异常处理

Python用异常对象(exception object)表示异常情况，遇到错误后，会引发异常。如果异常对象并未被处理或捕捉，程序就会用所谓的回溯(Traceback,一种错误信息)终止执行

可以简单的理解异常处理机制，就是在程序运行出现错误时，让 Python 解释器执行事先准备好的除错程序，进而尝试恢复程序的执行。

借助异常处理机制，甚至在程序崩溃前也可以做一些必要的工作，例如将内存中的数据写入文件、关闭打开的文件、释放分配的内存等。

Python 异常处理机制会涉及 try、except、else、finally 这 4 个关键字，同时还提供了可主动使程序引发异常的 raise 语句，

"""
捕获异常组合
try:可能发生错误的代码
except:如果出现异常执行的代码
如果出现的异常捕获到了, 那么不会影响后续的代码执行
"""
f = open('你好1.txt', mode='r', encoding='utf-8')  # r模式 是不会自动创建不存在的文件
print(f)  # 报错 FileNotFoundError: [Errno 2] No such file or directory: '你好1.txt'try:f = open('你好1.txt', mode='r', encoding='utf-8')
except:f = open('你好1.txt', mode='w', encoding='utf-8')

常见异常

# 先赋值声明后使用
print(name)  
"""NameError: name 'name' is not defined名称错误：name 没有被定义
"""# 被除数是不能为0的
print(10 / 0)
"""ZeroDivisionError: division by zero除零错误：任何数值被零除都会导致ZeroDivisionError错误
"""# 索引错误
a = [1, 3, 4, 5]
print(a[20])
"""IndexError: list index out of range索引错误：使用一个超出范围的值索引时引发
"""dic1 = {'age': 18,'name': '泽言'
}
print(dic1['kk'])
"""KeyError: 'kk'键错误：该字典没有这个键引发的报错
"""# 捕获错误
try:print(10 / 0)print(name)
except NameError: # 指定的捕获异常print('有错误')# 捕获多个异常
try:print(10 / 0)print(name)
except (NameError, ZeroDivisionError):  # 指定的捕获异常print('有错误')# 捕获所有异常
try:print(10 / 0)print(name)
except Exception:  # 捕捉所有异常(你打印的错误要是我当前Exception里面收录好了)  记录了 99%print('有错误')# 显示打印异常的信息
try:print(10 / 0)print(name)  # 如果存在多个异常，他只会打印第一个异常信息，但是能捕捉所有的异常
except Exception as e:  # 只是一个变量，名字随便取print(e)

else

在原本的 try except 结构的基础上，Python 异常处理机制还提供了一个 else 块，也就是原有 try except 语句的基础上再添加一个 else 块，即try except else结构。

使用 else 包裹的代码，只有当 try 块没有捕获到任何异常时，才会得到执行；反之，如果 try 块捕获到异常，即便调用对应的 except 处理完异常，else 块中的代码也不会得到执行。

# else 当 try 代码块下面的代码没有异常的时候才会被执行
try:print(111)
except Exception as r:print(r)
else:print('我是else，当try代码块下面的代码没有异常的时候我会被执行')''' 示例 '''
try:result = 20 / int(input('请输入除数:'))print(result)
except ValueError:print('必须输入整数')
except ArithmeticError:print('算术错误，除数不能为 0')
else:print('没有出现异常')
print("继续执行")

finally

Python 异常处理机制还提供了一个 finally 语句，通常用来为 try 块中的程序做扫尾清理工作。
注意，和 else 语句不同，finally 只要求和 try 搭配使用，而至于该结构中是否包含 except 以及 else，对于 finally 不是必须的（else 必须和 try except 搭配使用）。

在整个异常处理机制中，finally 语句的功能是：无论 try 块是否发生异常，最终都要进入 finally 语句，并执行其中的代码块。

基于 finally 语句的这种特性，在某些情况下，当 try 块中的程序打开了一些物理资源（文件、数据库连接等）时，由于这些资源必须手动回收，而回收工作通常就放在 finally 块中。
Python 垃圾回收机制，只能帮我们回收变量、类对象占用的内存，而无法自动完成类似关闭文件、数据库连接等这些的工作。

