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

深入理解Python中的try-except语句,避免代码崩溃的噩梦

ztj100 2025-03-01 16:10 22 浏览 0 评论

不管是开发Python、Java、JavaScript程序,还是写C++、PHP、GO、Ruby代码。都离不开try ... except异常处理。至于为什么,一切为了程序/产品/项目的稳定运行。如果一个程序项目或者说小一点一个文件中没有一个try-except处理,那么这个程序是有漏洞的、是不稳定的,很容易就会崩溃的。

而我们经常在代码开发时,特别是框架项目开发时,多个模块(文件)是会存在调用的情况,有单向的,也有双向的。而在此时如果程序发生异常,try-except只会基于当前位置进行信息打印(我说的是Except as e),很难去定位到模块调用,也就是源头文件的位置。今天分享的内容就是如何定位源头文件及行数。

Python try-except例子:

在这个例子中,我们将除法运算代码封装到了一个名为divide的函数中。函数的第一个参数a表示被除数,第二个参数b表示除数。在函数体中,我们使用try except语句对除以0的异常进行了处理。如果程序没有遇到ZeroDivisionError异常,那么函数将成功计算结果并返回。如果程序遇到ZeroDivisionError异常,我们将输出具体的错误信息并返回None。

def?divide(a,?b):
????try:
????????c?=?a?/?b
????????return?c
????except?ZeroDivisionError?as?e:
????????print(e)
????????return?None
#?调用函数进行除法运算
result?=?divide(10,?0)
print(result)

输出结果:

Divide?by?zero?error

定位源头文件(报错源)

大多时候我们在大工程或者复杂程序里,仅仅打印e只能简单的显示出程序出错的信息,有时我们仅仅根据这个信息很难定位,错误究竟发生在哪一个文件、哪一行代码,这时候比较笨的调试方法就是去掉try-except再跑一次让程序崩溃显示出具体的信息。

而比较快速便捷的定位错误信息就是定位到发生错误具体的行和文件,其实我们可以利用错误对象e,它其实是有相关的属性可调用的。

def?divide(a,?b):
????try:
????????c?=?a?/?b
????????return?c
????except?ZeroDivisionError?as?e:
????????#?通过e的属性打印具体文件名称和行号
????????print(f"Error?Occurred?At,?
??????????????f"File:?{e.__traceback__.tb_frame.f_code.co_filename},?"
??????????????f"Line:?{e.__traceback__.tb_lineno}")
????????print("Divide?by?zero?error")
????????return?None
#?调用函数进行除法运算
result?=?divide(10,?0)
print(result)

输出结果:

Error?Occurred?At,?File:?文件路径,?Line:?错误行号
Divide?by?zero?error
None

或者还可以借助内置模块traceback实现

import?traceback
import?sys
def?divide(a,?b):
????try:
????????c?=?a?/?b
????????return?c
????except?ZeroDivisionError?as?e:
????????#?借助traceback实现?
????????tb_list?=?traceback.extract_tb(sys.exc_info()[2])
????????filename,?line_no,?func_name,?code_str?=?tb_list[-1]
????????print(f"Error?Occurred?At,?
??????????????f"File:?{filename},?"
??????????????f"Line:?{line_no}")
????????print("Divide?by?zero?error")
????????return?None
#?调用函数进行除法运算
result?=?divide(10,?0)
print(result)

进阶用法

这个时候还会有一些问题,就是源头报错文件是一个三方库或者内置库,比如文件位置是python环境site-packages中,那我们打印出来并没有太大的用处,我们想打印的是我们自己写的代码报错位置,而不是内置模块或安装的第三方模块报错的位置信息,只有找到自定义代码位置,才好进行优化修正。

可以使用traceback.extract_stack()替换traceback.extract_tb(),以排除第三方库的源代码位置。

import?traceback
import?sys
def?divide(a,?b):
????try:
????????c?=?a?/?b
????????return?c
????except?ZeroDivisionError?as?e:
????????#?借助traceback实现?
????????tb_list?=?traceback.extract_stack()[:-1]??#?最后一项是当前调用的位置,而不是异常发生的位置
????????filename,?line_no,?func_name,?code_str?=?tb_list[-1]
????????print(f"Error?Occurred?At,?
??????????????f"File:?{filename},?"
??????????????f"Line:?{line_no}")
????????print("Divide?by?zero?error")
????????return?None
#?调用函数进行除法运算
result?=?divide(10,?0)
print(result)

使用traceback.extract_stack()方法获取异常发生的完整堆栈信息。然后,使用list slicing来去掉最后一个元素,因为这个元素代表当前调用的位置,而不是异常发生的位置。最后一个元素通常是包含你的调用代码的位置,所以你不想把它包含进来。然后,从可用的堆栈信息中提取最后一个源代码文件名、行号、函数名和代码行来确定异常发生的位置。

这个方法不会包含第三方库的源代码位置,并且只会提取与你的代码相关的源代码位置。

还可以使用Python标准库中的inspect模块的currentframe()函数来获取当前帧。然后,你可以使用traceback.extract_stack()方法来提取堆栈信息,然后使用堆栈信息来逐步比较源文件路径,以找到与当前工程相关的源文件路径。

import?os
import?inspect
import?traceback
def?get_project_traceback():
????#?获取当前帧
????frame?=?inspect.currentframe()
????#?提取堆栈信息(前两个元素是filter和get_project_traceback函数本身的位置)
????tb_list?=?traceback.extract_stack(frame)[2:]
????#?找到与当前工程相关的源文件路径
????for?filename,?line_no,?func_name,?code_str?in?reversed(tb_list):
????????if?os.getcwd()?in?filename:
????????????return?filename,?line_no,?func_name,?code_str
????#?如果都没有找到,则返回最后一个源文件
????filename,?line_no,?func_name,?code_str?=?tb_list[-1]
????return?filename,?line_no,?func_name,?code_str
def?divide(a,?b):
????try:
????????c?=?a?/?b
????????return?c
????except?ZeroDivisionError?as?e:
????????filename,?line_no,?func_name,?code_str?=?get_project_traceback()
????????print(f"Error?Occurred?At,?
??????????????f"File:?{filename},?"
??????????????f"Line:?{line_no}")
????????print("Divide?by?zero?error")
????????return?None
#?调用函数进行除法运算
result?=?divide(10,?0)
print(result)

上述代码中,get_project_traceback函数首先使用inspect.currentframe()函数获取当前帧,然后使用traceback.extract_stack(frame)方法提取堆栈信息,前两个元素是filter和get_project_traceback函数本身的位置,所以从第3个元素开始获取。接着,函数使用os.getcwd()来获取当前工程的路径,并逐个比较每个源文件路径,找到与当前工程相关的源文件路径。如果都没有找到,则返回最后一个源文件。

在主代码块中,通过调用get_project_traceback函数来获取与当前工程相关的堆栈信息。当一个异常发生时,该代码段将获取该异常的信息并使用get_project_traceback函数来打印与当前工程相关的堆栈信息。

今天分享了笔者在工作学习当中遇到的try-except问题,希望对大家有帮助!也欢迎大家积极评论,互帮互助!

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: