Python中//整数除法遇零直接抛ZeroDivisionError中断执行，需优先用if判断分母非零来预防，而非依赖try/except；注意None、空值及类型转换风险。

Python 中用 // 做整数除法时，零除会直接抛出 ZeroDivisionError

这和 Excel 的 #DIV/0! 不同：Python 不返回错误值，而是中断执行。一旦触发，程序会崩溃，除非你主动捕获或预防。

常见触发场景包括：

• 用户输入未校验（比如读取表格某列作为除数）
• 动态计算中分母来自聚合结果（如 sum() 为 0）
• 循环中索引或计数器归零后仍参与除法

最稳妥的预防方式是提前判断分母是否为零

别依赖 try/except 处理所有情况——它适合兜底，但不该是主逻辑。优先在除法前加一层守门检查。

• 用 if divisor != 0: 显式判断，比靠异常更清晰、更易调试
• 若分母来自变量或表达式，先赋值再判断，避免重复计算（例如 denom = get_denominator(); if denom != 0: result = num // denom）
• 对可能为 None 的值，要额外检查：if denom is not None and denom != 0
• 注意浮点数比较零需谨慎，但 // 要求操作数为整数，所以通常不涉及浮点精度问题

try/except ZeroDivisionError 该用在哪儿

它不是替代判断的捷径，而是处理「无法静态预知分母是否为零」的边界情况。

• 比如解析外部 API 返回的 JSON，字段存在但值不确定，且你无法控制上游数据
• 多线程/异步环境中，分母可能被其他线程修改，判断后瞬间变零（极少见，但需意识）
• 日志或监控场景：你想记录出错上下文，但又不想让整个流程卡住
• 写工具函数时，可选择性吞掉异常并返回默认值：try: return a // b except ZeroDivisionError: return 0

别忽略类型和隐式转换带来的坑

// 是整数除法，但它的两个操作数不一定是 int 类型。如果其中一个是 float，结果仍是 float；如果是 Decimal 或自定义类型，行为可能不同。

• 确保传入的是整数类型，或显式转换：int(a) // int(b)，但要注意转换本身可能抛异常（如 int("abc")）
• 用 isinstance(b, (int, bool)) 比 type(b) == int 更安全（bool 是 int 子类，True == 1）
• False 在数值上下文中等于 0，所以 5 // False 也会报 ZeroDivisionError

实际中最容易被忽略的，是把「分母可能为空」等同于「分母可能为零」——空字符串、None、空列表都不是零，但未经处理就转成整数会引发其他异常。守门逻辑得覆盖完整的数据生命周期，不能只盯一个 0。