读者可能会问，回收这些物理资源，必须使用 finally 块吗？当然不是，但使用 finally 块是比较好的选择。首先，try 块不适合做资源回收工作，因为一旦 try 块中的某行代码发生异常，则其后续的代码将不会得到执行；其次 except 和 else 也不适合，它们都可能不会得到执行。而 finally 块中的代码，无论 try 块是否发生异常，该块中的代码都会被执行。

# finally 不管 try 代码块下的代码有没有异常，都会被执行
try:print(name)
except Exception as r:print(r)
else:print('我是else，当try代码块下面的代码没有异常的时候我会被执行')
finally:print('我是finally, 不管try代码块下面的代码有没有异常, 我都会被执行')

raise

是否可以在程序的指定位置手动抛出一个异常？
答案是肯定的，Python 允许我们在程序中手动设置异常，使用 raise 语句即可。

你可能会疑惑，从来都是想方设法地让程序正常运行，怎么还要手动设置异常呢？
首先要分清楚程序发生异常和程序执行错误，它们完全是两码事：程序由于错误导致的运行异常，是需要程序员想办法解决的；但还有一些异常，是程序正常运行的结果，比如用 raise 手动引发的异常。

当程序出现错误，python会自动引发异常，也可以通过raise显示地引发异常。一旦执行了raise语句，raise后面的语句将不能执行。

raise [exceptionName [(reason)]]

用 [] 括起来的为可选参数，其作用是指定抛出的异常名称，以及异常信息的相关描述。如果可选参数全部省略，则 raise 会把当前错误原样抛出；如果仅省略 (reason)，则在抛出异常时，将不附带任何的异常描述信息。

''' raise的三种情况 '''
# 1. 单独一个 raise 
# 单独的raise会重新触发前一个异常，如果之前没有触发异常，触发RuntimeError
# 第一种情况：上下文中捕获的异常
def test(num):try:100/numexcept Exception as res:print("捕获异常完成")raise  
test(0)# 第二种情况：默认引发RuntimeError 异常：
def test(num):if num == 100:raiseprint(num)
test(100)# 2. raise 异常名称
def Test1(num):try:100/numexcept Exception as res:print("捕获异常完成")print(res)raise ZeroDivisionErrorprint("----在raise之后，不会执行-----")else:print("没有异常")
Test1(0)# 其中 异常名称可以为自定义异常名称 
class CustomException(Exception):def __init__(self,ErrorInfo):self.ErrorInfo = ErrorInfodef __str__(self):return self.ErrorInfo
def Test1(num):try:raise CustomException('这是一个自定义的异常')except CustomException as res:print(res)
Test1(0)# 3.raise 异常名称(异常描述信息)
def Test1(num):try:100/numexcept Exception as res:print("捕获异常完成")print(res)raise ZeroDivisionError("分母不能为0")print("----在raise之后，不会执行-----")else:print("没有异常")
Test1(0)''' 示例 '''
def div(a, c):try:if c == 0:raise Exception('c不能等于0')  # 主动抛出的一个异常,不是系统报错return a / cexcept Exception as e:print(e)  # 打印报错信息# print(div(5,0))
print(div(7, 6))''' 示例 '''
try:a = input("输入一个数：")#判断用户输入的是否为数字if(not a.isdigit()):raise ValueError("输入的%s不是数字，要求必须输入数字"%(a))
except ValueError as e:print("引发异常：", repr(e))print("输错了，异常发生，本程序也没有崩溃，正常运行到结束！！！")

获取异常信息

在实际调试程序的过程中，有时只获得异常的类型是远远不够的，还需要借助更详细的异常信息才能解决问题。

捕获异常时，有 2 种方式可获得更多的异常信息，分别是：

• 使用 sys 模块中的 exc_info 方法；
• 使用 traceback 模块中的相关函数

sys.exc_info()

使用 sys 模块中的 exc_info() 方法获得更多的异常信息。
后续我们会接受模块的详细信息，先简单了解一下。

模块 sys 中，有两个方法可以返回异常的全部信息，分别是 exc_info() 和 last_traceback()，这两个函数有相同的功能和用法，以 exc_info() 方法为例。

exc_info() 方法会将当前的异常信息以元组的形式返回，该元组中包含 3 个元素，分别为 type、value 和 traceback，它们的含义分别是：

• **type：**异常类型的名称，它是 BaseException 的子类
• **value：**捕获到的异常实例。
• **traceback：**是一个 traceback 对象。

