1.当我们认为某些代码可能会出错时,就可以用try来运行这段代码,如果执行出错,则后续
代码不会继续执行,而是直接跳转至错误处理代码,即except语句块,执行完except后,
如果有finally语句块,则执行finally语句块,至此,执行完毕。
try:
print('try...')
r = 10 /0 #发生错误,下面的代码不再执行,直接到except
print('Resault', r)
except ZeroDivisionError as e:
print('except...')
finally:
print('finally...')
print('END')
try:
print('try...')
r = 10 / 2 #修改0为2
print('Resault', r)
except ZeroDivisionError as e: #no error, not be executed
print('except...')
finally:
print('finally...')
print('END')
修改上述代码0为2,由于不再发生错误,所以正常执行,except代码块不被执行。
如果发生了多类错误,就应由不同的except语句块处理。
try:
print('try...')
r = 10 / int('a')
print('result:', r)
except ValueError as e:
print('ValueError:', e)
except ZeroDivisionError as e:
print('ZeroDivisionError:', e)
finally:
print('finally...')
print('END')
int()函数可能会抛出ValueError,所以我们用一个except捕获ValueError,
用另一个except捕获ZeroDivisionError。
此外,如果没有错误发生,可以在except语句块后面加一个else,当没有错误发生时,
会自动执行else语句:
try:
print('try...')
r = 10 / int('2')
print('result:', r)
except ValueError as e:
print('ValueError:', e)
except ZeroDivisionError as e:
print('ZeroDivisionError:', e)
else:
print('no error!')
finally:
print('finally...')
print('END')
python的错误本质上也是class,所有的错误类型都继承自BaseException, 所以在使用
except时需要注意,它不但捕获该类型的错误,而且捕获其子类的错误。
try:
foo()
except ValueError as e:
print('ValueError')
except UnicodeError as e:
print('UnicodeError')
第二个except永远捕捉不到,因为UnicodeError是ValueError的子类。
使用try...except捕获的另外一个好处是可以跨越多层调用。
#main()调用foo(),foo()调用bar(),如果bar()出错,只要main()捕获到就可以处理
def bar(s):
return 10 / int(s)
def foo(s):
return bar(s) * 2
def main():
try:
foo('0')
except Exception as e:
print('Error', e)
finally:
print('Finally...')
main()
Output:
Error division by zero
Finally...
这个特性说明不需要在出错的地方去捕获错误,只要在合适的层次去捕获就可以了。
2.调用栈:出错的时候,一定要分析错误的调用栈信息,才能定位错误的位置。
# err.py:
def foo(s):
return 10 / int(s)
def bar(s):
return foo(s) * 2
def main():
bar('0')
main()
Output:
Traceback (most recent call last): #错误的跟踪信息
File "err.py", line 11, in <module>
main() #调用main()出错,原因是第9行
File "err.py", line 9, in main
bar('0')
File "err.py", line 6, in bar #bar('0')出错,原因在第6行
return foo(s) * 2
File "err.py", line 3, in foo #return foo(s) * 2出错,原因是第3行
return 10 / int(s) #return 10 / int(s)出错,这是源头
ZeroDivisionError: division by zero #错误类型
3.记录错误:Python内置的logging模块
# err_logging.py
import logging
def foo(s):
return 10 / int(s)
def bar(s):
return foo(s) * 2
def main():
try:
bar('0')
except Exception as e:
logging.exception(e)
main()
print('END')
Output:#程序打印完错误信息后继续执行,并正常退出
ERROR:root:division by zero
Traceback (most recent call last):
File "F:\Users\AlexanderShaw\PythonLearning\OnlyTest.py", line 10, in main
bar('0')
File "F:\Users\AlexanderShaw\PythonLearning\OnlyTest.py", line 6, in bar
return foo(s) * 2
File "F:\Users\AlexanderShaw\PythonLearning\OnlyTest.py", line 3, in foo
return 10 / int(s)
ZeroDivisionError: division by zero
END
通过配置,logging还可以把错误记录到日志文件中,方便以后排查。
4.抛出错误
因为错误是class,捕获一个错误就是捕获到该class的一个实例。因此,错误并不是凭空
产生的,而是有意创建并抛出的。Python的内置函数会抛出很多类型的错误,我们自己编写
的函数也可以抛出错误。如果要抛出错误,首先根据需要,可以定义一个错误的class,
选择好继承关系,然后,用raise语句抛出一个错误的实例:
# err_raise.py
class FooError(ValueError):
pass
def foo(s):
n = int(s)
if n==0:
raise FooError('invalid value: %s' % s)
return 10 / n
foo('0')
Output:
Traceback (most recent call last):
File "F:\Users\AlexanderShaw\PythonLearning\OnlyTest.py", line 11, in <module>
foo('0')
File "F:\Users\AlexanderShaw\PythonLearning\OnlyTest.py", line 8, in foo
raise FooError('invalid value: %s' % s)
__main__.FooError: invalid value: 0
只有在必要的时候才定义我们自己的错误类型。如果可以选择Python已有的内置的错误类型
(比如ValueError,TypeError),尽量使用Python内置的错误类型。
#另一种错误处理方式
def foo(s):
n = int(s)
if n == 0:
raise ValueError('Invalid value: %s' % s)
return 10 / n
def bar(s):
#先捕获错误再raise抛出。
#捕获只是为了记录错误,抛出错误便于程序运行
try:
foo('0')
except ValueError as e:
print('ValueError')
raise #raise语句如果不带参数,就会把当前错误原样抛出。
bar()
Output:
ValueError
Traceback (most recent call last):
File "F:\Users\AlexanderShaw\PythonLearning\OnlyTest.py", line 15, in <module>
bar()
File "F:\Users\AlexanderShaw\PythonLearning\OnlyTest.py", line 9, in bar
foo('0')
File "F:\Users\AlexanderShaw\PythonLearning\OnlyTest.py", line 4, in foo
raise ValueError('Invalid value: %s' % s)
ValueError: Invalid value: 0
在except中raise一个Error,还可以把一种类型的错误转化成另一种类型:
(决不应该把一个IOError转换成毫不相干的ValueError!!!!)
try:
10 / 0
except ZeroDivisionError:
raise ValueError('input error!')
