assert真正有用场景是开发阶段的“检查点”，仅在debug=True时生效，适用于函数入参校验、算法中间状态验证及单元测试逻辑分支确认，不适用于用户输入、生产环境业务规则或外部依赖判断。

assert 在什么场景下真正有用

assert 不是异常处理的替代品，而是开发阶段的“检查点”：它只在 debug == True（即未用 -O 或 -OO 运行 Python）时生效。适合用于：

• 函数入参的快速合理性校验（比如非空、类型预期、范围约束）
• 算法中间状态验证（如循环不变式、递归终止条件前的状态）
• 单元测试中辅助断言逻辑分支是否进入（配合 pytest 的 -s 可看到输出）

不适用于：

• 用户输入校验（应抛 ValueError 等明确异常）
• 需要生产环境持续检查的业务规则（assert 会被优化掉）
• IO、网络、文件存在性等外部依赖判断（这些失败本就该由异常承载）

写 assert 时最容易踩的三个坑

• assert 后面跟赋值语句：比如 assert x = 5 是语法错误；正确写法是 assert x == 5，但更推荐用 assert x == 5, f"x expected 5, got {x}" 带提示信息
• 用 assert 检查可变对象状态：如 assert my_list 看似检查非空，但若 my_list 是函数返回值且被后续修改，断言通过不代表后续安全
• 把复杂表达式塞进 assert：比如 assert expensive_function() > 0 —— 这个调用在 -O 模式下直接消失，可能掩盖副作用逻辑；应拆成变量 + 显式 if 判断

如何让 assert 错误信息真正帮到调试

默认的 AssertionError 只报 assert False，看不出上下文。加消息字符串是最小成本改进：

• 单行清晰说明“什么没满足”： assert isinstance(data, dict), f"expected dict, got {type(data).name}"
• 对数值比较，显式写出期望/实际值： assert count >= 0, f"count became negative: {count}"
• 避免拼接大对象（如 str(large_dict)），可能拖慢调试或触发 RecursionError；用 repr() 或取关键字段

注意：消息字符串本身在 -O 下仍会执行（只要它不是 assert 条件的一部分）。所以别在消息里放副作用代码，例如：assert x > 0, log_debug(x) + "failed" —— log_debug 会在优化模式下依然调用。

Biopython

全面的分子生物学工具集。适用于序列操作、文件解析（FASTA/GenBank/PDB）、系统发育分析，以及通过 Bio.Entrez 以编程方式访问 NCBI/

下载

assert 和 if raise 的选择边界在哪

• 用 assert：你完全控制输入来源（比如内部函数调用链、测试数据构造），且该检查纯属“防自己写错”，不面向用户或外部系统
• 用 if not condition: raise ValueError(...)：输入可能来自用户、配置文件、API 请求，需要明确异常类型、可被捕获、需记录日志或返回 HTTP 错误码

一个具体例子：
def calc_average(items):
  if not items:
    raise ValueError("items cannot be empty")
  # 此处可加 assert len(items) > 0，但冗余；更值得 assert sum(items) == sum(float(x) for x in items)

真正容易被忽略的是：很多人把 assert 当作“轻量级异常”，却忘了它本质是开发期开关——上线后一旦关闭，所有断言失效，而你以为的“兜底检查”其实根本不存在。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！