Python静态类型解析工具简介和实践

发表于 3年以前 | 总阅读数：232 次

一背景

Python是一门强类型的动态类型语言，开发者可以给对象动态指定类型（动态），但类型不匹配的操作是不被允许的（强类型，如str和int两个变量无法相加）。动态类型帮助开发者写代码轻松愉快，然而，俗话说：动态一时爽，重构火葬场。动态类型也带来了许多麻烦，如果动态语言能加入静态类型标记的话，主要有以下几点好处：

编写更便捷。配合各种IDE工具，可以实现定义跳转，类型提示等。
编码更可靠。既然有了类型定义的加持，许多工具能够在静态编码阶段就能提前发现语义错误。
重构更放心。明确了接口的出入参，使代码重构更明确更稳定。

目前主流语言大多数是支持静态类型的，如Java，Go，Rust。而动态语言（Python，JS）也在拥抱静态类型，如TypeScript。本文主要介绍一下Python对静态类型的支持、社区发展的现状、类型检查工具介绍与对比，以及类型解析的实战。

二 Python的静态类型支持

早在06年的Python3.0就引入了类型annotation的语法，并列出了许多改进项。

# 加类型前
def add(a, b):
    return a + b

# 加类型后
def add(a:int, b:int) -> int:
    return a + b

随着持续的演进，到Python3.5，能够做到Type Hints，配合类型标注，IDE可以做Type Checking。

进而到Python3.7，静态类型支持基本完善。

下面我来具体介绍下类型检查工具和一些基础概念。 三类型检查工具简介 Python作者和主流大厂都陆续推出了Python类型检查工具（部分介绍引自网络）：

这些类型解析工具的功能大同小异，下面简单介绍下：

1 mypy

最早的官方推出的mypy是由Python之父Guido van Rossum亲自开发，被各种主流编辑器所集成（如PyCharm, Emacs, Sublime Text, VS Code等），用户基础和文档经验都很丰富。

2 pytype

谷歌的pytype可以做类型检查，并且提供了一些实用小工具，下文会简单介绍下其应用：

annotate-ast，过程中的AST树标记工具。
merge-pyi，把生成的pyi文件合并回原文件中，甚至还能做到隐藏类型，在类型检查时再加载。
pytd-tool，解析pyi文件的工具，解析成pytype自定义的PYTD文件。
pytype-single，再给定所有依赖的pyi文件的前提下，可以解析单个Python文件。
pyxref，交叉引用的生成器。

3 pyre

脸书的pyre-check有两个特别的功能：

Watchman功能，可以监听代码文件，追踪改动。
Query功能，可以对源码做局部区域性的检查，例如查询某行中一个表达式的类型、查询一个类的全部方法并返回成列表等，避免了全局检查。

4 pyright 微软的pyright是最晚开源推出的，宣称有以下优点：

速度快。相较于 mypy 及其它用 Python 写的检查工具，它的速度是 5 倍甚至更多。
不依赖 Python 环境。它用 TypeScript 写成，运行于 node 上，不依赖 Python 环境或第三方包。
可配置性强。支持自由地配置，支持指定不同的运行环境（PYTHONPATH 设置、Python 版本、平台目标）。
检查项齐全。支持类型检查及其它语法项的检查（如 PEP-484、PEP-526、PEP-544），以及函数返回值、类变量、全局变量的检查，甚至可以检查条件循环语句。
命令行工具。它包含两个 VS Code 插件：一个命令行工具和一个语言服务器协议（Language Server Protocol）。
内置 Stubs 。使用的是 Typeshed 的副本（注：使用静态的 pyi 文件，检查内置模块、标准库和三方件）。
语言服务特性。悬停提示信息、符号定义的跳转、实时的编辑反馈。

四 Pytype使用介绍

接下来重点介绍一下pytype。为什么选取pytype呢，首先mypy比较古老，很多功能没有新出的工具新颖和实用。计划使用Python LSP来处理Python文件提供一些语法服务的功能，pyre-check用的是Ocamel，所以我们就拿Python语言的pytype来实现想要的功能，而且pytype提供了一些实用工具，比如解析一个pyi文件，基于Python文件生成pyi文件等。

