使用Python处理专业错误

在本教程中，您将从整个系统的角度学习如何处理Python中的错误条件。错误处理是设计的关键方面，它从最低级别（有时是硬件）一直到最终用户。如果您没有一致的策略，您的系统将不可靠，用户体验将很差，您将面临很多挑战，并且要调试和故障排除。状态代码和异常。状态代码可以由任何编程语言使用。异常需要语言/运行时支持。

python支持异常。 Python及其标准图书馆使用例外情况，可以自由地报告许多特殊情况，例如IO错误，除以零，不超出界限，以及一些不太特殊的情况，例如迭代的终结（尽管隐藏了）。大多数库都遵循并提出例外。

这意味着您的代码无论如何都必须处理Python和库提出的例外，因此您不妨在必要时从代码中提出异常，而不是依赖状态代码。

>

快速示例

>

>

>

这是调用try

子句时的输出。如果没有例外，则该程序会跳过

def f():<br>    return 4 / 0<br>def g():<br>    raise Exception("Don't call us. We'll call you")<br>def h():<br>    try:<br>        f()<br>    except Exception as e:<br>        print(e)<br>    <br>    try:<br>        g()<br>    except Exception as e:<br>        print(e)<br>

子句。 

>如果输入一个整数，则程序可以按预期工作。但是，如果您输入浮子或字符串，则程序将停止执行。

当您捕获异常时，您有三个选项：

Please enter a number: 10.3<br>Oops!  That was no valid number.  Try again...<br>Please enter a number: hello<br>Oops!  That was no valid number.  Try again...<br>Please enter a number: 10.0<br>Oops!  That was no valid number.  Try again...<br>Please enter a number: <br>

• >
• 悄悄地吞下它（静静地处理并继续运行）。

>吞咽异常

import json<br>import yaml<br><br>def parse_file(filename):<br>    try:<br>        return json.load(open(filename))<br>    except json.JSONDecodeError<br>        return yaml.load(open(filename))<br>

>如果您知道如何处理并可以完全恢复它，则应吞下异常。如果JSON解析器提出了该文件不是有效的JSON文件的例外，请吞下它并尝试使用YAML解析器。如果YAML解析器也失败了，那么您让异常传播。

>请注意，其他例外（例如未找到或未读取权限的文件）将传播，并且不会被特定条款捕获。在这种情况下，这是一个很好的策略，您只需要在JSON解析因JSON编码问题而失败的情况下尝试YAML解析。>如果要处理except Exception>

所有例外，则只需使用 <code> <code> <code> dececkion excect 。例如：<pre class="brush:php;toolbar:false">def f():&lt;br&gt; return 4 / 0&lt;br&gt;def g():&lt;br&gt; raise Exception(&quot;Don't call us. We'll call you&quot;)&lt;br&gt;def h():&lt;br&gt; try:&lt;br&gt; f()&lt;br&gt; except Exception as e:&lt;br&gt; print(e)&lt;br&gt; &lt;br&gt; try:&lt;br&gt; g()&lt;br&gt; except Exception as e:&lt;br&gt; print(e)&lt;br&gt;</pre>><p>请注意，通过添加<code>as e，您可以将异常对象绑定到您的名称e>的name

>。这使您可以执行一些本地处理，但仍然可以让高层处理。在这里，

函数打印了控制台的异常类型，然后再次提高异常。

raise>提出不同的异常invoke_function()

>在某些情况下，您想提出不同的例外。有时，您想将多个不同的低级异常分组为一个类别，该类别由高级代码统一处理。在订单案例中，您需要将异常转换为用户级别，并提供一些特定于应用程序的上下文。

Please enter a number: 10.3<br>Oops!  That was no valid number.  Try again...<br>Please enter a number: hello<br>Oops!  That was no valid number.  Try again...<br>Please enter a number: 10.0<br>Oops!  That was no valid number.  Try again...<br>Please enter a number: <br>

最后句子

有时您想确保执行某些清理代码，即使在此过程中提出了一个例外。例如，您可能有一个数据库连接，一旦完成后就要关闭。这是做错方法的错误方法：

如果

函数提出了异常，则对

import json<br>import yaml<br><br>def parse_file(filename):<br>    try:<br>        return json.load(open(filename))<br>    except json.JSONDecodeError<br>        return yaml.load(open(filename))<br>

>的调用将永远不会执行，并且DB连接将保持打开状态。尝试执行所有异常处理程序后，子句始终执行。这是正确执行操作的方法：

query()close_db_connection()> finally的调用可能不会返回连接或提出异常本身。在这种情况下，无需关闭DB连接。

def print_exception_type(func, *args, **kwargs):<br>    try:<br>        return func(*args, **kwargs)<br>    except Exception as e:<br>        print(type(e))<br>