# 使用 sys 模块之前，需使用 import 引入
import systry:x = int(input("请输入一个被除数："))print("30除以", x, "等于", 30 / x)
except:print(sys.exc_info())print("其他异常...")
# 当输入 0 时，程序运行结果为：
# 请输入一个被除数：0
# (<class 'ZeroDivisionError'>, ZeroDivisionError('division by zero',), <traceback object at 0x000001FCF638DD48>)
# 其他异常...'''
输出结果中，第 2 行是抛出异常的全部信息，这是一个元组，有 3 个元素，第一个元素是一个 ZeroDivisionError 类；第 2 个元素是异常类型 ZeroDivisionError 类的一个实例；第 3 个元素为一个 traceback 对象。其中，通过前 2 个元素可以看出抛出的异常类型以及描述信息，对于第 3 个元素，是一个 traceback 对象，无法直接看出有关异常的信息，还需要对其做进一步处理。要查看 traceback 对象包含的内容，需要先引进 traceback 模块，然后调用 traceback 模块中的 print_tb 方法，并将 sys.exc_info() 输出的 traceback 对象作为参数参入。例如：
'''
# 使用 sys 模块之前，需使用 import 引入
import sys
# 引入traceback模块
import tracebacktry:x = int(input("请输入一个被除数："))print("30除以", x, "等于", 30 / x)
except:# print(sys.exc_info())traceback.print_tb(sys.exc_info()[2])print("其他异常...")
# 输入 0，程序运行结果为：
# 请输入一个被除数：0
#   File "C:\Users\mengma\Desktop\demo.py", line 7, in <module>
#     print("30除以",x,"等于",30/x)
# 其他异常...
# 可以看到，输出信息中包含了更多的异常信息，包括文件名、抛出异常的代码所在的行数、抛出异常的具体代码。

traceback

除了使用 sys.exc_info() 方法获取更多的异常信息之外，还可以使用 traceback 模块，该模块可以用来查看异常的传播轨迹，追踪异常触发的源头

class SelfException(Exception):passdef main():firstMethod()def firstMethod():secondMethod()def secondMethod():thirdMethod()def thirdMethod():raise SelfException("自定义异常信息")main()
'''
上面程序中 main() 函数调用 firstMethod()，firstMethod() 调用 secondMethod()，secondMethod() 调用 thirdMethod()，thirdMethod() 直接引发一个 SelfException 异常。
Traceback (most recent call last):File "C:\Users\mengma\Desktop\1.py", line 11, in <module>main()File "C:\Users\mengma\Desktop\1.py", line 4, in main                   <--mian函数firstMethod()File "C:\Users\mengma\Desktop\1.py", line 6, in firstMethod        <--第三个secondMethod()File "C:\Users\mengma\Desktop\1.py", line 8, in secondMethod   <--第二个thirdMethod()File "C:\Users\mengma\Desktop\1.py", line 10, in thirdMethod     <--异常源头raise SelfException("自定义异常信息")
SelfException: 自定义异常信息'''

从输出结果可以看出，异常从 thirdMethod() 函数开始触发，传到 secondMethod() 函数，再传到 firstMethod() 函数，最后传到 main() 函数，在 main() 函数止，这个过程就是整个异常的传播轨迹。

在实际应用程序的开发中，大多数复杂操作都会被分解成一系列函数或方法调用。这是因为，为了具有更好的可重用性，会将每个可重用的代码单元定义成函数或方法，将复杂任务逐渐分解为更易管理的小型子任务。由于一个大的业务功能需要由多个函数或方法来共同实现，在最终编程模型中，很多对象将通过一系列函数或方法调用来实现通信，执行任务。

所以，当应用程序运行时，经常会发生一系列函数或方法调用，从而形成“函数调用战”。异常的传播则相反，只要异常没有被完全捕获（包括异常没有被捕获，或者异常被处理后重新引发了新异常），异常就从发生异常的函数或方法逐渐向外传播，首先传给该函数或方法的调用者，该函数或方法的调用者再传给其调用者，直至最后传到 Python 解释器，此时 Python 解释器会中止该程序，并打印异常的传播轨迹信息。
很多初学者一看到输出结果所示的异常提示信息，就会惊慌失措，他们以为程序出现了很多严重的错误，其实只有一个错误，系统提示那么多行信息，只不过是显示异常依次触发的轨迹。

