TLDR：
- 除非您有理由不这样做，否则请使用
if isinstance(x, int):。
- 如果您只需要精确的类型相等，请使用
if type(x) is int:。
- 如果您可以转换为目标类型，请使用
try: ix = int(x)。
Python 中的类型检查有一个很大的“取决于”。处理类型的方法有很多种，各有利弊。在 Python3 中，出现了更多。
显式类型相等
类型是一流的对象，您可以像对待任何其他值一样对待它们。
因此，如果您希望某物的类型等于int，只需对其进行测试：
if type(x) is int:
这是最严格的测试类型：它要求精确类型相等。通常，这不是您想要的：
- 它排除了替代类型：
float 将无效，即使它在许多方面的行为类似于 int。
- 它排除了子类和抽象类型：打印漂亮的
int 子类或enum 将被拒绝，即使它们在逻辑上是整数。
- 这严重限制了可移植性：Python2 字符串可以是任一
str 或unicode，整数可以是任一int 或long。李>
请注意，显式类型相等可用于低级操作：
- 某些类型不能被子类化，例如
slice。一个明确的检查，嗯，在这里更明确。
- 一些低级操作（例如序列化或 C-API）需要特定类型。
变体
还可以针对__class__ 属性进行比较：
if x.__class__ is int:
请注意，如果一个类定义了 __class__ 属性，这与 type(x) 不同。
当有多个类要检查时，使用dict 来调度动作比显式检查更具可扩展性并且可以更快（≥5-10 种类型）。
这对于转换和序列化特别有用：
dispatch_dict = {float: round, str: int, int: lambda x: x}
def convert(x):
converter = self.dispatch_dict[type(x)] # lookup callable based on type
return converter(x)
显式类型的实例检查
惯用类型测试使用isinstancebuiltin:
if isinstance(x, int):
此检查既准确又高效。这通常是人们想要检查类型的：
- 它可以正确处理子类型。一个打印漂亮的
int 子类仍然可以通过这个测试。
- 它允许一次检查多种类型。在 Python2 中，执行
isinstance(x, (int, long)) 可以获得所有内置整数。
最重要的是，大多数时候缺点可以忽略不计：
- 它仍然接受行为怪异的时髦子类。由于任何东西都可以以奇怪的方式表现，因此防范是徒劳的。
- 它很容易过于限制：当任何序列（例如
tuple）甚至可迭代（例如generator）都可以时，许多人检查isinstance(x, list)。与脚本或应用程序相比，通用库更需要关注这一点。
变体
如果您已经有一个类型，issubclass 的行为相同：
if issubclass(x_type, int):
抽象类型的实例检查
Python 有一个abstract base classes 的概念。粗略地说，这些表达了类型的含义，而不是它们的层次结构：
if isinstance(x, numbers.Real): # accept anything you can sum up like a number
换句话说，type(x) 不一定继承来自numbers.Real，但必须表现喜欢它。
不过，这是一个非常复杂和困难的概念：
- 如果您正在寻找基本类型，这通常是多余的。大多数情况下，整数只是
int。
- 来自其他语言的人经常混淆它的概念。
- 将其与例如C++，重点是 abstract base 类而不是 abstract 基类。
- ABC 可以像 Java 接口一样使用，但仍可能具有具体功能。
但是，它对于泛型库和抽象非常有用。
- 许多函数/算法不需要显式类型，只需要它们的行为。
- 如果您只需要按键查找内容，
dict 会将您限制为特定的内存类型。相比之下，collections.abc.Mapping 还包括数据库包装器、大型磁盘支持的字典、惰性容器...... - 和 dict。
- 它允许表达部分类型约束。
- 没有严格的基类型实现迭代。但是，如果您根据
collections.abc.Iterable 检查对象，它们都会在 for 循环中工作。
- 它允许创建显示为相同抽象类型的单独、优化的实现。
虽然一次性脚本通常不需要它，但我强烈建议将它用于除了几个 python 版本之外的任何东西。
暂定转换
处理类型的惯用方式不是测试它们，而是假设它们是兼容的。如果您已经预料到输入中有一些错误的类型，只需跳过所有不兼容的内容：
try:
ix = int(x)
except (ValueError, TypeError):
continue # not compatible with int, try the next one
else:
a.append(ix)
这实际上不是类型检查，但通常具有相同的目的。
-
保证您的输出中有预期的类型。
- 它在转换错误类型方面有一些有限的回旋余地，例如专门将
float 转为int。
- 它可以在您不知道哪些类型符合
int 的情况下工作。
主要的缺点是它是一个显式转换。
- 您可以静默接受“错误”值，例如转换包含文字的
str。
- 它甚至会不必要地转换足够好的类型，例如
float 到 int 当您只需要数字时。
转换是一些特定用例的有效工具。如果您大致了解您的输入是什么，并且必须对您的输出做出保证，则效果最好。
函数调度
有时类型检查的目标只是选择一个合适的函数。在这种情况下，functools.singledispatch 之类的函数调度允许针对特定类型专门化函数实现：
@singledispatch
def append_int(value, sequence):
return
@append_int.register
def _(value: int, sequence):
sequence.append(value)
这是isinstance 和dict 调度的组合。它对大型应用程序最有用：
- 无论分派类型的数量如何，它都会使使用站点保持较小。
- 它允许以后为其他类型注册特化，即使在其他模块中也是如此。
不过，它并非没有缺点：
- 源于函数式和强类型语言，许多 Python 程序员不熟悉单调度甚至多调度。
- 调度需要单独的函数，因此不适合在使用现场定义。
- 创建函数和“预热”调度缓存需要显着的运行时开销。调度函数应该定义一次并经常重复使用。
- 即使是预热的调度表也比手写的 if/else 或
dict 查找要慢。
控制输入
最好的做法是确保您从一开始就不必检查类型。这有点像元主题，因为它在很大程度上取决于用例。
这里，somelist 的来源不应该将非数字放入其中。