使用类型（）

x='hello this is a string'
print(type(x))

输出

<class 'str'>

要仅提取str，请使用

x='this is a string'
print(type(x).__name__)#you can use__name__to find class

输出

str

如果使用类型（变量）__name__我们可以读

确定Python对象的类型

使用类型确定对象的类型

>>> obj = object()
>>> type(obj)
<class 'object'>

虽然它有效，但避免使用__class__之类的双下划线属性-它们在语义上不是公共的，虽然在这种情况下可能不是，但内置函数通常具有更好的行为。

>>> obj.__class__ # avoid this!
<class 'object'>

类型检查

有没有一种简单的方法来确定变量是列表、字典还是其他什么？我得到了一个可能是这两种类型的对象，我需要能够分辨出其中的区别。

好吧，这是另一个问题，不要使用类型-用法：

def foo(obj):
    """given a string with items separated by spaces, 
    or a list or tuple, 
    do something sensible
    """
    if isinstance(obj, str):
        obj = str.split()
    return _foo_handles_only_lists_or_tuples(obj)

这涵盖了这样一种情况，即您的用户可能正在通过子类化str来做一些聪明或明智的事情-根据Liskov Substitution的原理，您希望能够在不破坏代码的情况下使用子类实例-而isinstance支持这一点。

使用摘要

更好的是，您可以从集合或数字中查找特定的抽象基类：

from collections import Iterable
from numbers import Number

def bar(obj):
    """does something sensible with an iterable of numbers, 
    or just one number
    """
    if isinstance(obj, Number): # make it a 1-tuple
        obj = (obj,)
    if not isinstance(obj, Iterable):
        raise TypeError('obj must be either a number or iterable of numbers')
    return _bar_sensible_with_iterable(obj)

或只是不显式键入检查

或者，也许最棒的是，使用duck类型，不要显式地检查代码类型。Duck类型支持Liskov替换，更优雅，更少冗长。

def baz(obj):
    """given an obj, a dict (or anything with an .items method) 
    do something sensible with each key-value pair
    """
    for key, value in obj.items():
        _baz_something_sensible(key, value)

结论

使用类型实际获取实例的类。使用isinstance显式检查实际的子类或注册的抽象。只要在有意义的地方避免类型检查。

在许多实际情况下，您也可以使用@functools.singledispatch来定义泛型函数（由多个函数组成的函数，对不同类型执行相同的操作），而不是使用类型或isinstance。

换句话说，当您有如下代码时，您可能希望使用它：

def do_something(arg):
    if isinstance(arg, int):
        ... # some code specific to processing integers
    if isinstance(arg, str):
        ... # some code specific to processing strings
    if isinstance(arg, list):
        ... # some code specific to processing lists
    ...  # etc

下面是一个工作原理的小示例：

from functools import singledispatch


@singledispatch
def say_type(arg):
    raise NotImplementedError(f"I don't work with {type(arg)}")


@say_type.register
def _(arg: int):
    print(f"{arg} is an integer")


@say_type.register
def _(arg: bool):
    print(f"{arg} is a boolean")

>>> say_type(0)
0 is an integer
>>> say_type(False)
False is a boolean
>>> say_type(dict())
# long error traceback ending with:
NotImplementedError: I don't work with <class 'dict'>

此外，我们可以使用抽象类同时覆盖几种类型：

from collections.abc import Sequence


@say_type.register
def _(arg: Sequence):
    print(f"{arg} is a sequence!")

>>> say_type([0, 1, 2])
[0, 1, 2] is a sequence!
>>> say_type((1, 2, 3))
(1, 2, 3) is a sequence!

value = 12
print(type(value)) # will return <class 'int'> (means integer)

或者你可以这样做

value = 12
print(type(value) == int) # will return true

通常，您可以从具有类名的对象中提取字符串，

str_class = object.__class__.__name__

并将其用于比较，

if str_class == 'dict':
    # blablabla..
elif str_class == 'customclass':
    # blebleble..

在对象的实例上，还具有：

__class__

属性下面是一个来自Python3.3控制台的示例

>>> str = "str"
>>> str.__class__
<class 'str'>
>>> i = 2
>>> i.__class__
<class 'int'>
>>> class Test():
...     pass
...
>>> a = Test()
>>> a.__class__
<class '__main__.Test'>

请注意，在python3.x和NewStyle类（可从Python2.6中选择）中，类和类型已经合并，这有时会导致意外的结果。主要是因为这个原因，我最喜欢的测试类型/类的方法是使用内置函数。