1 基本概念

pyi文件

pyi的“i”指的是interfiace，将Python文件的类型定义用接口的形式存储到pyi文件里，来辅助类型检查。

大家常用的Pycharm，可以关注下项目空间的External Libraries > Python 3.6 > Typeshed Stubs里面就有许多内置的pyi文件，来辅助编码过程的类型提示和定位。

Typeshed Stubs

上面提到了typeshed stubs，这相当于是提前集成的pyi集合，pycharm似乎自己维护了一份数据。许多比较大的开源项目也在陆续提供stubs，比如pyTorch。Tensorflow也正在考虑。

很多Python大库去制作pyi工程量比较大，而且还有很多C的API调用，大家还需要耐心等待。

2 实战

我翻阅了pytype的源码，把比较实用的代码和需求做了结合，下面介绍几个示例：

总体效果

import logging
import sys
import os
import importlab.environment
import importlab.fs
import importlab.graph
import importlab.output
from importlab import parsepy

from sempy import util
from sempy import environment_util

from pytype.pyi import parser

示例Demo，通过Importlab工具，解析项目空间的依赖关系，以及对应的pyi文件：

def main():
    # 指定要解析的目录
    ROOT = '/path/to/demo_project'
    # 指定TYPESHED目录，可以从这里下载：https://github.com/python/typeshed
    TYPESHED_HOME = '/path/to/typeshed_home'
    util.setup_logging()
    # 载入typeshed，如果TYPESHED_HOME配置的不对，会返回None
    typeshed = environment_util.initialize_typeshed_or_return_none(TYPESHED_HOME)
    # 载入目标目录有效文件
    inputs = util.load_all_py_files(ROOT)
    # 生成用于生成import_graph的环境
    env = environment_util.create_importlab_environment(inputs, typeshed)
    # 基于pyi和工程文件生成import graph
    import_graph = importlab.graph.ImportGraph.create(env, inputs, trim=True)
    # 打印整个依赖树
    logging.info('Source tree:\n%s', importlab.output.formatted_deps_list(import_graph))
    # import模块的别名 e.g. import numpy as np -> {'np': 'numpy'}
    alias_map = {}
    # 引入模块的名称和具体pyi文件的映射 e.g. import os -> {'os': '/path/to/os/__init__.pyi'}
    import_path_map = {}
    # alias_map的value，可以和import_path_map的key对应，通过alias_map的key这个变量名去找真正的实现文件
    for file_name in inputs:
        # 如果有pyi文件匹配，则会放入resolved
        # 如果依赖了Build_in依赖，会被跳过，不返回
        # 如果依赖了自定义依赖，会放入unresolved，需要自己进一步解析，定位到项目工程文件
        (resolved, unresolved) = import_graph.get_file_deps(file_name)
        for item in resolved:
            item_name = item.replace('.pyi', '') \
                .replace('.py', '') \
                .replace('/__init__', '').split('/')[-1]
            import_path_map[item_name] = item
        for item in unresolved:
            file_path = os.path.join(ROOT, item.new_name + '.py')
            import_path_map[item.name] = file_path
        import_stmts = parsepy.get_imports(file_name, env.python_version)
        for import_stmt in import_stmts:
            alias_map[import_stmt.new_name] = import_stmt.name
    print('以下为通过importlab解析方式获取的import关系\n\n')

    # 对于代码搜索场景，只需要alias_map，既可以通过正在使用的对象关联到引入的模块
    print('\n\n#################################\n\n')
    print('对于代码搜索场景，只需要alias_map，既可以通过正在使用的对象关联到引入的模块')
    print('alias_map: ', alias_map)

    # 对于代码补全场景，需要进一步解析当前文件以及引用的pyi文件，如果当前文件是__init__文件，则要进一步去该目录下的所有文件方法中全局搜索
    print('\n\n#################################\n\n')
    print('对于代码补全场景，需要进一步解析当前文件以及引用的pyi文件，如果当前文件是__init__文件，则要进一步去该目录下的所有文件方法中全局搜索')
    print('import_path_map: ', import_path_map)

    print('\n\n\n以下为通过pytype工具，解析pyi文件AST来分析三方依赖返回类型，从而解析出当前变量的类型\n\n')
    # 通过pytype的解析，去解析依赖的pyi文件，获得调用方法的返回值
    fname = '/path/to/parsed_file'
    with open(fname, 'r') as reader:
        lines = reader.readlines()
    sourcecode = '\n'.join(lines)
    ret = parser.parse_string(sourcecode, filename=fname, python_version=3)

