类型系统

將稱為類型的屬性分配給計算機程序的各種構造的規則集,例如變量,表達式,函數或模塊

电脑科学中,类型系统(英语:type system)用于定义如何将编程语言中的数值表达式归类为许多不同的类型,如何操作这些类型,这些类型如何互相作用。类型可以确认一个值或者一组值具有特定的意义和目的(虽然某些类型,如抽象类型和函数类型,在程序运行中,可能不表示为值)。类型系统在各种语言之间有非常大的不同,也许,最主要的差异存在于编译时期的语法,以及运行时期的操作实现方式。

编译器可能使用值的静态类型以优化所需的存储区,并选取对值运算时的较佳算法。例如,在许多C编译器中,“浮点数”资料类型是以32 位元表示,与IEEE 754规格一致的单精度浮点数。因此,在数值运算上,C应用了浮点数规范(浮点数加法、乘法等等)。

类型的约束程度以及评估方法,影响了语言的类型。更进一步,编程语言可能就类型多态性部分,对每一个类型都对应了一个极度个别的算法的运算。类型理论研究类型系统,尽管实际的编程语言类型系统,起源于电脑架构的实际问题、编译器实现,以及语言设计。

基础

定型(typing,又称类型指派)赋予一组位元某个意义。类型通常和存储器中的数值或物件(如变量)相联系。因为在电脑中,任何数值都是以一组位元简单组成的,硬件无法区分存储器地址脚本字符整数、以及浮点数。类型可以告知程序和程式设计者,应该怎么对待那些位元。

类型系统提供的主要功能有:

  • 安全性
使用类型可允许编译器侦测无意义的,或者是可能无效的代码。例如,可以识出一个无效的表达式"Hello, World" + 3,因为不能对(在平常的直觉中)逐字字符串加上一个整数。强类型提供更多的安全性,但它并不能保证绝对安全(详情请见类型安全)。
  • 优化
静态类型检查可提供有用的资讯给编译器。例如,如果一个类型指明某个值必须以4的倍数对齐,编译器就有可以使用更有效率的机器指令。
  • 可读性
在更具表现力的类型系统中,若其可以阐明程式设计者的意图的话,类型就可以充当为一种文件形式。例如,时间戳记可以是整数的子类型;但如果程式设计者宣告一个函数为返回一个时间戳记,而不只是一个整数,这个函数就能表现出一部分文件的阐释性。
  • 抽象化(或模块化
类型允许程式设计者对程序以较高层次的方式思考,而不是烦人的低层次实现。例如,程式设计者可以将字符串想成一个值,以此取代仅仅是字节的数组。或者类型允许程式设计者表达两个子系统之间的接口。将子系统间交互时的必要定义加以定位,防止子系统间的通讯发生冲突。

程序通常对每一个值关系一个特定的类型(尽管一个类型可以有一个以上的子类型)。其它的实体,如物件模块、通讯频道、依赖关系,或者纯粹的类型自己,可以和一个类型关系。例如:

一个数值的类型
一个物件的类型
一个类型的类型

在每一个编程语言中,都有一个特定的类型系统,保证程序的表现良好,并且排除违规的行为。作用系统对类型系统提供更多细微的控制。

类型

 :断言变量e的类型是int。

类型检查

类型检查所进行的检验处理以及实行类型的约束,可发生在编译时期(静态检查)或运行时期(动态检查)。静态类型检查是在编译器所进行语义分析中进行的。如果一个语言强制实行类型规则(即通常只允许以不丢失资讯为前提的自动类型转换)就称此处理为强类型,反之称为弱类型

静态和动态检查

如果一个编程语言的类型检查,可在不测试运行时期表达式的等价性的情况下进行,该语言即为静态类型的。一个静态类型的编程语言,是在运行时期和编译时期之间的处理阶段下重视这些区别的。如果程序的独立模块,可进行各自的类型检查(独立编译),而无须所有会在运行时出现的模块的那些资讯,该语言即具有一个编译时期阶段。如果一个编程语言支持运行时期(动态)调度已标记的资料,该语言即为动态类型的。如果一个编程语言破坏了阶段的区别,因而类型检查需要测试运行时期的表达式的等价性,该语言即为依存类型的。[1]

