掌握Python泛型：构建类型安全的数据结构（从零开始的泛型编程实战指南）

什么是泛型？

泛型（Generics）是一种允许你在定义函数、类或数据结构时不指定具体类型，而是在使用时再指定类型的编程机制。比如，你可以定义一个“列表”，它既可以存储字符串，也可以存储整数，而无需为每种类型写一个单独的类。

在Python中，从3.5版本开始通过 typing 模块引入了对泛型的支持，并在3.9+版本中进一步简化了语法。如今，Python类型提示已成为专业开发的标准实践。

为什么要在数据结构中使用泛型？

想象你正在实现一个栈（Stack）数据结构。没有泛型时，你可能这样写：

class Stack:    def __init__(self):        self.items = []    def push(self, item):        self.items.append(item)    def pop(self):        return self.items.pop()

这个栈可以存任何类型的数据，但你无法知道它当前存的是什么类型，IDE也无法提供智能提示，更无法在静态检查时发现类型错误。

使用数据结构泛型后，我们可以明确指定栈中元素的类型：

from typing import TypeVar, Generic, ListT = TypeVar('T')  # 定义一个类型变量 Tclass Stack(Generic[T]):    def __init__(self) -> None:        self.items: List[T] = []    def push(self, item: T) -> None:        self.items.append(item)    def pop(self) -> T:        return self.items.pop()# 使用示例int_stack: Stack[int] = Stack()int_stack.push(42)int_stack.push("hello")  # 类型检查器会报错！

现在，当你尝试向整数栈中压入字符串时，像 mypy 或 PyCharm 这样的工具会立即提醒你类型不匹配！这就是泛型编程教程中强调的核心优势：提前捕获错误。

常用泛型数据结构示例

1. 泛型链表节点

from typing import TypeVar, OptionalT = TypeVar('T')class ListNode(Generic[T]):    def __init__(self, data: T, next_node: Optional['ListNode[T]'] = None):        self.data = data        self.next = next_node

2. 泛型字典映射

from typing import TypeVar, DictK = TypeVar('K')V = TypeVar('V')def create_cache() -> Dict[K, V]:    return {}# 实际使用时指定类型user_cache: Dict[str, int] = create_cache()

Python 3.9+ 的新语法（更简洁！）

从 Python 3.9 开始，你可以直接使用内置类型作为泛型，无需从 typing 导入：

# Python 3.9+def process_items(items: list[str]) -> dict[str, int]:    return {item: len(item) for item in items}# 而不是旧版：# from typing import List, Dict# def process_items(items: List[str]) -> Dict[str, int]: ...

总结

通过本篇泛型编程教程，你已经掌握了如何在Python中使用泛型来构建类型安全的数据结构泛型。记住以下要点：

• 使用 TypeVar 定义类型变量
• 继承 Generic[T] 使类支持泛型
• 在函数和变量注解中使用泛型提升代码清晰度
• 利用 mypy 等工具进行静态类型检查

掌握Python类型提示和Python泛型，不仅能写出更健壮的代码，还能大幅提升团队协作效率。赶快在你的下一个项目中试试吧！