Python3.11以下版本如何用unittest断言类型注解？

核心思路 #

直接对比List[str]和type(dummy())会失败，因为type(dummy())返回的是运行时的list类型，而List[str]是静态泛型注解，并非运行时类型。要高效完成校验，需拆分容器类型和元素类型的检查逻辑，同时避免大数据集下的全量遍历。

具体实现 #

1. 提取函数返回类型注解 #

通过函数的__annotations__属性获取定义好的返回类型注解：

from typing import List
import unittest

def dummy() -> List[str]:
    return ["a", "b", "c"]

class TestTypeAssertions(unittest.TestCase):
    def test_dummy_return_type(self):
        # 获取函数的返回类型注解
        return_annotation = dummy.__annotations__["return"]
        result = dummy()

2. 容器与元素类型校验 #

利用Python3.8+官方提供的typing.get_origin和typing.get_args工具解析泛型类型，配合抽样检查元素类型：

from typing import get_origin, get_args

def test_dummy_return_type(self):
    return_annotation = dummy.__annotations__["return"]
    result = dummy()
    
    # 校验容器的原始类型（比如List对应的list）
    container_type = get_origin(return_annotation) or return_annotation
    self.assertEqual(type(result), container_type)
    
    # 校验元素类型：抽样检查而非全量遍历
    element_type = get_args(return_annotation)[0]
    if result:
        # 取前10个元素抽样，可根据需求调整样本量
        sample_size = min(10, len(result))
        for elem in result[:sample_size]:
            self.assertIsInstance(elem, element_type)
    else:
        # 空容器单独断言类型合规
        self.assertIsInstance(result, container_type)

3. 封装通用断言方法 #

将逻辑封装成TestCase的扩展方法，方便复用：

from typing import get_origin, get_args

class TypeAssertingTestCase(unittest.TestCase):
    def assert_return_type(self, func, expected_type, sample_size=10):
        result = func()
        # 处理非泛型类型（比如直接返回str的情况）
        origin_type = get_origin(expected_type) or expected_type
        self.assertIsInstance(result, origin_type)
        
        # 处理泛型容器类型
        args = get_args(expected_type)
        if args:
            element_type = args[0]
            if result:
                sample = result[:min(sample_size, len(result))]
                for elem in sample:
                    self.assertIsInstance(elem, element_type)

# 使用示例
class TestDummy(TypeAssertingTestCase):
    def test_dummy(self):
        self.assert_return_type(dummy, List[str])

高效性说明 #

• 抽样检查：大数据集下仅校验部分元素，大幅减少校验耗时，同时常规场景下足以检测类型异常（若元素类型不一致，抽样大概率能覆盖）。
• 官方工具依赖：get_origin和get_args是Python3.8+官方提供的泛型解析工具，比手动解析内部属性更可靠。

兼容低版本Python（3.7及以下） #

如果使用Python3.7，可手动替代get_origin和get_args：

def get_origin_compat(t):
    return getattr(t, "__origin__", t)

def get_args_compat(t):
    return getattr(t, "__args__", ())

只需将代码中的get_origin和get_args替换为上述兼容函数即可。

内容的提问来源于stack exchange，提问作者alphazwest