Python类型检查推荐静态检查（mypy）为主，辅以关键点运行时检查；mypy零开销但无法捕获动态错误，assert/isinstance适合边界验证，pydantic/typeguard适用于结构化数据校验，不建议手动实现动态类型检查。
Python 默认不进行运行时类型检查，但可以通过多种方式实现——关键看你的需求场景和接受的开销程度。
用 typing + type checkers（如 mypy）做静态检查
这是最主流、推荐的方式：在代码运行前发现类型问题，零运行时开销。
- 给函数加类型注解，例如：
def greet(name: str) -> str: - 安装 mypy：
p
ip install mypy
- 运行
mypy your_script.py，它会报告类型不匹配（比如传了int给期待str的参数） - 注意：mypy 不运行代码，只分析源码；它不会捕获运行时动态构造的类型错误（如用户输入、JSON 解析结果）
用 assert 或 isinstance 手动做轻量运行时检查
适合关键路径或外部输入验证，简单直接，但需自己写、易遗漏、有性能成本。
- 例如：
assert isinstance(x, int), "x must be int" - 或更严谨：
if not isinstance(data, dict): raise TypeError("Expected dict") - 建议只在边界处检查（如函数入口、API 输入、配置加载后），避免在循环内部反复判断
用 pydantic 或 dataclasses + typeguard 做结构化运行时校验
当你处理字典、JSON、配置或需要自动转换+验证时特别有用。
- Pydantic 模型定义字段类型，实例化时自动检查并报错：
class User(BaseModel): age: int，传{"age": "25"}会转成 int；传{"age": None}则抛ValidationError -
typeguard可装饰函数，实时检查参数/返回值类型：@typechecked，支持复杂类型（如list[str]），但有明显运行时开销
不建议依赖 __annotations__ + exec + eval 动态检查
有人尝试手动读取类型注解并在运行时用 isinstance 校验，但容易出错：
- 泛型（
list[int]）无法直接用于isinstance - 联合类型（
int | str）需特殊处理 - 嵌套结构、可选字段、默认值逻辑复杂，重复造轮子且难维护
- 已有成熟库（如 pydantic、typeguard）已解决这些问题，没必要自己实现
是否需要运行时检查，取决于你对健壮性、开发效率和性能的权衡。多数项目用 mypy 静态检查 + 关键入口点手动 isinstance 就够用；高可靠*务（如 API 后端）倾向用 pydantic 全面接管输入输出校验。
