如何解决Pylance类型检测错误与自定义装饰器的冲突？

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！