本文介绍如何通过 `annotated.__metadata__` 属性安全、标准地提取类型注解中携带的自定义元数据（如文档对象、验证规则等），避免字符串化陷阱，适用于生成 api 文档、运行时校验等场景。
在 Python 3.9+ 中，typing.Annotated 提供了一种标准化方式，为类型添加任意元数据（metadata），而这些元数据并非类型本身的一部分，而是作为额外信息附着在类型上。关键在于：
Annotated 类型对象暴露了 __metadata__ 属性，它是一个只读元组，包含除基础类型外的所有后续参数
——这正是访问你传入的 B(x="foo") 实例的正确入口。
以下是一个完整、可运行的示例：
⚠️ 注意事项：
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
下载
__metadata__ 是 Annotated 类型对象的
实例属性
，仅当类型确实是 Annotated[...] 时才存在；务必先用 hasattr(..., '__metadata__') 或 isinstance(..., types.GenericAlias) + 检查 __origin__ is Annotated 做安全判断；
inspect.get_annotations(..., eval_str=True) 是获取已求值注解的推荐方式（尤其含字符串前向引用时），但需确保模块上下文可用；
不要尝试通过 str() 或 repr() 解析注解字符串——这不可靠且易受格式变更影响；
若需批量处理（如框架级文档生成），建议封装工具函数：
总结：Annotated.__metadata__ 是官方支持、稳定可靠的元
数据访问
机制，是构建类型驱动文档、校验、序列化等高级功能的基础。始终优先使用该属性而非字符串操作或 AST 解析，以保证代码健壮性与可维护性。
立即学习
“
Python免费学习笔记（深入）
”；
from typing import Annotated, get_args
from dataclasses import dataclass
import inspect
@dataclass
class B:
x: str
@dataclass
class A:
y: Annotated[str, B(x="foo"), "A descriptive tag"]
# 获取运行时解析后的注解字典（推荐使用 get_type_hints 或 inspect.get_annotations）
annotations = inspect.get_annotations(A, eval_str=True)
# 提取 Annotated 类型
annotated_type = annotations["y"]
# ✅ 正确方式：访问 __metadata__ 属性
if hasattr(annotated_type, '__metadata__'):
metadata = annotated_type.__metadata__
print("Metadata tuple:", metadata) # 输出: (B(x='foo'), 'A descriptive tag')
# 获取第一个元数据项（即你的 B 实例）
if metadata:
b_instance = metadata[0]
if isinstance(b_instance, B):
print("B.x =", b_instance.x) # 输出: B.x = foodef get_annotated_metadata(tp):
"""安全提取 Annotated 元数据，返回 None 若非 Annotated 类型"""
if hasattr(tp, '__metadata__') and hasattr(tp, '__origin__') and tp.__origin__ is Annotated:
return tp.__metadata__
return None
# 使用示例
meta = get_annotated_metadata(annotations["y"])
if meta:
for item in meta:
print("Metadata item:", item)