Hvordan fungerer type hints, og hvad er deres fordele?

Question

Accepted Answer

**Type hints** (PEP 484+) lader dig annotere de forventede typer af variabler, funktionsparametre og returværdier. De er **valgfrie** og **ikke håndhævet under kørslen** — Python ignorerer dem når den køres — men de aktiverer static analysis, bedre værktøjer og mere klart kode.

## Grundlæggende syntaks

```python
def greet(name: str, times: int = 1) -> str:
    return name * times

age: int = 30
names: list[str] = ["Ann", "Bob"]
scores: dict[str, int] = {"math": 90}
```

`: type` annoterer parametre/variabler og `-> type` returnerer. Disse dokumenterer hensigt og kontrolleres af værktøjer, men Python **håndhæver dem ikke under kørslen** (at overføre en forkert type vil ikke rejse på egen hånd).

## Almindelige typing konstruktioner

```python
from typing import Optional, Union, Callable, Any

def find(id: int) -> Optional[str]:    # str OR None (= str | None in 3.10+)
    ...

x: int | str                           # Union (3.10+ syntax)
handler: Callable[[int], bool]         # a function taking int, returning bool
items: list[dict[str, int]]            # nested generics
```

## Static type checking fanger fejl før kørslen

```python
def add(a: int, b: int) -> int:
    return a + b

add("hello", 3)   # ✅ Python runs it (and crashes); ❌ mypy/pyright flags it BEFORE running
```

En typekontroller som **mypy** eller **pyright** analyserer hints og rapporterer typefejl *før* du kører koden — ved at fange en hel klasse af fejl (forkerte argumenttyper, None-misbrug) tidligt, som en compiler ville.

## Fordelene

```text
✓ Catch type bugs early via static checkers (mypy, pyright) — before runtime
✓ IDE support — better autocomplete, refactoring, inline error detection
✓ Self-documenting code — signatures show exactly what's expected/returned
✓ Powers frameworks — FastAPI/Pydantic USE hints for validation & docs
✓ Easier maintenance of large codebases (catch breaking changes)
```

## De er valgfrie og gradvis

```text
You can add hints incrementally — a few functions, or strictly everywhere.
Unannotated code still works. "Gradual typing" suits adopting them over time.
```

## Frameworks udnytter dem under kørslen

```python
from pydantic import BaseModel
class User(BaseModel):
    name: str
    age: int            # Pydantic USES the hint to VALIDATE data at runtime
User(name="Ann", age="x")   # raises a validation error
```

Nogle biblioteker (Pydantic, FastAPI) læser type hints for at validere data og generere dokumenter — hvilket gør dem funktionelt meningsfulde under kørslen.

## Hvorfor det betyder noget

Type hints bringer mange fordele ved statisk indtastning til Python uden at ofre dens dynamiske fleksibilitet: de fanger typerelaterede fejl tidligt (via mypy/pyright), forbedrer IDE-værktøjer og refactoring dramatisk, tjener som levende dokumentation og driver moderne frameworks (FastAPI, Pydantic), der bruger dem til validering og auto-genereret dokumentation.

Selvom de er valgfrie og ikke håndhævet af Python selv under kørslen, er de blevet standard i professionelle og storskalerede Python-codebaser, fordi de gør koden mere pålidelig, vedligeholdelig og selvdokumenterende — i stigende grad en forventet praksis, især når projekter vokser.