在动态类型中,经常在运行时期进行类型标记的检查,因为变量所约束的值,可经由运行路径获得不同的标记。在静态类型编程语言中,类型标记使用识别联合类型表示。

动态类型经常出现于脚本语言RAD语言中。动态类型在解释型语言中极为普遍,编译语言则偏好无须运行时期标记的静态类型。对于类型和隐式类型语言较完整的列表参见类型和隐式类型语言

术语推断类型鸭子类型,duck typing)指的是动态类型在语言中的应用方式,它会“推断”一个数值的类型。

看看类型标记检查是如何运作的,考虑下列假码示例:

var x; //(1)
x := 5; //(2)
x := "hi"; //(3)

在这个示例中,(1)宣告x;(2)将整数值5代给x;(3)将字符串值"hi"代给x。在主要的静态系统中,这个代码片断将会违反规则,因为(2)和(3)对 x所约束的类型相矛盾。

相较之下,一个纯粹的动态类型系统允许上述程序的运行,因为类型标记附到数值上(不是变量)。在处理错误语句或表达式的时候,以动态类型实现的语言会捕捉程序的错误,而不是误用错误类型的数值。换句话说,动态类型捕捉在程序运行时的错误。

典型的动态类型实现,会以类型标记维持程序所有数值的“标记”,并在运算任何数值之前检查标记。例如:

var x := 5; //(1)
var y := "hi"; //(2)
var z := x + y; //(3)

在这个程序片断中,(1)将数值5约束给x;(2)将数值"hi"约束给y;以及(3)尝试将x加到y。在动态类型语言中,约束给x的值会是一对整数, 5),且约束给y的值会是一对字符串, "hi")。当这个程序尝试运行第3行时,语言对类型标记整数字符串进行检查,如果这两个类型的+(加法)运算尚未定义,就会发出一个错误。

某些静态语言有一个“后门”,在这些编程语言中,能够编写一些不被静态类型所检查的代码。例如,Java和C-风格的语言有“转型”可用。在静态类型的编程语言中,不必然意味着缺乏动态类型机制。例如Java使用静态类型,但某些运算需要支持运行时期的类型测试,这就是动态类型的一种形式。更多静态和动态类型的讨论,请参阅编程语言

实践中的静态和动态类型检查

对静态类型和动态类型两者之间的权衡也是必要的。

静态类型在编译时期时,就能可靠地发现类型错误。因此通常能增进最终程序的可靠性。然而,有多少的类型错误发生,以及有多少比例的错误能被静态类型所捕捉,目前对此仍有争论。静态类型的拥护者认为,当程序通过类型检查时,它才有更高的可靠性。虽然动态类型的拥护者指出,实际流通的软件证明,两者在可靠性上并没有多大差别。可以认为静态类型的价值,在于增进类型系统的强化。强类型语言(如MLHaskell)的拥护者提出,几乎所有的bug都可以看作是类型错误,如果编写者以足够恰当的方式,或者由编译器推断来宣告一个类型。[2]

静态类型通常可以编译出速度较快的代码。当编译器清楚知道所要使用的资料类型,就可以产生优化过后的机器代码。更进一步,静态类型语言中的编译器,可以更轻易地发现较佳快捷方式。某些动态语言(如Common Lisp)允许任意类型的宣告,以便于优化。以上理由使静态类型更为普及。参阅优化

相较之下,动态类型允许编译器和解译器更快速的运作。因为原始码在动态类型语言中,变更为减少进行检查,并减少解析代码。这也可减少编辑-编译-测试-调试的周期。

静态类型语言缺少类型推断(如Java),而需要编写者宣告所要使用的方法或函数的类型。编译器将不允许编写者忽略,这可为程序起附加性帮助文档的作用。但静态类型语言也可以无须类型宣告,所以与其说是静态类型的代价,倒不如说是类型宣告的报酬。

静态类型允许构造函数库,它们的用户不太可能意外的误用。这可作为传达函数库开发者意图的额外机制。

动态类型允许建构一些静态类型系统所做不出来的东西。例如,eval函数,它使得运行任意资料作为代码成为可能(不过其代码的类型仍是静态的)。此外,动态类型容纳过渡代码和原型设计,如允许使用字符串代替数据结构。静态类型语言最近的增强(如Haskell 一般化代数资料类型)允许eval函数以类型安全的方式撰写。

