Python @overload 使用联合类型会导致函数签名重叠错误

我想编写以下重载的Python函数：

from typing import Any, TypeVar, overload

_T1 = TypeVar('_T1')
_T2 = TypeVar('_T2')
_T3 = TypeVar('_T3')


@overload
def parse_as(ty: type[_T1] | type[_T2], s: bytes) -> _T1 | _T2:
    ...


@overload
def parse_as(ty: type[_T1] | type[_T2] | type[_T3], s: bytes) -> _T1 | _T2 | _T3:
    ...


def parse_as(ty: Any, s: bytes) -> Any:
    raise NotImplementedError()

parse_as() 的目标是尝试将输入字节解析为给定类型，如果成功，则返回给定类型的值。然而，这给出了以下 mypy 错误：

error: Overloaded function signature 2 will never be matched: signature 1's parameter type(s) are the same or broader

是否有任何方法来表达 parse_as() 的类型？

旁白：在我的特殊情况下，所有 TypeVar 与其 bound 共享相同的类，如果这很重要。

你遇到的错误信息 "Overloaded function signature 2 will never be matched" 是因为 MyPy 认为你的第二个 @overload 永远不会被调用。这是因为第一个 @overload 的类型提示比第二个更宽泛，可以匹配任何能匹配第二个 @overload 的情况。

具体来说， type[_T1] | type[_T2] 可以匹配任何 type[_T1] | type[_T2] | type[_T3] 的情况，因为 _T1 、 _T2 、 _T3 都是 TypeVar，可以代表任何类型。

为了解决这个问题，你需要让你的 @overload 函数签名更加具体，避免出现这种重叠的情况。以下是一些可能的解决方案：

1. 使用不同的参数类型:

与其使用联合类型，不如为每种类型组合定义一个单独的 @overload 函数。例如：

from typing import Any, TypeVar, overload

_T1 = TypeVar('_T1')
_T2 = TypeVar('_T2')
_T3 = TypeVar('_T3')

@overload
def parse_as(ty: type[_T1], s: bytes) -> _T1:
    ...

@overload
def parse_as(ty: type[_T2], s: bytes) -> _T2:
    ...

@overload
def parse_as(ty: type[_T1] | type[_T2], s: bytes) -> _T1 | _T2:
    ...

@overload
def parse_as(ty: type[_T1] | type[_T2] | type[_T3], s: bytes) -> _T1 | _T2 | _T3:
    ...

def parse_as(ty: Any, s: bytes) -> Any:
    raise NotImplementedError()

这样，每个 @overload 函数都有一个独特的类型签名，可以避免 MyPy 出现混淆。

2. 使用 Literal 类型:

你可以使用 typing.Literal 来指定更精确的类型，例如：

from typing import Any, TypeVar, overload, Literal

_T = TypeVar('_T')

@overload
def parse_as(ty: Literal[int, str], s: bytes) -> _T:
    ...

@overload
def parse_as(ty: type[_T], s: bytes) -> _T:
    ...

def parse_as(ty: Any, s: bytes) -> Any:
    raise NotImplementedError()

这样，第一个 @overload 函数只会在 ty 是 int 或 str 类型时被调用。

3. 重新思考你的设计:

有时候，出现这种类型重叠的情况，可能是因为你的函数设计过于复杂。你可以考虑将 parse_as 函数拆分成多个更小、更具体的函数，每个函数处理一种特定的类型。

需要根据你的具体需求选择最合适的解决方案。