1.调试
(1). 断言:用print来辅助查看结果的地方,使用断言assert代替
def foo(s):
n = int(s)
assert n != 0, 'n is zero!'
return 10 / n
def bar(s):
return foo('0')
assert的意思是,表达式n != 0应该是True,否则,根据程序运行的逻辑,后面的代码肯定
会出错。如果断言失败,assert语句本身就会抛出AssertionError:
$ python err.py
Traceback (most recent call last):
...
AssertionError: n is zero!
程序中如果到处充斥着assert,和 print()相比也好不到哪去。不过,启动Python解释器时
可以用-O参数来关闭assert:
$ python -O err.py
Traceback (most recent call last):
...
ZeroDivisionError: division by zero
关闭后,你可以把所有的assert语句当成pass来看。
(2).logging:把 print()替换为logging,和assert比,logging不会抛出错误,而且可以输出
到文件:
import logging
s = '0'
n = int(s)
logging.info('n = %d' % n)
print(10 / n)
logging.info()就可以输出一段文本。运行,发现除了ZeroDivisionError,没有任何信息。
怎么回事?别急,在import logging之后添加一行配置再试试:
import logging
logging.basicConfig(level=logging.INFO)
看到输出了:
$ python err.py
INFO:root:n = 0
Traceback (most recent call last):
File "err.py", line 8, in <module>
print(10 / n)
ZeroDivisionError: division by zero
这就是logging的好处,它允许你指定记录信息的级别,有debug,info,warning,error等
几个级别,当我们指定level=INFO时,logging.debug就不起作用了。同理,
指定level=WARNING后,debug和info就不起作用了。这样一来,你可以放心地输出不同级别
的信息,也不用删除,最后统一控制输出哪个级别的信息。
logging的另一个好处是通过简单的配置,一条语句可以同时输出到不同的地方,
比如console和文件。
2.单元测试
单元测试是用来对一个模块、一个函数或者一个类来进行正确性检验的测试工作。
“测试驱动开发”(TDD:Test-Driven Development)
#mydict.py
#编写一个Dict类,这个类的行为和dict一致,但是可以通过属性来访问
#>>> d = Dict(a=1, b=2)
# >>> d['a']
# 1
# >>> d.a
# 1
class Dict(dict):
def __init__(self, **kw):
super().__init__(**kw)
def __getattr__(self, key):
try:
return self[key]
except KeyError :
raise AttributeError(r"'Dict' object has no attribute '%s'" % key)
def __setattr__(self, key, value):
self[key] = value
#mydict_test.py
import unittest
from mydict import Dict
class TestDict(unittest.TestCase):
def test_init(self):
d = Dict(a = 1, b = 'test')
self.assertEqual(d.a, 1)
self.assertEqual(d.b, 'test')
self.assertEqual(isinstance(d, dict))
def test_key(self):
d = Dict()
d['key'] = 'value'
self.assertEqual(d.key, 'value')
def test_attr(self):
d = Dict()
d.key = 'value'
self.assertTrue('key' in d)
self.assertEqual(d['key'], value)
def test_keyerror(self):
d = Dict()
with self.assertRaises(KeyError):
value = d['empty']
def test_attrerror(self):
d = Dict()
with self.assertRaises(AttributeError):
value = d.empty
编写单元测试时,我们需要编写一个测试类,从unittest.TestCase继承。
以test开头的方法就是测试方法,不以test开头的方法不被认为是测试方法,测试的时候不
会被执行。
对每一类测试都需要编写一个 test_xxx()方法。由于unittest.TestCase提供了很多内置的
条件判断,我们只需要调用这些方法就可以断言输出是否是我们所期望的。最常用的断言就是
assertEqual():
self.assertEqual(abs(-1), 1) # 断言函数返回的结果与1相等
另一种重要的断言就是期待抛出指定类型的Error,比如通过d['empty']访问不存在的key时,
断言会抛出KeyError:
with self.assertRaises(KeyError):
value = d['empty']
而通过d.empty访问不存在的key时,我们期待抛出AttributeError:
with self.assertRaises(AttributeError):
value = d.empty
运行单元测试
一旦编写好单元测试,我们就可以运行单元测试。最简单的运行方式是在mydict_test.py的
最后加上两行代码:
if __name__ == '__main__':
unittest.main()
这样就可以把mydict_test.py当做正常的python脚本运行:
$ python mydict_test.py
另一种方法是在命令行通过参数-m unittest直接运行单元测试:
$ python -m unittest mydict_test
.....
----------------------------------------------------------------------
Ran 5 tests in 0.000s
OK
这是推荐的做法,因为这样可以一次批量运行很多单元测试,并且,有很多工具可以自动来
运行这些单元测试。