基本上，Python是一門動態定型語言，然而，從Python 3.5開始，加入了型態提示（Type Hints），到了3.6，則將暫定（provisional）狀態的typing模組，正式納入標準API，並增加註解區域變數型態的特性。
在Python中能宣告型態，已不是新聞，既然如此，何妨深入一下呢？
直譯器忽略型態提示？
在先前專欄〈思考Python的型態提示〉以及〈Type Hints的野心〉，曾經談過Python中為何加入型態提示，以及相對於動態定型語言來說，型態提示還具有什麼樣的可能性。
相信許多開發者，也已經或多或少地，在專案中使用型態提示的功能了，那麼，可曾想過，為什麼使用型態提示時，通常還要搭配typing模組，而且，它還是在Python 3.6之後，才正式成為標準API？
這表示它就是個模組程式庫，而不是語法嗎？
為什麼型態標註不能直接使用內建型態？
當然，在簡單的情況下，使用內建的型態，其實就足夠了。
以Python 3.6為例，如果想限定區域變數只能指定字串，我們可以撰寫name: str = 'Justin'，開發者能使用int、str、list、set、dict等內建型態來標註變數型態，實際上，在自定義的類別當中，像是若有個User類別，也可以user: User = User('Justin')來進行這樣的標註。
問題在於，想要進一步地，限定list中只能有int呢？查看型態提示相關的說明或教學文件，基本上，都說要from typing import List，然後使用names: List[str]的方式進行標註。但如果沒有typing模組，是否還能進行標註呢？names: list[str]是行不通的，因為使用python直譯器執行時，就會出現'type' object is not subscriptable了。
嗯？python直譯器不是會忽略型態提示嗎？這並不是完全正確的答案，因為，冒號左邊的標註是會被執行的！
實際上，標註型態時，冒號右邊必須是個type實例，或者說必須傳回type實例，該實例提供了必要的型態資訊，如果願意，對於下列這類標註型態變數，python直譯器也是會忽略型態標註：
def Str():
return str
x: Str() = 'Justin'
深入typing模組
不過，Str()並不是型態提示規範中預期的協定，因此僅僅是python直譯器忽略罷了，若是使用mypy進行型態檢查，則會出現invalid type comment or annotation的錯誤，因為，mypy預期必須是[]的標註方式。
熟悉Python的開發者，此時，應該馬上就會想到[]與__getitem__這特殊的方法掛鉤之間的關係，可以用來標註型態的物件，必然實作了__getitem__，而some[xxx]的結果，必然是傳回類型實例，一個單純的範例就是：
class Foo:
def __getitem__(self, type):
return type
foo = Foo()
x: foo[str] = 'Justin'
這會使得mypy的錯誤訊息轉而變成Invalid type，當然！因為被傳回的類型實例，必須提供相關的型態資訊，以供mypy之類的工具提取資訊進行型態檢查，因而還有其他相關協定必須實作，不過，有了這樣的出發點，接著，就可以開始探索typing模組的原始碼了。
在typing模組的原始碼中，有個值得特別注意的get_type_hints函式，其docstrings中寫到，基本上與obj.__annotations__作用相同，__annotations__是用來獲得標註資訊的，例如，若在模組層級撰寫了name: str = 'Justin'，那麼，透過模組實例的__annotations__，例如globals()['__annotations__']，就可以取得{'name': <class 'str'>}資訊。
透過typing模組的get_type_hints函式，還可以指定作用範圍，因而能更方便地指定模組、類別、函式等實例，從而取得被標註的類型。
例如，若有個函式def add(n1: int, n2: int) -> int，透過typing.get_type_hints(add)，可以取得# -> {'n1': <class 'int'>, 'n2': <class 'int'>, 'return': <class 'int'>}這樣的資訊。
執行時期型態驗證
等等！無論是透過__annotations__，或者是透過get_type_hints函式，這些不都是執行時期出現的行為嗎？
沒錯！這也就表示，型態標註資訊本身，不僅僅只能用於靜態時期分析，也可以用於執行時期檢查，例如，可以實作一個check_args函式：
def check_args(obj, **kwargs):
for name, type in get_type_hints(obj).items():
if name != 'return' and not isinstance(kwargs[name], type):
raise TypeError(f'{name} is not of type {type}')
def add(n1: int, n2: int) -> int:
check_args(add, n1 = n1, n2 = n2)
return n1 + n2這麼一來，add(1, 2)可以順利執行，然而像是add(1, '2')，就會出現TypeError: n2 is not of type <class 'int'>的錯誤訊息。
當然，如果覺得在函式中，還要特地呼叫check_args的方式很不自然，也許就設計個@type_check裝飾器（可參考https://goo.gl/94Zwjv），如此一來，就可以使用標註來決定，是否在執行時期進行型態檢查：
@type_check
def add(n1: int, n2: int) -> int:
return n1 + n2
型態提示的趣味用法
簡單來說，Python的型態提示，並不只是用在靜態時期分析，在執行時期也可以獲取被標註的型態資訊，從而可以透過型態提示來進行執行時期型態檢查。
既然如此，過去為了模擬靜態定型語言的一些特性，而使用了動態時期型態檢查的作法，就有可能透過型態提示來完成，並且令撰寫上更自然，甚至接近靜態定型語言的寫法。
例如，動態定型語言基本上無法重載，然而有個overloading.py（https://goo.gl/wn45dp）專案，可以搭配型態提示語法，在語法外觀與實質效用上，達到重載的效果；而在Python 3.6標準typing模組中，也有個overload可以使用。
另外，還有pydantic（https://goo.gl/Hyhjcp），可以搭配型態提示來對外部資料進行驗證。
當然，上述這些都是執行時期的行為。
在剛開始運用型態提示時，from typing import xxx這動作看似平常，然而，在懷疑為何這動作是必要之後，其實可以引發一連串有趣的探討，有機會的話，挖挖看typing模組的原始碼，以及其他有創意的開放原始碼程式庫，或許可以發現，甚至發明更多型態提示趣味且實用的成品。
.jpg)
.png)
.png)