动态类型使元编程更为强大,且更易于使用。例如C++模板的写法,比起等价的RubyPython写法要来的麻烦。更高度的运行时期构成物,如元类别(metaclass)和内观(Introspection),对静态类型语言而言通常更为困难。

强类型和弱类型

强类型的基本定义即为,禁止错误类型的参数继续运算。C语言类型转换即为缺乏强类型的证例;如果编写者用C语言对一个值转换类型,不仅令编译器允许这个代码,而且在运行时期中也同样允许。这使得C代码可更为紧密和快速,不过也使调试变的更为困难。

部分学者使用术语存储器安全语言(或简称为安全语言)形容禁止未定义运算发生的语言。例如,某个存储器安全语言将会检查数组边界

弱类型意指一个语言可以隐式的转换类型(或直接转型)。看看先前的例子:

var x := 5;
var y := "37";
x + y;

在弱类型语言中编写上述代码,并不清楚将会得到哪一种结果。某些语言如Visual Basic,将会产生可以运作的代码,它将会给出的结果是42:系统将字符串"37"转换成数字37,以符合运算上的直觉;其它的语言,像JavaScript将会产生的结果是"537":系统将数字5转换成字符串"5"并把两者串接起来。在Visual Basic和JavaScript中,最终的类型是以那两个操作数为考量的规则所决定。在部分语言中,如AppleScript,某个值最终的类型,只以最左边的操作数的类型所决定。

设计精巧的语言也允许语言显现出弱类型(借由类型推断之类的技术)的特性以方便使用,并且保留了强类型语言所提供的类型检查和保护。例子包括VB.NetC#以及Java

运算符重载所带来的简化,像是不以算术运算中的加法来使用“+”,可以减少一些由动态类型所造成的混乱。例如,部分语言使用“.”或“&”来串连字符串。

类型系统的安全性

编程语言的类型系统的第三种分类方法,就是类型运算和转换的安全性。如果它不允许导致不正确的情况的运算或转换,电脑科学就认为该语言是“类型安全”的。

再次看看这个假码例子:

var x := 5;
var y := "37";
var z := x + y;

在一个如Visual Basic的语言中,例子中的变量z得到的值为42。不管编写者有没有这个意图,该语言定义了明确的结果,且程序不会就此崩溃,或将不明定义的值赋给z。就这方面而言,这样的语言就是类型安全的。

现在来看C的相同例子:

int x = 5;
char y[] = "37";
char* z = x + y;

在这个例子中,z将会指向一个超过y地址5个字节的存储器地址,相当于指向y字符串的指针之后的两个空字符之处。这个地址的内容尚未定义,且有可能超出存储器的寻址界线,而且就这么引用参考z会引起程序的终止。虽是一个良好类型,但却不是存储器安全的程序——如果以对类型安全语言而言不该发生为先决条件的话。

多态性和类型

术语“多态性”指的是:代码(尤其是函数和类别)对各种类型的值能够动作,或是相同数据结构的不同实体能够控制不同类型的元素。为了提升复用代码的潜在价值,类型系统逐渐允许多态性:在具有多态性的语言中,程式设计者只需要实现如列表或词典的数据结构一次,而不是对使用到它的元素的每一个类型都规划一次。基于这个原因,电脑学家也称使用了一定的多态性的方法为泛型程式设计。类型理论的多态性基础与抽象化模块化和(偶尔)子类型有相当密切的联系关系。

推断类型

推断类型(鸭子类型,Duck typing)最初是由Dave ThomasRuby社群中提出的,推断类型用了这个论证法“如果它像什么,而且其它地方也像什么,那么它就是什么。”

在某些程式设计环境中,两个物件可以有相同的类型,即使它们没有什么交集。一个例子是C++迭代器和指针所拥有的的双重性,两者皆以不甚相同的机制实现并提供一个* 运算。

这个技术之所以常被称作“鸭子类型”,是基于这句格言:“如果它摇摇摆摆的走法很像鸭子,而且它的嘎嘎叫声也像鸭子,那它就是一只鸭子!”

