因为你必须写作

s="hello"
type(s) == type("")

Type接受实例并返回其类型。在这种情况下，您必须比较两个实例的类型。

如果需要执行抢占式检查，最好检查受支持的接口，而不是类型。

除了你的代码需要一个特定类型的实例之外，类型并没有真正告诉你什么，不管你可以有另一个完全不同类型的实例，这是完全没问题的，因为它实现了相同的接口。

例如，假设您有以下代码

def firstElement(parameter):
    return parameter[0]

现在，假设您说:我希望这段代码只接受一个元组。

import types

def firstElement(parameter):
    if type(parameter) != types.TupleType:
         raise TypeError("function accepts only a tuple")
    return parameter[0]

这降低了这个例程的可重用性。如果你传递一个列表，或者字符串，或者numpy。array，它就不起作用。更好的做法是

def firstElement(parameter):
    if not (hasattr(parameter, "__getitem__") and callable(getattr(parameter,"__getitem__"))):
        raise TypeError("interface violation")
    return parameter[0]

但是这样做没有任何意义:如果协议不满足，参数[0]将引发异常……当然，除非您想防止副作用，或者必须从失败前可能调用的调用中恢复。(愚蠢的)例子，只是为了说明这一点:

def firstElement(parameter):
    if not (hasattr(parameter, "__getitem__") and callable(getattr(parameter,"__getitem__"))):
        raise TypeError("interface violation")
    os.system("rm file")
    return parameter[0]

在这种情况下，您的代码将在运行system()调用之前引发异常。如果没有接口检查，您将删除该文件，然后引发异常。

您总是可以使用type(x) == type(y)技巧，其中y是具有已知类型的东西。

# check if x is a regular string
type(x) == type('')
# check if x is an integer
type(x) == type(1)
# check if x is a NoneType
type(x) == type(None)

通常有更好的方法来做到这一点，特别是对于任何最新的python。但如果你只想记住一件事，你可以记住它。

在这种情况下，更好的方法是:

# check if x is a regular string
type(x) == str
# check if x is either a regular string or a unicode string
type(x) in [str, unicode]
# alternatively:
isinstance(x, basestring)
# check if x is an integer
type(x) == int
# check if x is a NoneType
x is None

注意最后一种情况:在python中只有一个NoneType实例，那就是None。你会在异常中看到很多NoneType (TypeError: 'NoneType'对象是不可下标的-发生在我身上..)，但你几乎不需要在代码中引用它。

最后，正如fengshaun所指出的，python中的类型检查并不总是一个好主意。更python化的做法是只使用值，就好像它是您所期望的类型一样，并捕获(或允许传播)由此产生的异常。

您可以比较类的检查级别。

#!/usr/bin/env python
#coding:utf8

class A(object):
    def t(self):
        print 'A'
    def r(self):
        print 'rA',
        self.t()

class B(A):
    def t(self):
        print 'B'

class C(A):
    def t(self):
        print 'C'

class D(B, C):
    def t(self):
        print 'D',
        super(D, self).t()

class E(C, B):
    pass

d = D()
d.t()
d.r()

e = E()
e.t()
e.r()

print isinstance(e, D) # False
print isinstance(e, E) # True
print isinstance(e, C) # True
print isinstance(e, B) # True
print isinstance(e, (A,)) # True
print e.__class__ >= A, #False
print e.__class__ <= C, #False
print e.__class__ <  E, #False
print e.__class__ <= E  #True

使用str代替string

type ( obj ) == str

解释

>>> a = "Hello"
>>> type(a)==str
True
>>> type(a)
<type 'str'>
>>>

要获取类型，使用__class__成员，如unknown_thing.__class__

Talk of duck-typing is useless here because it doesn't answer a perfectly good question. In my application code I never need to know the type of something, but it's still useful to have a way to learn an object's type. Sometimes I need to get the actual class to validate a unit test. Duck typing gets in the way there because all possible objects have the same API, but only one is correct. Also, sometimes I'm maintaining somebody else's code, and I have no idea what kind of object I've been passed. This is my biggest problem with dynamically typed languages like Python. Version 1 is very easy and quick to develop. Version 2 is a pain in the buns, especially if you didn't write version 1. So sometimes, when I'm working with a function I didn't write, I need to know the type of a parameter, just so I know what methods I can call on it.

这就是__class__参数派上用场的地方。这(据我所知)是获取对象类型的最佳方法(可能是唯一的方法)。

使用isinstance(object, type)。如上所述，如果你知道正确的类型，这很容易使用，例如，

isinstance('dog', str) ## gives bool True

但对于更深奥的对象，这可能很难使用。 例如:

import numpy as np 
a = np.array([1,2,3]) 
isinstance(a,np.array) ## breaks

但你可以用这个技巧:

y = type(np.array([1]))
isinstance(a,y) ## gives bool True 

所以我建议用你想检查的对象类型(例如，type(np.array())实例化一个变量(在本例中是y)，然后使用isinstance。