其实，上面程序的运算结果显示的异常传播轨迹信息非常清晰，它记录了应用程序中执行停止的各个点。最后一行信息详细显示了异常的类型和异常的详细消息。从这一行向上，逐个记录了异常发生源头、异常依次传播所经过的轨迹，并标明异常发生在哪个文件、哪一行、哪个函数处。

使用 traceback 模块查看异常传播轨迹，首先需要将 traceback 模块引入，该模块提供了如下两个常用方法：

• **traceback.print_exc()：**将异常传播轨迹信息输出到控制台或指定文件中。
• **format_exc()：**将异常传播轨迹信息转换成字符串。

可能有读者好奇，从上面方法看不出它们到底处理哪个异常的传播轨迹信息。实际上我们常用的 print_exc() 是 print_exc([limit[, file]]) 省略了 limit、file 两个参数的形式。而 print_exc([limit[, file]]) 的完整形式是 print_exception(etype, value, tb[,limit[, file]])，在完整形式中，前面三个参数用于分别指定异常的如下信息：

• **etype：**指定异常类型；
• **value：**指定异常值；
• **tb：**指定异常的traceback 信息；

当程序处于 except 块中时，该 except 块所捕获的异常信息可通过 sys 对象来获取，其中 sys.exc_type、sys.exc_value、sys.exc_traceback 就代表当前 except 块内的异常类型、异常值和异常传播轨迹。

简单来说， print_exc([limit[, file]]) 相当于如下形式：
print_exception(sys.exc_etype, sys.exc_value, sys.exc_tb[, limit[, file]])

也就是说，使用 print_exc([limit[, file]]) 会自动处理当前 except 块所捕获的异常。该方法还涉及两个参数：
limit：用于限制显示异常传播的层数，比如函数 A 调用函数 B，函数 B 发生了异常，如果指定 limit=1，则只显示函数 A 里面发生的异常。如果不设置 limit 参数，则默认全部显示。
file：指定将异常传播轨迹信息输出到指定文件中。如果不指定该参数，则默认输出到控制台。

借助于 traceback 模块的帮助，我们可以使用 except 块捕获异常，并在其中打印异常传播信息，包括把它输出到文件中。例如如下程序：

# 导入trackback模块
import traceback
class SelfException(Exception): pass
def main():firstMethod()
def firstMethod():secondMethod()
def secondMethod():thirdMethod()
def thirdMethod():raise SelfException("自定义异常信息")
try:main()
except:# 捕捉异常，并将异常传播信息输出控制台traceback.print_exc()# 捕捉异常，并将异常传播信息输出指定文件中traceback.print_exc(file=open('log.txt', 'a'))

上面程序第一行先导入了 traceback 模块，接下来程序使用 except 捕获程序的异常，并使用 traceback 的 print_exc() 方法输出异常传播信息，分别将它输出到控制台和指定文件中。
运行上面程序，同样可以看到在控制台输出异常传播信息，而且在程序目录下生成了一个 log.txt 文件，该文件中同样记录了异常传播信息。

处理异常基本原则

使用异常处理的优势、便捷之处，本节将进一步从程序性能优化、结构优化的角度给出异常处理的一般规则。成功的异常处理应该实现如下4个目标。

• 使程序代码混乱最小化
• 捕获并保留诊断信息
• 通知合适的人员
• 采用合适的方式结束异常活动。

为了实现以上目标，我们应做到：

1. 不过度使用异常
   区分异常与普通错误，能处理的错误要通过代码处理，而不是简单的抛出异常，不要使用异常捕获来代替流程控制，这样做程序的执行效率会很低。
2. 避免过于庞大的try块
   过大的try块会导致容易出错，而且排查错误困难。
   如果必须将很多语句进行异常捕获，尽量拆分成小的try块，方便调试。
3. 不要忽略捕获的异常
   既然已经发现了异常，就要及时处理，避免引起程序崩溃，仅仅打印异常信息，会稍微好一点，但还是建议对异常采取适当的措施。

