为动态Python类属性添加类型注解的策略与考量

class _ModuleRegistry(object):
    _modules = {}

    def defer_import(
        self,
        import_statement: str,
        import_name: str,
    ):
        self._modules[import_name] = import_statement
        setattr(self, import_name, None)

    def __getattribute__(self, __name: str):
        if (
            __name
            and not __name.startswith("__")
            and __name not in ("defer_import", "_modules")
        ):
            import_statement = self._modules.get(__name)
            if import_statement:
                exec(import_statement, locals())
                setattr(self, __name, locals().get(__name))
            ret_val = locals().get(__name)
            if ret_val:
                return ret_val
            else:
                return None
        else:
            val = super().__getattribute__(__name)
            return val

registry = _ModuleRegistry()
registry.defer_import("from pandas import read_csv", "read_csv")

# 在这里，我们希望类型检查器能够识别 registry.read_csv 的类型
print(registry.read_csv)

from typing import TYPE_CHECKING, Any

# 假设 _ModuleRegistry 的定义保持不变，或者被简化
class _ModuleRegistry:
    _modules: dict[str, str] = {}
    def defer_import(self, import_statement: str, import_name: str) -> None:
        self._modules[import_name] = import_statement
        setattr(self, import_name, None)

    def __getattribute__(self, __name: str) -> Any:
        # 实际的动态导入逻辑
        # ...
        val = super().__getattribute__(__name)
        return val

# 运行时实例
registry = _ModuleRegistry()

if TYPE_CHECKING:
    # 专门为类型检查器提供信息
    # 在这里，我们“假装” registry 对象直接拥有这些属性，
    # 并为其指定预期的类型。
    from pandas import read_csv as pandas_read_csv
    # 或者如果 registry 是一个更通用的对象，可以使用 Protocol 或 TypeVar
    # 但对于特定属性，直接声明最简单。
    # 为了避免与实际运行时冲突，可以给导入的名称一个别名
    # 然后在 registry 对象上声明这个别名对应的类型。
    # 更好的做法是直接在 registry 实例上声明类型。
    class _RegistryWithHints(_ModuleRegistry):
        read_csv: type(pandas_read_csv) # 使用 type() 获取函数的类型

    registry: _RegistryWithHints = _RegistryWithHints()
    # 此时，类型检查器会认为 registry.read_csv 是 pandas_read_csv 的类型
    # 注意：这里的赋值 registry = _RegistryWithHints() 仅对类型检查器有效
    # 实际运行时，registry 仍然是 _ModuleRegistry 的实例
else:
    # 运行时代码保持不变
    registry = _ModuleRegistry()

# 运行时调用
registry.defer_import("from pandas import read_csv", "read_csv")

# 类型检查器现在可以识别 registry.read_csv 的类型
# reveal_type(registry.read_csv) # 在 Mypy 中使用，会显示类型信息

# my_app/registry.pyi
from typing import Any, Protocol
from pandas import read_csv

# 定义 _ModuleRegistry 的类型接口
class _ModuleRegistry(Protocol):
    _modules: dict[str, str]
    def defer_import(self, import_statement: str, import_name: str) -> None: ...
    # 声明动态添加的属性
    read_csv: type(read_csv) # 告知类型检查器 read_csv 的类型

# 声明 registry 实例的类型
registry: _ModuleRegistry

# my_app/registry.py
class _ModuleRegistry(object):
    _modules = {}
    # ... (与原始问题中的实现相同) ...

registry = _ModuleRegistry()
registry.defer_import("from pandas import read_csv", "read_csv")

class MyProcessor:
    def process_data(self, file_path: str):
        # 仅在需要时导入 pandas
        from pandas import read_csv
        df = read_csv(file_path)
        # ... 对 df 进行操作 ...
        return df

processor = MyProcessor()
# 此时 pandas 尚未导入
result = processor.process_data("data.csv")
# 此时 pandas 已经被导入并使用