Python开发中，静态类型检查工具（如PyLance）经常会与自定义装饰器产生类型检查错误或警告。本文将通过一个示例，演示如何解决PyLance在自定义装饰器中报告的类型不匹配问题。
问题示例:
以下代码片段展示了一个自定义装饰器execute和被装饰的函数query_data_source：
def execute(func):
def inner_wrapper(*args, **kwargs) -> result[any]: # 问题所在
with session.begin() as session:
result = session.execute(func(*args, **kwargs))
return result
return inner_wrapper
@execute
def query_data_source(
start_id: int = 1, max_results_amount: int = 10
) -> select: # PyLance认为此处返回类型为select
stmt = (
select(
datasource.id,
datasource.name,
datasource.source_url,
datasource.author,
datasource.description,
datasource.cover_image_url,
datasource.start_date,
datasource.end_date,
)
.where(datasource.id >= start_id)
.limit(max_results_amount)
.order_by(datasource.id)
)
return stmt
运行时该代码没有问题，但PyLance会警告query_data_source的返回类型不匹配，因为它推断出execute装饰器改变了返回类型为result[any]。
解决方案:
为了解决此问题，我们需要在装饰器定义中添加更精确的类型提示，明确装饰后函数的返回类型。修改后的代码如下：
from typing import Callable, Any
def execute(func: Callable[..., Result]) -> Callable[..., Result]: # 添加类型提示
def inner_wrapper(*args, **kwargs) -> Result[Any]:
with Session.begin() as session:
result = session.execute(func(*args, **kwargs))
return result
return inner_wrapper
通过在execute装饰器中添加Callable[..., Result]类型提示，我们告诉PyLance装饰后的函数返回Result类型。 ...表示参数数量和类型不确定，Result假设是自定义类型或已导入的类型。 这解决了PyLance的类型检查错误，并确保类型信息准确无误。
此方法适用于许多自定义装饰器的类型检查问题。 通过添加合适的类型提示，可以有效地与类型检查工具协同工作，提高代码质量和可维护性。 记住根据你的实际情况替换Result和session为你的代码中使用的实际类型和对象。
以上就是如何解决Pylance类型检测错误与自定义装饰器的冲突？的详细内容，更多请关注知识资源分享宝库其它相关文章！
发表评论:
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。