    constant_map = dict()
    function_map = dict()
    for key in import_path_map.keys():
        v = import_path_map[key]
        with open(v, 'r') as reader:
            lines = reader.readlines()
        src = '\n'.join(lines)
        try:
            res = parser.parse_pyi(src, v, key, 3)
        except:
            continue
        # Alias
        # Classes
        for constant in res.constants:
            constant_map[constant.name] = constant.type.name
        for function in res.functions:
            signatures = function.signatures
            sig_list = []
            for signature in signatures:
                sig_list.append((signature.params, signature.return_type))
            function_map[function.name] = sig_list

    var_type_from_pyi_list = []
    for alias in ret.aliases:
        variable_name = alias.name
        if alias.type is not None:
            typename_in_source = alias.type.name
            typename = typename_in_source
            # 引入别名的case，把它转化回来
            if '.' not in typename:
                # 只是普通的别名，不是函数调用的返回值，忽略
                continue
            if typename.split('.')[0] in alias_map:
                real_module_name = alias_map[typename.split('.')[0]]
                typename = real_module_name + typename[typename.index('.'):]
            if typename in function_map:
                possible_return_types = [item[1].name for item in function_map[typename]]
                var_type_from_pyi_list.append((variable_name, possible_return_types))
            if typename in constant_map:
                possible_return_type = constant_map[typename]
                var_type_from_pyi_list.append((variable_name, possible_return_type))
                pass
    print('\n\n#################################\n\n')
    print('这些都是从PYI文件中分析出来的返回值类型')
    for item in var_type_from_pyi_list:
        print('变量名:', item[0], '返回类型:', item[1])

if __name__ == '__main__':
    sys.exit(main())

被解析的示例代码：

# demo.py
import os as abcdefg
import re
from demo import utils
from demo import refs


cwd = abcdefg.getcwd()
support_version = abcdefg.supports_bytes_environ
pattern = re.compile(r'.*')


add_res = utils.add(1, 3)
mul_res = refs.multi(3, 5)


c = abs(1)

具体步骤 首先pytype利用了Google另一个开源项目：ImportLab。

用于分析文件间的依赖关系，此时可以把typeshed目录下的文件也放入环境中，importlab能够生成依赖图。

env = environment_util.create_importlab_environment(inputs, typeshed)
import_graph = importlab.graph.ImportGraph.create(env, inputs, trim=True)
# 如果有pyi文件匹配，则会放入resolved
# 如果依赖了Build_in依赖，会被跳过，不返回
# 如果依赖了自定义依赖，会放入unresolved，需要自己进一步解析，定位到项目工程文件
(resolved, unresolved) = import_graph.get_file_deps(file_name)

通过import graph我们拿到了变量的来源（包括引用别名，方法调用返回值）：

{'ast': 'ast', 'astpretty': 'astpretty', 'abcdefg': 'os', 're': 're', 'utils': 'demo.utils', 'refs': 'demo.refs', 'JsonRpcStreamReader': 'pyls_jsonrpc.streams.JsonRpcStreamReader'}

通过依赖图，还能直接引用的依赖在具体哪个位置：

import_path_map:  {'ast': '/Users/zhangxindong/Desktop/search/code/sempy/sempy/typeshed/stdlib/ast.pyi', 'astpretty': '/Users/zhangxindong/Desktop/search/code/sempy/venv/lib/python3.9/site-packages/astpretty.py', 'os': '/Users/zhangxindong/Desktop/search/code/sempy/sempy/typeshed/stdlib/os/__init__.pyi', 're': '/Users/zhangxindong/Desktop/search/code/sempy/sempy/typeshed/stdlib/re.pyi', 'utils': '/Users/zhangxindong/Desktop/search/code/sempy/sempy/demo/utils.py', 'refs': '/Users/zhangxindong/Desktop/search/code/sempy/sempy/demo/refs/__init__.py', 'streams': '/Users/zhangxindong/Desktop/search/code/sempy/venv/lib/python3.9/site-packages/pyls_jsonrpc/streams.py'}

