Python 3.10+兼容静态分析的类型容器/注册表类方案问询

背景约束 #

• 内部包必须遵循 from <package> import X 的导入规范
• 目标模块包含100+自定义类型
• 消费模块需要为目标模块的每种类型生成1:1对应逻辑，当前需导入大量类型，操作繁琐

现有两种方案的缺陷：

1. 导入整个包作为命名空间容器：违反项目导入规范
2. 用TypeAlias创建含100+属性的不可实例化类：代码重复冗余

解决方案 #

一、Python原生方案（推荐） #

核心思路是结合静态类型检查分支（TYPE_CHECKING）和动态属性获取（__getattr__），实现一个类型注册表类，既遵守导入规范，又让mypy等工具能正确推断类型，同时避免重复代码。

步骤1：目标类型模块（types_module.py）

存放所有自定义类型：

from typing import TypedDict

class User(TypedDict):
    id: int
    name: str

class Product(TypedDict):
    sku: str
    price: float

# 其他100+类型...

步骤2：类型注册表类（type_registry.py）

利用TYPE_CHECKING为静态分析工具提供明确的类型注解，运行时通过__getattr__动态获取类型，同时可以用脚本自动生成静态注解块（避免手动写100+属性）：

from typing import Any, TYPE_CHECKING

# 静态分析分支：给mypy提供明确的类型属性
if TYPE_CHECKING:
    from .types_module import (
        User,
        Product,
        # 此处可通过脚本自动生成所有类型的导入和赋值
    )

    class TypeRegistry:
        User = User
        Product = Product
        # 对应所有类型的属性声明

# 运行时分支：动态获取类型，避免代码冗余
else:
    class TypeRegistry:
        @classmethod
        def __getattr__(cls, name: str) -> Any:
            from .types_module import __dict__ as types_dict
            if name not in types_dict:
                raise AttributeError(f"TypeRegistry has no attribute '{name}'")
            return types_dict[name]

步骤3：消费模块使用

只需导入注册表类即可，mypy能正确推断类型：

from .type_registry import TypeRegistry

def process_user(user: TypeRegistry.User) -> None:
    print(user["name"])

def process_product(product: TypeRegistry.Product) -> None:
    print(product["sku"])

脚本生成静态注解块：针对100+类型，可编写简单Python脚本遍历types_module.py的成员，自动生成TYPE_CHECKING分支内的导入和属性声明，避免手动维护。

二、Pydantic 2方案 #

如果你的类型都是Pydantic模型，可直接利用Pydantic 2的模型注册表和类型增强能力，核心思路和原生方案一致，仅需调整注册表实现以适配Pydantic：

from typing import Any, TYPE_CHECKING
from pydantic import BaseModel

if TYPE_CHECKING:
    from .types_module import (
        UserModel,
        ProductModel,
        # 所有Pydantic模型类型
    )

    class PydanticTypeRegistry:
        UserModel = UserModel
        ProductModel = ProductModel

else:
    from pydantic._internal._model_registry import ModelRegistry

    class PydanticTypeRegistry:
        _registry = ModelRegistry()

        @classmethod
        def __getattr__(cls, name: str) -> type[BaseModel]:
            model = cls._registry.get(name)
            if not model:
                from .types_module import __dict__ as types_dict
                model = types_dict.get(name)
                if not model:
                    raise AttributeError(f"PydanticTypeRegistry has no attribute '{name}'")
            return model

消费时用法和原生方案完全一致，Pydantic会自动处理模型的类型校验和推断。

关键说明 #

• 两种方案均符合from <package> import X的导入规范，消费模块仅需导入注册表类
• 静态分析工具（如mypy）通过TYPE_CHECKING分支的明确注解实现类型推断，运行时通过动态获取避免代码冗余
• 针对100+类型的场景，脚本生成静态注解块是核心，可大幅降低维护成本

内容的提问来源于stack exchange，提问作者pstatix