本文介绍在 python 中通过自定义 `__class_getitem__` 实现类似 `array[t, n]` 的类型别名，使其在类型注解中语法简洁、语义清晰，同时兼容 `annotated` 的元数据能力。
在 Python 类型系统中，直接使用 type Array = Annotated[tuple[T, ...], int] 会报错，因为 Annotated 不支持泛型参数化（即不能作为可下标类型别名），且 type 语句仅支持泛型类型别名（如 type ListOfInt = list[int]），不支持含字面量参数（如 4）或运行时值的动态构造。
一种实用且符合 PEP 563 和类型检查器（如 mypy、pyright）约定的解决方案是：定义一个轻量级类，并重写其 __class_getitem__ 方法，使其在类型注解中被调用时返回所需的 Annotated 类型。
以下是完整实现：
from typing import Annotated, TypeVar, Tuple
T = TypeVar("T")
class Array:
def __class_getitem__(cls, params):
if not isinstance(params, tuple) or len(params) != 2:
raise TypeError("Array expects exactly two arguments: Array[dtype, size]")
dtype, size = params
# 可选：校验 size 是否为正整数（仅用于文档/开发提示，不影响运行时）
if not isinstance(size, int) or size <p>⚠️ 重要注意事项：</p><div class="aritcle_card flexRow artxards">
<div class="artcardd flexRow">
<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill4102" title="Shadows Python Sensei"><img
src="https://img.php.cn/upload/skill/000/000/081/178990406882325.jpg" alt="Shadows Python Sensei" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a rel="nofollow" href="/xiazai/skill4102" title="Shadows Python Sensei" class="overflowclass">Shadows Python Sensei</a>
<p class="overflowclass">Python 最佳实践助手——代码规范、设计模式、性能优化、测试与类型注解。适用于编写或审查 Python 代码。</p>
</div>
<a rel="nofollow" href="/xiazai/skill4102" title="Shadows Python Sensei" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
</a>
</div>
</div>
此方案纯属类型注解层面的“语法糖”，Array[float, 4] 在运行时立即求值为 Annotated[Tuple[float, ...], 4]，因此 MyIp.__annotations__['ip'] 将是 Annotated[...]，而非 Array[...]；
typing.get_type_hints(MyIp) 默认忽略 Annotated 的元数据，只返回 float（或 Tuple[float, ...]，取决于 Python 版本和 include_extras=False/True 设置），因此不可用于运行时反射解析尺寸信息；
-
若需在运行时读取尺寸（如序列化/验证），应结合 __metadata__ 属性手动提取：
from typing import get_args, get_origin def get_array_size(tp): if get_origin(tp) is Annotated: args = get_args(tp) if len(args) >= 2: return args[1] # 元数据中的 size return None print(get_array_size(MyIp.__annotations__['ip'])) # 输出: 4
✅ 总结：该模式适合强调类型意图与文档表达力的场景（如 API Schema 注释、IDE 提示），但不替代运行时约束；如需强校验，建议配合 Pydantic v2 的 Annotated + Field(..., min_items=4, max_items=4) 或自定义 @dataclass_transform 工具链。
