百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

Python:面对不按套路出牌的用户,要用try、except、else组合拳

ztj100 2025-03-01 16:10 15 浏览 0 评论


本篇概要:业余码农学Python-18,本篇重点总结保留字try、except、else、finally的使用,通过4个保留字的组合使用,进行程序异常的捕捉与处理。

一、不按套路出牌的用户

前面我尝试编写了一些Pyhon实例,今天突然心血来潮,翻出之前的实例,来了一次突(zuo)破( si)的尝试——程序运行后,不按照要求输入,如:

  • “请输入带有符号的温度【摄氏度用C,华氏温度用F】:”我输入了80A;
  • “请输入金额【以”RMB”或”USD”结尾】:”我输入2000元;
  • “请输入数字:”我输入汉字;“请输入整数”我输入字母……

结果,悲剧了!


所有之前我写的代码都哭了:“你是个坏人,我要罢工、不跟你玩了。”

面对不按套路出牌的用户,咋办?

Python提供了一套组合拳,那就是保留字try、except、else、finally组合。

二、运用Python保留字try、except、else、finally,捕捉程序异常

#异常捕捉与处理的基本套路

try:

<语句块1>

except <异常类型>: #异常类型可以缺省,即任意一种异常出现均执行语句块2

<语句块2>

我们举个实例:

#计算输入数字的2倍值

n = eval(input("请输入一个数字:"))

m=n*2

print(m)

当我们输入数字时,程序是可以正常运行,并输出用户所输入数字的2倍的值.

但当我们输入的不是数字时,比如我们输入字母a,程序则会报错。

下面我们加入try + except 组合,捕捉输入数据的异常并给用户一个提示。


#异常捕捉与处理的基本套路

try:

n = eval(input("请输入一个数字:"))

m=n*2

print(m)

except:

print("你输入的不是一个数字")

再次输入一个非数字的值a,则程序输出提示“你输入的不是一个数字”。

用法如下

#异常捕捉处理组合拳

try:

<语句块1>

except:

<语句块2> #出现异常执行语句块2

else:

<语句块3> #只有在不发生异常的时候才执行语句块3

finally:

<语句块4> #无论是否出现异常,语句块4都会执行

程序则会按照以下规则执行:

继续优化前面的实例

#异常捕捉与处理组合拳

try:

n = eval(input("请输入一个数字:"))

m=n*2

except:

print("你输入的不是一个数字")

else:

print("{}的2倍为{}".format(n,m))

finally:

print("异常捕捉处理组合拳结束")

运行结果完美达到预期。

输入数字20,程序运行结果显示:

输入非数字a,程序运行结果显示:

因为初学,以上仅是异常捕捉与处理的基本使用及实例。更加深入的研究及使用,还要待后面的努力学习。

【end】

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: