python注解默认仅作为元数据存于__annotations__属性中，需手动解析才能实现类型检查、文档生成等；其值在定义时求值（除非启用from __future__ import annotations），支持通过typing模块工具提取泛型信息，并广泛用于pydantic、fastapi等框架。
Python注解（Annotations）在运行时本身不自动执行任何操作，它们默认只是存储在函数或变量的 __annotations__ 属性中，属于元数据。真正发挥作用，需要开发者主动读取、解析并基于这些注解实现逻辑（如类型检查、参数验证、序列化、依赖注入等）。
注解如何被保存为运行时元数据
Python 在定义函数或变量时，会将注解以字典形式存入对象的 __annotations__ 属性：
- 函数注解：键为参数名或
return，值为对应注解表达式求值后的结果（如str、Optional[int]或自定义类） - 变量注解（Python 3.6+）：模块级或类属性的注解也存入
__annotations__，但局部变量注解不保留 - 注意：注解中的表达式会在定义时求值（除非使用字符串字面量加
from __future__ import annotations延迟到运行时解析）
手动解析注解元数据的常见方式
直接访问 __annotations__ 是最基础的方式，但处理复杂类型（如泛型、联合类型）需借助标准库工具：
-
typing.get_origin(ann)和typing.get_args(ann)：分离list[int]中的容器类型与参数 -
typing.is_typeddict(ann)、typing.is_literal_type(ann)等判断类型类别 -
typing.get_type_hints(func, globalns=None, localns=None)：安全地解析延迟求值的字符串注解，并支持前向引用解析
注解驱动的实际应用场景
注解的价值在于“约定即实现”，典型用法包括：
立即学习“Python免费学习笔记（深入）”；
-
运行时类型校验：如
pydantic利用注解构建数据模型，在实例化时校验字段类型和约束 -
API 文档生成：FastAPI 读取函数注解和
Pydantic模型，自动生成 OpenAPI JSON 和交互式文档 -
依赖注入：某些框架（如
dependency-injector或自研容器）根据参数注解自动提供对应服务实例 -
序列化/反序列化：
dataclasses-json根据字段注解决定如何转换嵌套结构或日期格式
注意事项与陷阱
依赖注解的逻辑必须明确设计解析时机与策略，否则容易出错：
- 未启用
from __future__ import annotations时，带前向引用的注解（如"User"）会因类未定义而报错 - 注解不是类型强制——Python 解释器不会因注解
int而阻止传入str - 动态修改
__annotations__不影响已有逻辑，除非你显式重新解析它 - 装饰器可能覆盖原始函数的
__annotations__，需用@functools.wraps保持元数据