接下来，就是去具体解析对应的文件了。我的需求是获取一些方法的返回值类型，对于pyi文件，pytype能够帮助我们解析，然后我们通过调用关系去匹配。

print('\n\n\n以下为通过pytype工具，解析pyi文件AST来分析三方依赖返回类型，从而解析出当前变量的类型\n\n')
# 通过pytype的解析，去解析依赖的pyi文件，获得调用方法的返回值
fname = '/path/to/parsed_file'
with open(fname, 'r') as reader:
    lines = reader.readlines()
sourcecode = '\n'.join(lines)
ret = parser.parse_string(sourcecode, filename=fname, python_version=3)

constant_map = dict()
function_map = dict()
for key in import_path_map.keys():
    v = import_path_map[key]
    with open(v, 'r') as reader:
        lines = reader.readlines()
    src = '\n'.join(lines)
    try:
        res = parser.parse_pyi(src, v, key, 3)
    except:
        continue
    # Alias
    # Classes
    for constant in res.constants:
        constant_map[constant.name] = constant.type.name
    for function in res.functions:
        signatures = function.signatures
        sig_list = []
        for signature in signatures:
            sig_list.append((signature.params, signature.return_type))
        function_map[function.name] = sig_list

var_type_from_pyi_list = []
for alias in ret.aliases:
    variable_name = alias.name
    if alias.type is not None:
        typename_in_source = alias.type.name
        typename = typename_in_source
        # 引入别名的case，把它转化回来
        if '.' not in typename:
            # 只是普通的别名，不是函数调用的返回值，忽略
            continue
        if typename.split('.')[0] in alias_map:
            real_module_name = alias_map[typename.split('.')[0]]
            typename = real_module_name + typename[typename.index('.'):]
        if typename in function_map:
            possible_return_types = [item[1].name for item in function_map[typename]]
            # print('The possible return type of', typename_in_source, 'is', possible_return_types)
            var_type_from_pyi_list.append((variable_name, possible_return_types))
        if typename in constant_map:
            possible_return_type = constant_map[typename]
            var_type_from_pyi_list.append((variable_name, possible_return_type))
            pass

比如：

 pattern = re.compile(r'.*')

从/Users/zhangxindong/Desktop/search/code/sempy/sempy/typeshed/stdlib/re.pyi文件中，我们载入了两个方法都是re.compile，只是入参不同，返回值都是Pattern类型。于是我们就知道了pattern变量的类型是re.Pattern。

这些都是从pyi文件中分析出来的返回值类型。
变量名 cwd 返回类型：['str']
变量名 support_version 返回类型：bool
变量名 pattern 返回类型：['typing.Pattern', 'typing.Pattern']

五应用

Python语法分析的功能有一部分已经应用在了阿里云Dev Studio的代码文档搜索推荐和代码智能补全中。

1 代码文档搜索推荐

当开发者不知道如何使用某个 API 时（如调用方式或方法入参等），可以将鼠标移动到指定 API 上，即可展示智能编码插件提供的 API 概要信息。开发者点击“ API 文档详情”，能在右侧栏看到 API 的官方文档、代码示例等详细信息，也可以直接搜索所需的 API 代码文档。目前支持 JavaScript、Python 语言的代码文档搜索推荐。

文档采集过程中，我们能够拿到API名称和API所对应的class，在实际代码中，我们通过语法分析就能基于调用的方法对应到调用的类信息，从而用于文档搜索。

2 代码智能补全

开发者在编写代码时，智能编码插件会自动感知代码上下文，为开发者提供精准的代码补全候选项，代码补全候选项中标记有✨符号的为代码智能补全结果。目前支持 Java、JavaScript、Python 语言的代码智能补全。

代码补全过程中，通过语法分析，能够更加精准地获悉用户使用变量的类信息，帮助过滤掉深度学习模型推荐的不合理选项，也能够基于类的内部方法集合，召回一些合理的补全项。

六总结

Python静态类型支持的理念和工具均以完善，但由于历史包袱太重，社区推动力不足，实际能达到的效果比较有限。另外官方、各大厂以及本地IDE都有自己的实现和分析方式，还没有达到统一的标准和格式。大家可以根据上述的优劣势以及配合的工具集与数据集，选择适合自己的方式做解析。期待Python社区对静态类型的支持能越来越完善。