PyLance类型检查与自定义装饰器冲突的解决方法
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。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