例如：

• 用别的数据进行计算，以替代期望方法的返回值
• 提示用户重新操作
• 把在当前运行环境下能做的事情尽量做完，然后进行异常转移，把异常包装成当前层的异常，重新传给上传调用者
• 在合适的层处理异常，如果本层不清楚如何处理，就不要在当前层使用except语句来捕获，让上层调用着来负责处理该异常。

assert

使用 assert 断言语句是一个非常好的习惯，python assert 断言句语格式及用法很简单。在没完善一个程序之前，我们不知道程序在哪里会出错，与其让它在运行到最后崩溃，不如在出现错误条件时就崩溃，这样在跑大规模程序的时候不会过多的浪费时间和计算资源，这时候就需要assert断言的帮助。

• Python assert（断言）用于判断一个表达式，要求表达式计算值必须为真。可用于自动调试。如果表达式为假，触发异常；如果表达式为真，不会报错。

def div(a, c):# assert 后面的布尔结果为False就会触发断言  后面的布尔结果为True就不会触发断言print(c != 0)  # Trueassert c != 0, 'c不能为0,kkk+3344'  # 这个是我们自己定义报错,不是系统自己的报错return a / c# print(div(8,0))
print(div(5, 7))  # 0.7142857142857143''' 示例 '''
def  zero(s):a = int(s)assert a > 0,"a超出范围"   #这句的意思：如果a确实大于0，程序正常往下运行return azero("-2")  #但是如果a是小于0的，程序会抛出AssertionError错误，报错为参数内容“a超出范围”

断点调试

Pycharm的用户，通常都喜欢Pycharm强大的debug配置。但pycharm虽好，但需要图形化的UI界面，事实上在很多项目开发上有UI界面是很奢侈的事情。所以在无界面的vim下debug，难道只能用print了？那效率就太低下了。

事实上，python有内置的断点工具，直接在代码中插入即可完成断点调试。

arr = [1, 2, 3, 4, 5]
index = 0def print_item(item):print(item)while index < len(arr):print_item(arr[index])index += 1# 步过   会一步一步单步的调试代码 但是遇到函数是不会进入的
# 步入   可以进入到我们的内函数内部去执行操作
# 单步执行我的代码  他会一步一步的执行,遇到函数是会自动进入的
# 步出   是可以跳出函数内部的执行
# 运行到我的光标出   你的鼠标光标在哪里name他就会运行到哪里for i in range(10):  # 起始值值不写默认从0开始 ,左闭右开的结果print(i)

两种方式

1、在代码区域，鼠标右键，选中Debug开始调试（推荐）

2、点击代码区域右上角的虫子图标

注意选择正确的文件，在虫子图标的左侧，如选错了，就是给其他文件Debug了

开始进入Debug调试模式后，程序会运行到第一个断点，可以在代码后面或者Debugger工具面板查看变量值

Debugger窗口各图标的含义

1.Show Execution Point （Alt + F10）

• 作用是定位当前执行点，在调试过程中，代码可能会在多个断点之间跳转，或者通过函数调用进入不同的代码块，使用"Show Execution Point"功能，可以方便地看到当前正在执行的代码行，而无需手动滚动代码窗口。

2.Step Over（F8）

• 调试过程中，如果想逐行执行代码并查看每一行的执行结果，但不希望进入函数调用的内部代码，而是直接执行完整个函数并跳过它 ，就可以使用它，在不存在子函数的情况下是和Step Into效果一样的（简而言之，越过子函数，但子函数会执行）

• 举个例子，有以下Python代码，设置断点， 点击 Debugger 窗口的 “Step Over” 按钮（或按下 F8 键） ，可以看到没有进入multiply(a,y)函数，直接计算出product_result的值了。

3.Step Into （F7）

• 单步执行，遇到子函数就进入并且继续单步执行（简而言之，进入子函数）。

• 举个例子，有以下Python代码，设置断点， 点击 Debugger 窗口的 “Step Into” 按钮（或按下 F7 键） ，可以看到进入multiply(a,y)函数了。

4.Step Into My Code（Alt + Shift + F7）

• 进入自己编写的函数，但不进入系统函数，很少用到。

5.Force Step Into（Alt + Shift + F7）

• 强制进入，在调试的时候能进入任何方法， 它允许你在遇到多个可以进入的函数调用时，自行选择要进入的函数，而不是按照默认的逐层进入顺序。

• 举个例子， 有以下Python代码，假设你在调试模式下启动了这段代码，并在 sum_result = add(num1, num2) 这一行设置了断点。当代码停在这个断点处时，你可以点击 Debugger 窗口的 “Step Into” 按钮（或按下 F7 键）来进入 add() 函数的内部。

