错误处理
在程序运行过程中,如果发生了错误,可以实现约定返回一个错误代码,这样就可以知道是否有错、以及出错的原因。
- try。。。except。。。finally。。。的错误处理机制
- 当我们认为某些代码可能会出错时,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finnally语句块,至此执行完毕
没有发生错误则不执行except语句块,但是finally语句块只要有就执行 - 如果发生了不同类型的错误,应该由不同的except语句块处理
- 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
- python的错误类型都继承自BaseException,所以在使用except是需要注意,它不但捕获该类型的错误,还把其子类也‘一网打尽’
- 常见错误类型和继承关系 https://docs.python.org/3/library/exceptions.html#exception-hierarchy
- 使用try。。。except。。。finally可以跨越多层调用
例如,如果函数A调用函数B,B调用C,结果C报错了,这时只要A捕获到了,就可以处理
即:不需要在每个可能出错的地方去捕获错误,只要在合适的层次去捕获错误就可以了
- 当我们认为某些代码可能会出错时,可以用try来运行这段代码,
- 调用栈
- 如果错误没有被捕获,它就会一直往上抛,最后被python解释器捕获,打印一个错误信息,然后程序退出
- 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。
- 记录错误
- python内置的logging模块可以非常容易的记录错误信息
- 同样是出错,但是程序打印完错误信息后会继续执行,并正常退出
…try:…except…:
logging.exception(e) - 通过配置,logging还可以把错误记录到日志文件里
- 抛出错误
- 因为错误是class,捕获一个错误就是捕获该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
- 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
只有在必要的时候才定义我们自己的错误类型,可以使用python内置的尽量是用内置的 - raise语言如果不带参数,就会把当前错误原样抛出
- 此外,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
- 触发异常
- raise [Exception [, args [, traceback]]]
语句中 Exception 是异常的类型(例如,NameError)参数标准异常中任一种,args 是自已提供的异常参数。
最后一个参数是可选的(在实践中很少使用),如果存在,是跟踪异常对象。
- raise [Exception [, args [, traceback]]]
调试
- 第一种:使用print()把所有可能有问题的变量打印出来
- 用print()最大的坏处是将来还得删掉它,想想程序里到处都是print(),运行结果也会包含很多垃圾信息。
- 第二种:断言
- 凡是用print()来辅助查看的地方,都可以用断言(assert)代替
assert n != 0,‘n is zero!s’ #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语句本身会抛出AssertionError
- 启动python解释器时使用-0参数可以关闭assert
python -0 err.py
关闭后,可以把所有assert语句当成pass来看
- 凡是用print()来辅助查看的地方,都可以用断言(assert)代替
- 第三种:logging
- 与assert相比,logging不会抛出错误,而且可以输出到文件
- logging.info()就可以输出一段文本
- 配置
import logging
logging.basicConfig(level = logging.INFO)
- 优点
允许指定记录信息的级别,有debug、info、warning、error等几个级别
可以通过简单的配置,一条语句可以同时输出到不同的地方,例如consol和文件
- 与assert相比,logging不会抛出错误,而且可以输出到文件
- 第四种:pdb
- pdb是python的调试器,让程序以单步方式运行,可以随时查看运行状态
- python -m pdb err.py 启动
- 启动后输入数字查看代码,输入n可以单步执行代码
- 任何时候都可以输入命令‘P 变量名 ’来查看变量
- 输入命令q结束调试,退出程序
- 这种通过pdb在命令行调试的方法理论上是万能的,但实在是太麻烦了,如果有一千行代码,要运行到第999行得敲多少命令啊
- pdb是python的调试器,让程序以单步方式运行,可以随时查看运行状态
- 第五种:pdb.set_trace()
- 也是使用pdb,但是不需要单步执行,只需要import pdb ,然后再可能出错的地方放一个pdb.set_trace(),就可以设置一个断点
- 运行代码,程序会自动在pdb.set_trace()暂停并进入pdb调试环境,可以使用p查看变量,或者使用命令c继续运行
- 第六种:IDE
- 如果要比较爽地设置断点、单步执行,就需要一个支持调试功能的IDE。目前比较好的Python IDE有:
- Visual Studio Code:https://code.visualstudio.com/,需要安装Python插件。
- PyCharm:http://www.jetbrains.com/pycharm/
- 另外,Eclipse加上pydev插件也可以调试Python程序
- 最常使用logging和断言
单元测试
- 编写单元测试,需要引入python自带的unittest模块
- 测试类需要从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
- unittest.TestCase有很多内置的条件判断,只需要调用这些方法就可以断言输出的是否是我们期望的
- 最常用的断言是asserEqual()
self.assertEqual(abs(-1), 1) # 断言函数返回的结果与1相等 - 另一种常用断言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 - 通过d.empty访问不存在的key时,期待抛出AttributeError
with self.assertRaises(AttributeError):
value = d.empty
- 比如通过d[‘empty’]访问不存在的key时,断言会抛出keyError
- 最常用的断言是asserEqual()
- 运行单元测试
- 第一种方法是在单元测试文件的最后加上两行代码
if__name__==‘main’:
unittest.main()
然后就可以把单元测试文件当成正常python文件执行 - 另一种方法是执行时加上-m unittest命令,直接执行
python -m unittest mydict_test
这种方法可以一次批量运行很多单元测试,且可以让工具自动运行这些单元测试,比较推荐 - setUp和tearDown
可以在单元测试中编写两个特殊的setUp()和tearDown()方法,这两个方法会分别在每调用一个测试方法的前后分别被执行
可以在setUp()方法中连接数据库,在tearDown()方法中关闭数据库,这样不必在每个测试方法中重复相同的代码
- 第一种方法是在单元测试文件的最后加上两行代码
文档测试
文档测试非常有用,不但可以用来测试,还可以直接作为示例代码。通过某些文档生成工具,就可以自动把包含文档测试的注释提取出来。用户看文档的时候,同时也看到了文档测试。