直观的效果，就是告诉编辑器这个变量是属于什么类型的，这样他就会弹出类型相应的代码提示了。
这样可以避免很多因为拼写错误导致的error。
before:
after:
注解(术语解释)
解注 一词在Python官方文档中出现，意思就是对 Python 的对象类型进行标注，是较为官方和正统的说法
基本使用
对于普通开发者（只会用轮子的人），掌握基本用法足矣。
typgin模块在3.7版本中已经较好支持，但是一些更高级的功能需要在3.9以上实现，版本越高，对typing的支持程度更好。
目前基本每一个大版本都有对typing支持的更新。
本文写于 Python 3.11 版本，以下所有写法对于低版本的兼容性请自行检查。
对变量进行注解
在注解的同时赋值变量
# 如果被复制的变量是已知类型的，那么可以省略
var_name: int = 1 # 可以省略注解，编辑器会自动识别 var_name 为 int
var_name: float = other_unknown_type_var
也可以只解注类型，不给变量赋值
但是需要注意，如果未给变量赋值，就引用，将会抛出错误
# 常见用法
session: AsyncSession
with sessionmaker as session:
...
# 常见用法
name: str
idx: int
for idx, name in items:
...
# 错误用法：只解注，但是还未赋值就使用
var_name: int
print(var_name)
# >>> NameError: name 'var_name' is not defined
Optional 和 Union
Optional 通常用于解注某个对象是可选的，而 Union 在官方文档中的解释为联合类型，意思就是允许接受多个类型。
from typing import Union, Optional
param: Optional[int]
# 可选的int类型
param: Union[int, float]
# 可以为 int 也可以为 float
param: Optional[Union[int, float]]
# 可选的，可以为int或float
Option[Union[int, float]] ~= Union[int, float, None]
# 其实这两者在效果上是等价的
在 Python >= 3.11 中，允许使用 或运算符( | ) 代替 Union
param: int | float | None
# 效果等价于
param: Optional[Union[int, float]]
# 效果等价于
param: Union[int, float, None]
不过，在今天（2023年） 3.11 版本还是有点太新了，很多 Linux 发行版的包管理依旧还在使用 Python 3.8，建议使用比较兼容的旧版写法。
函数中的注解
在函数中，可以给函数的参数或返回值做解注.
Optional 和 Union 的用处就在这里体现
from typing import Union, Optional
def some_func(arg1: int, arg2: Union[float], arg3: Optional[str] = None) -> int:
...
对于函数 参数 的解注，与上文对变量进行解注的方法一致。
对于函数 返回值 的解注，需要在括号之后，冒号之前，使用 -> type 进行解注。当然的，Union, Optional 对于返回值的解注也同样适用。
特殊的类型
你可能注意到，我们直接使用python的内置关键字 int, float, str，对变量类型进行解注，那么对于其他类型，例如 list 和 dict 是否同样如此呢？
是，但不完全是
标注基本类型（包括：int, float, str, bool, bytes, None）是可以的。但是，如果想要原生解注其他高级类型(list, dict, tuple, ...)，需要高版本Python的支持。（>= 3.9）
对于低版本的 Python，需要在 typing 模块中导入对应的model。
List
from typing import List
l: List[int] = [] # 旧版本
l: list[int] = [] # >= cpython 3.9
# 此处标注了一个内容只有int类型的列表
# 区别在于，高版本python可以直接使用 list 关键字进行解注。
# 而较低版本的 python 需要从 typing 模块中引入 List 模型进行解注。
# 解注一个可以同时拥有 int 和 float 的 list
l: List[int, float]
Dict
from typing import Dict, Union, List
from uuid import UUID
d: Dict[str, str]
# 标注一个key类型为str，value类型也为str的字典
d: dict[str, str]
# 高版本python适用写法
d: dict[UUID, Union[str, Dict, List]]
# 标注一个key的值为UUID类型，value的值可为 str, Dict, List 类型的字典
# 总结，字典类型第一个参数为 Key 类型，第二个参数为 Value 的类型
将 Class 作为类型
python 允许将 class 作为类型，可以享受代码补全功能。
class Demo:
# 成员需要在 class-scope 解注
data: Dict[str, int]
def demo_1(self):
...
def demo_2(self):
...
配合dataclasses使用
from dataclasses import dataclass, field
from typing import Optional
@dataclass
class Person:
name: str
age: int
job: Optional[str] = field(default=None)
address: Optional[str] = field(default=None)
print(Person("John", 30))
未解析引用问题
有时候，我们可能会设计一些带有嵌套结构的数据，这在ORM中十分常见。但是由于Python的顺序解析特性，可能会报错，如图：
由于 Company 在 Person 之后才被定义，所以在 Person 中引用 Company 是不被允许的。
遇到这种情况，我们可以用 引号 将类型包裹，编辑器照样可以提示，而且代码在执行过程中不会报错。
常见的另一种情况：
class Node:
parent: Optional["Node"] = None
children: List["Node"] = field(default_factory=list)
循环导入问题
有时候，我们在设计数据模型的时候，可能会将不同的模型分散在不同的文件之中，但是这两个模型又会如上面一样互相嵌套引用。
这个时候，我们可以借助 typing 的 TYPE_CHECKING 常量来做检查。
# person.py
import typing
if typing.TYPE_CHECKING:
from .company import Company
@dataclass
class Person:
name: str
age: int
job: Optional[str] = field(default=None)
address: Optional[str] = field(default=None)
company: Optional["Company"] = field(default=None)
# company.py
import typing
if typing.TYPE_CHECKING:
from .person import Person
@dataclass
class Company:
name: str
address: str
employees: list["Person"] = field(default_factory=list)
这个例子中，Person 和 Company 分布在不同的文件中，并且这两个文件相互导入引用。
如果不使用 if typing.TYPE_CHECKING: 就直接导入，那么此时就会因为循环导入产生错误。
TYPE_CHECKING 只有在编辑器获取类型提示信息时才会为 True，并且不会因为循环导入产生错误。
但是，请注意
===============================
注意！注意！注意！注意！注意！
你使用 TYPE_CHECKING 导入的任何对象，只能作为注解使用，不可以真的去使用这些对象，因为这些对象只有在编辑器检查的阶段才会被导入，并且，在使用这些类型作为解注时，必须使用 引号 包裹。否则在真正的代码业务执行时，就会抛出 NameError: xxx is not defined
@dataclass
class Company:
name: str
address: str
# 错误：
employees: list[Person] = field(default_factory=list)
# 正确：
employees: list["Person"] = field(default_factory=list)
===============================
类型检查
如果你想检查一个对象到底是什么类型，可以使用python的 isinstance() 函数，并且编辑器会根据你的代码自动进行类型收缩。
顺便讲一下关于 isinstance(a, b) 的原理。此处的 a 必须为由 class 派生的对象，b 为用于比较的 class, 如果 b 等于 a 所派生的 class，或者是其父类，则会返回 True。
class Base:
...
class A(Base):
...
class B(Base):
...
data = A()
isinstance(data, A)
# A 是 data 的 class，为 True
# >>> True
isinstance(data, Base)
# Base 是 data 的 class 的父类，为 True
# >>> True
isinstance(data, B)
# 虽然B也继承了Base，但是 B 不是 data 的 class，为 False
# >>> False