• 现在，如果你想进入 divide(product_result, num2) 这个函数调用的内部，你可以在 Debugger 窗口中右键点击 divide 这一行，然后选择 “Force Step Into”。这将会强制 Debugger 跳过 multiply() 函数内部的逐行执行，直接进入 divide() 函数内部。

6.Step Out（ Shift + F8）

• 当单步执行到子函数内时，用Step Out就可以执行完子函数余下部分，并返回到上一层函数。 “Step Over” 是逐行执行并忽略函数内部的操作，而 “Step Out” 是从当前函数内部退出并继续执行到调用点的操作。

• 举个例子，有以下Python代码，在sum_result = add(num1, num2)处打断点，代码执行进入add函数后，点击Step Out，直接跳出add函数，但是还是会计算出sum_result的值。

7.Run to Cursor（ Alt + F9）

• 一直执行，到光标处停止，用在循环内部时，点击一次就执行一个循环。它是一个非常实用的功能，可以帮助你快速运行代码片段，跳过不必要的中间步骤，以及在你只关心特定部分的情况下更高效地进行调试。

• 举个例子，有以下Python代码，假设你在调试模式下启动了这段代码，并在 num1 = 5 这一行设置了断点。现在，如果你想要跳过 add(num1, num2) 函数调用的逐步执行，直接执行到 print(“Sum:”, sum_result) 这一行，你可以在该行上右键点击，然后选择 “Run to Cursor”。

• 这将会让程序在当前位置直接运行，直到光标所在的位置。在这个例子中，它将跳过 add() 函数的内部执行，直接执行到 print(“Sum:”, sum_result) 这一行，然后停止。

8.Evaluate Expression （ Alt + F8）

• 计算表达式。 这个功能对于查看变量、计算表达式、验证假设以及调试代码时的实时观察非常有帮助，可以动态地在断点处计算和查看不同表达式的值，更好地理解代码在不同步骤的状态，以及发现潜在的问题。

• 举个例子，有以下Python代码，假设你在调试模式下启动了这段代码，并在 sum_result = add(num1, num2) 这一行设置了断点。当代码停在这个断点处时，你可以使用 “Evaluate Expression” 功能来计算和查看一些表达式的值。

• 例如，你可以在调试器的窗口中找到 “Evaluate Expression” 输入框，然后输入表达式 num1 + num2 并点击 “Evaluate” 按钮。这将会计算 num1 和 num2 的和，然后显示结果。

9.Return XXX（Ctrl + F5）

• 重新运行程序，会关闭服务后重新启动程序。

10.Resume Program (F9)

• 允许你从一个断点处恢复程序的执行，跳过你不想逐步检查的部分，以便你能够更快地观察代码的整体行为。

• 比如，你在第20行和26行有两个断点，当前运行至第20行，按F9，则运行到下一个断点(即第26行)，再按F9，则运行完整个流程，因为后面已经没有断点了。

11.Pause Program

• 暂停程序，启用Debug， 以便能够检查当前的状态、变量的值，或者观察代码的执行情况，完成了查看和调试操作后，可以继续执行程序，通常是通过点击调试器工具栏上的 “Resume Program”（通常是一个绿色的三角形图标）来恢复程序的执行 。

12.Stop ‘xxx’ (Ctrl + F2)

• 允许立即停止程序的执行和调试会话，适用于需要立即中止调试过程的情况。有时候会发现关闭服务再启动时，报端口被占用，这是因为没完全关闭服务的原因，这个时候就需要查杀所有JVM进程了。

13.View Breakpoints (Ctrl + Shift + F8)

• 能够查看和管理代码中设置的断点，帮助更好地进行调试和观察程序的执行流程。

14.Mute Breakpoints

• 一次性临时禁用所有断点，而不必逐个去禁用每个断点 ，在不删除断点的情况下，暂时停止断点的触发，以便在某些特定情况下进行调试或测试时非常有用。

• 选择这个后，所有断点变为灰色，断点失效，按F9则可以直接运行完程序。再次点击，断点变为红色，有效。