优化 ParamValidator，让编辑器Pycharm智能提示校验方法

import inspect
from functools import wraps
from typing import TypeVar, Callable
from atme.demo_validator.validator_v6.validator import Validator
Self = TypeVar('Self', bound='ParameterValidator')
class ParameterValidator:
    def __init__(self, param_name: str, param_rule_des=None):
        """
        :param param_name: 参数名
        :param param_rule_des: 该参数的规则描述
        """
        self.param_name = param_name
        self.param_rule_des = param_rule_des
        self._validators = []
        def __getattribute__(self, name: str):
            """
            __getattribute__ 在每次访问对象的属性时都会触发，不管属性是否存在。
            以用户使用 ParamValidator("param").is_string(exception_msg='param must be string').is_not_empty() 为例，代码执行过程如下:
            1. 当用户调用 ParamValidator("param").is_string(exception_msg='param must be string') 时，
            2. 由于 is_string 方法不存在，__getattr__ 方法被调用，返回 validator_method 函数(此时未被调用)，is_string 方法实际上是 validator_method 函数的引用，
            3. 当执行 is_string(exception_msg='param must be string') 时，is_string 方法被调用, 使用关键字参数传递 exception_msg='param must be string'，
            4. 实际上是执行了 validator_method(exception_msg='param must be string') , validator_method 函数完成调用后，执行函数体中的逻辑：
                 - 向 self._validators 中添加了一个元组 ('is_string', (),  {'exception_msg': 'param  must  be  string'})
                 - 返回 self 对象
            5. self 对象继续调用 is_not_empty(), 形成链式调用效果，此时的 validator_method 函数的引用就是 is_not_empty, 调用过程与 1-4 相同。
            """
            # 如果获取到已存在的属性， 则使用 object.__getattribute__(self, name) 直接获取对象的属性值
            if name in ['param_name', 'param_rule_des', '_validators']:
                return object.__getattribute__(self, name)
            # 如果获取到不存在的属性，则创建了函数 validator_method
            def validator_method(*args, **kwargs):
                self._validators.append((name, args, kwargs))
                return self
            return validator_method
    def __call__(self, func: Callable) -> Callable:
        @wraps(func)
        def wrapper(*args, **kwargs):
            # 获取函数的参数和参数值
            bound_args = inspect.signature(func).bind(*args, **kwargs).arguments
            if self.param_name in kwargs:
                # 如果函数被装饰，且以关键字参数传值，则从 kwargs 中取参数值
                value = kwargs[self.param_name]
            else:
                # 如果函数被装饰，且以位置参数传值，则从 bound_args 中取参数值
                value = bound_args.get(self.param_name)
            # 实例化 Validator 对象
            validator = Validator(value, field=self.param_name, rule_des=self.param_rule_des)
            # 遍历所有校验器(注意：这里使用 vargs, vkwargs，避免覆盖原函数的 args, kwargs)
            for method_name, vargs, vkwargs in self._validators:
                # 通过 函数名 反射获取校验函数对象
                validate_method = getattr(validator, method_name)
                # 执行校验函数
                validate_method(*vargs, **vkwargs)
            # 执行原函数
            return func(*args, **kwargs)
        return wrapper
    '''
    ==============================分隔符===============================
    以下所有方法，是从 Validator 类中复制过来，目的是：
    - 为了让编辑器如 Pycharm 智能提示 ParameterValidator 本类中可以使用的校验方法；
    - 这些方法仅供 Pycharm 智能提示使用，没有任何实际作用；
        可以是：
            def is_string(self, exception_msg=None) -> Self:
                ...
        也可以是：
            def is_string(self, exception_msg=None) -> Self:
                return isinstance(self.value, str)            
    - ParameterValidator 类的实例通过 __getattribute__ 方法动态收集用户的调用方法；
    - 然后使用 __call__ 方法反射调用 Validator 类中的校验方法
    在模块中定义了: Self = TypeVar('Self', bound='ParameterValidator')，目的是：
    - 方便从 Validator 类中复制校验方法，粘贴之后不做任何代码层面的修改：
    - 方便链式调用，如： @ParameterValidator("param").is_string().is_not_empty()
    '''
    def is_string(self, exception_msg=None) -> Self:
        return isinstance(self.value, str)
    def is_not_empty(self, exception_msg=None) -> Self:
        return bool(self.value)

import pytest
from atme.demo.validator_v6.param_validator import ParameterValidator
def test_is_string_validator_passing_01():
    """
    校验一个参数
    """
    @ParameterValidator("param").is_string(exception_msg='param must be string')
    def example_function(param):
        print(param)
        return param
    assert example_function(param="test") == "test"
    with pytest.raises(ValueError) as exc_info:
        example_function(param=123)
    print(exc_info.value)
    assert "invalid" in str(exc_info.value)
def test_is_string_validator_passing_02():
    """
    校验多个参数
    """
    @ParameterValidator("param2").is_string().is_not_empty()
    @ParameterValidator("param1").is_string().is_not_empty()
    def example_function(param1, param2):
        print(param1, param2)
        return param1, param2
    assert example_function("test1", "test2") == ("test1", "test2")
    with pytest.raises(ValueError) as exc_info:
        example_function(123, 123)
    print(exc_info.value)
    assert "invalid" in str(exc_info.value)

============================= test session starts =============================
collecting ... collected 2 items
test_param_validator.py::test_is_string_validator_passing_01 PASSED      [ 50%]test
param error: "123" is invalid. due to: param must be string
test_param_validator.py::test_is_string_validator_passing_02 PASSED      [100%]test1 test2
param2 error: "123" is invalid.
============================== 2 passed in 0.01s ==============================