使用

>，您必须注意不要在那里引起任何例外，因为它们会掩盖原始异常。open_db_connection()>

上下文经理

finally

with

def invoke_function(func, *args, **kwargs):<br>    try:<br>        return func(*args, **kwargs)<br>    except Exception as e:<br>        print(type(e))<br>        raise<br>

上下文管理者在清理代码中包装其他机制，即使在清理代码中均已自动执行。您使用的是process()>语句，而不是尝试封锁。这是一个具有文件的示例：即使with提出了例外，当退出

>块的范围时，即使

提出了例外，无论是否处理过例外，该文件都将立即正确关闭。它在Web应用程序中特别有用，在Web应用程序中，您可以以通用的方式对待所有异常：只需记录异常，然后将错误消息返回给呼叫者。

在记录时，记录异常类型，错误消息和stacktrace是很有用的。所有这些信息都可以通过

>对象获得，但是如果您在异常处理程序中使用

方法，则Python记录系统将为您提取所有相关信息。

>这是我建议的最佳实践：

def f():<br>    return 4 / 0<br>def g():<br>    raise Exception("Don't call us. We'll call you")<br>def h():<br>    try:<br>        f()<br>    except Exception as e:<br>        print(e)<br>    <br>    try:<br>        g()<br>    except Exception as e:<br>        print(e)<br>

>如果您遵循此模式（假设您是否正确设置记录），那么无论发生什么情况，您都会在日志中获得不错的记录，并且可以解决该问题。这是一种浪费，它可能会使您感到困惑，并让您认为同一问题的多个实例发生了多次记录的一个实例。

>

>最简单的方法是让所有例外的方式让所有异常传播（除非可以自信地吞咽和吞咽），然后将其登录到您的应用程序/系统/系统的最高级别。功能。最常见的实现是使用日志文件。但是，对于具有数百，数千或更多服务器的大型分布式系统，这并不总是最好的解决方案。

跟踪整个基础架构中的异常，诸如Sentry之类的服务非常有用。它集中了所有异常报告，除了堆叠式添加每个堆栈框架的状态之外（在提高异常时变量的值）。它还提供了一个非常不错的界面，其中包含仪表板，报告和方法来通过多个项目分解消息的方法。它是开源的，因此您可以运行自己的服务器或订阅托管版本。下面是屏幕截图，是一个屏幕截图，显示Sentry如何显示Python应用程序中的错误。

>

，这是文件的详细堆栈跟踪，导致错误。在问题的第一个迹象的系统中，吓坏了的系统不是很有用。

如果您的代码正在访问某些不响应的远程系统，则传统解决方案是超时，但有时并非每个系统都会按超时设计。随着条件的变化，超时并不总是很容易校准。

另一种方法是快速失败然后重试。好处是，如果目标响应迅速，那么您就不必花费大量时间在睡眠状态，并且可以立即做出反应。但是，如果失败了，您可以多次重试，直到确定它确实无法到达并引起例外。在下一部分中，我将介绍一个可以为您做的装饰器。

>有用的装饰器

>两个可以帮助解决错误处理的装饰器的是

>，它会

，它会再次登录例外，然后再提高它，然后将其重新调用，该装饰器将重新调用功能几次。

>错误记录器

这是一个简单的实现。装饰器除了登录对象。当它装饰功能并调用函数时，它将在一个try-except子句中包装呼叫，如果有例外，它将记录下来并最终提高异常。

def f():<br>    return 4 / 0<br>def g():<br>    raise Exception("Don't call us. We'll call you")<br>def h():<br>    try:<br>        f()<br>    except Exception as e:<br>        print(e)<br>    <br>    try:<br>        g()<br>    except Exception as e:<br>        print(e)<br>

Please enter a number: 10.3<br>Oops!  That was no valid number.  Try again...<br>Please enter a number: hello<br>Oops!  That was no valid number.  Try again...<br>Please enter a number: 10.0<br>Oops!  That was no valid number.  Try again...<br>Please enter a number: <br>

这是如何使用它的：

>

import json<br>import yaml<br><br>def parse_file(filename):<br>    try:<br>        return json.load(open(filename))<br>    except json.JSONDecodeError<br>        return yaml.load(open(filename))<br>

retier

retier >结论错误处理对用户和开发人员都至关重要。 Python在语言和标准库中为基于异常的错误处理提供了很好的支持。通过勤奋地遵循最佳实践，您可以征服这一经常被忽视的方面。>已通过Esther Vaati的贡献进行了更新。 Esther是Envato Tuts的软件开发人员和作者。

以上是使用Python处理专业错误的详细内容。更多信息请关注PHP中文网其他相关文章！