Python 类型系统的能力边界

python的type()仅返回对象当前类，类型提示在默认解释器下纯属注释，不参与运行时检查；typing模块仅服务于静态分析工具和特定库（如dataclasses、pydantic）的反射解析。

Python 的 type 不是类型检查器

运行时 type(obj) 返回的是对象当前所属的类，它不参与类型标注、不约束赋值、也不影响执行逻辑。你写 def f(x: str) -> int:，Python 解释器完全无视这行——除非你额外引入 mypy 或 pyright 这类外部工具。

常见错误现象：以为加了类型提示就等于“编译时校验”，结果传入 list 却没报错；或者误以为 isinstance(x, List[int]) 能判断泛型实际元素类型（它不能，List[int] 在运行时只是 list）。

• type() 只反映实例的直接类，对继承链或协议（Protocol）无感知
• 类型提示（->、: 后面的内容）在默认解释器下纯属注释，连语法检查都不做
• 像 union[str, None] 这种，在运行时等价于 Object，无法靠 isinstance 检测

什么时候 typing 模块真起作用

typing 模块本身不改变行为，它的价值只在两个地方：静态分析工具能读取它，以及某些库（如 dataclasses、pydantic）会主动解析这些信息来生成验证逻辑。

使用场景举例：用 @dataclass 时，如果字段标注为 age: int，dataclasses 会在初始化时尝试调用 int() 转换；但这是库自己写的逻辑，不是 Python 类型系统赋予的能力。

立即学习“Python免费学习笔记（深入）”；

• Literal["a", "b"] 在 mypy 中可限制字面量，但运行时仍是普通字符串
• TypedDict 允许你在不定义类的前提下做键名和类型的结构化声明，mypy 能据此检查键是否存在，但 dict 本身不强制
• Generic[T] 的 T 在运行时被擦除，所有泛型类最终都变成 object 或其子类

isinstance 和 issubclass 能识别什么

它们只认“实打实的类对象”，对大多数 typing 构造的类型（比如 List[str]、Callable[[int], bool]）直接抛出 TypeError: isinstance() argument 2 cannot be a parameterized generic。

能安全用的只有：内置容器（list、dict）、抽象基类（collections.abc.Sequence）、以及显式注册过的类（Sequence.register(MyList)）。

• 想判断一个对象是否“像列表”，用 isinstance(x, collections.abc.Sequence)，别用 isinstance(x, List)
• Union、Optional、Literal 等全都不支持 isinstance，硬写会报错
• Python 3.10+ 的 match 语句支持结构匹配，但它匹配的是值/结构，不是类型提示

Pydantic 和 dataclasses 是怎么绕过限制的

它们不是依赖类型系统，而是靠在运行时反射读取 __annotations__ 字典，再手动实现转换与校验。换句话说：能力来自开发者写的代码，不是语言特性。

例如 pydantic.BaseModel 会遍历字段标注，发现 email: EmailStr 就调用对应校验函数；而 dataclasses.field(default_factory=list) 是靠装饰器把逻辑注入到 __init__ 中。

• 这类库的性能开销来自运行时解析和校验，不是类型系统本身带来的
• 如果你删掉所有类型标注，只要不碰 __annotations__，它们多数功能就直接失效
• 注意 from __future__ import annotations 会让所有标注变成字符串，必须配合 typing.get_origin() 和 typing.get_args() 才能安全提取信息

类型系统的真正边界在于：它不参与执行，不改变对象行为，也不提供运行时契约。所有“强类型感”都是工具链或库一层层叠出来的，不是 Python 自带的。