"If it waddles like a duck, and quacks like a duck, it's a duck!"

显示宣告和隐式暗示

许多静态类型系统,如C和Java,要求要宣告类型:编写者必须以指定类型明确地关系到每一个变量上。其它的,如Haskell,则进行类型推断:编译器根据编写者如何运用这些变量,以草拟出关于这个变量的类型的结论。例如,给定一个函数f(x,y),它将xy加起来,编译器可以推断出xy必须是数字——因为加法仅定义给数字。因此,任何在其它地方以非数值类型(如字符串或链表)作为参数来调用f的话,将会发出一个错误。

在代码中数值、字符串常量以及表达式,经常可以在详细的前后文中暗示类型。例如,一个表达式3.14可暗示浮点数类型;而[1, 2, 3]则可暗示一个整数的链表;通常是一个数组

类型的类型

类型的类型是一种种类。在类型程式设计中有明确的种类,如Haskell编程语言类型构造函数,在申请比较简单的类型之后,其返回一个简单的类型。例如,类型构造函数二选一有这些种类* -> * -> **代表种类),而且它的申请二选一字符串整数是一个简单的类型。然而,大多数编程语言的类型,是由编写者来暗示或硬编码,这就并未将种类的概念用作为首选层。

类型可分为几个大类:

这是最简单的类型种类,例如:整数浮点数
全部是数字的类型,例如:整数和自然数
以浮点数表示数字的类型
由基本类型组合成的类型,例如:数组记录单元抽象资料类型具有复合类型和界面两种属性,这取决于你提及哪一个。
例如:变量类型
例如:双参函数
参数化类型类型变量
模块
识别其它类型的子集的类型
取决于运行时期的数值的类型
描述或约束面向对象系统结构的类型

兼容性:等价性和子类型

对于静态类型语言的类型检查器,必须检验所有表达式的类型,是否与前后文所期望的类型一致。例如指派语句x := e,推断表达式e的类型,必定与宣告或推断的变量类型x一致。这个一致性的概念,就称为兼容性,是每一个编程语言所特有的。

很明显,如果ex的类型相同,就允许指派,然后这是一个有效的表达式。因此在最简单的类型系统中,问题从两个类型是否兼容,简化为两个类型是否相等(或等价)。然而不同的语言对于两个类型表达式是否理解为表示了相同类型,有着不同的标准。类型的相等理论的差异相当巨大,两个极端的例子是结构类型系统(Structural type system),任两个以相同结构所描述的值的类型都是等价的,且在标明类型系统(Nominative type system)上,没有两个独特的语法构成的类型表达式表示同一类型,(类型若要相等,就必须具有相同的“名字”)。

子类型的语言中,兼容关系更加复杂。特别是如果AB的子类型,那么类型A的值可用于类型B也属意料之中,但反过来就不是这样。如同等价性,对每一个编程语言而言,子类型的关系的定义是不同的,可能存在各种变化。在语言中出现的参数或者特定的多态性,也可能意味着具有对类型的兼容性。

争议

在强类型、静态类型语言的支持者,和动态类型、自由形式的支持者之间,经常发生争执。前者主张,在编译的时候就可以较早发现错误,而且还可增进运行时期的性能。后者主张,使用更加动态的类型系统,分析代码更为简单,减少出错机会,才能更加轻松快速的编写程序。[3]与此相关的是,考虑到在类型推断的编程语言中,通常不需要手动宣告类型,这部分的额外开销也就自动降低了。

参考文献

  1. ^ Harper, Robert & Benjamin C. Pierce (2005), "Design Considerations for ML-Style Module Systems", in Pierce, Benjamin C., Advanced Topics in Types and Programming Languages, Cambridge, MA: MIT Press, ISBN 0262162288页面存档备份,存于互联网档案馆
  2. ^ 存档副本. [2007-03-24]. (原始内容存档于2008-05-12). 
  3. ^ Meijer, Erik and Peter Drayton. Static Typing Where Possible, Dynamic Typing When Needed: The End of the Cold War Between Programming Languages (PDF). Microsoft Corporation. (原始内容 (PDF)存档于2007-02-16). 

参阅