try...except异常处理

简介: 【10月更文挑战第16天】try except的一些异常处理方法

当写程序时遇到异常时,想进行一些异常处理,一般可以执行全量异常处理,如下:

try:
    语句1
    语句2
    .
    语句N
except .........:
    print .......

由于出现异常的是语句1至语句N中间的一步,因此想把出现的异常打印出来,并不停止程序的运行,至少3个方法:

方法一:捕获所有异常

try:
    a=b  
    b=c  
except Exception,ex:  
   print Exception,":", ex

方法二:采用traceback模块查看异常

import traceback  

try:  
    a=b  
    b=c  
except:  
    traceback.print_exc()

方法三:采用sys模块回溯最后的异常

import sys  
try:  
    a=b  
    b=c  
except:  
    info=sys.exc_info()  
    print info[0],":", info[1]

也可以异常保存到一个日志文件中,例如把traceback.print_exc()打印保存到一个文本文件中

try:  
    a=b  
    b=c  
except:  
    f=open("c:log.txt",'a')  
    traceback.print_exc(file=f)  
    f.flush()  
    f.close()
相关文章
|
机器学习/深度学习 Python
pandas将dataframe列中的list转换为多列
在应用机器学习的过程中,很大一部分工作都是在做数据的处理,一个非常常见的场景就是将一个list序列的特征数据拆成多个单独的特征数据。
524 0
|
Python
Python中的setdefault,set和default
setdefault,set 是设置,default 是默认
1240 0
Python中的setdefault,set和default
|
Kubernetes Linux Docker
银河麒麟v10离线安装docker二进制包
银河麒麟v10离线安装docker二进制包
4049 0
|
机器学习/深度学习 人工智能 供应链
让AI真正懂生产的工业智能体长啥样?一个评测告诉你答案
本文探讨了工业互联网平台与大模型技术融合的趋势,重点介绍卡奥斯COSMOPlat平台。该平台通过智能体应用构建,提升生产效率、优化流程并降低开发成本。文章还分析了工业大模型在知识引擎、智能应用开发等方面的应用价值,并通过案例展示其在设备管理、供应链优化中的成效。随着政策推动和市场需求增长,“人工智能+工业互联网”模式正加速产业升级,为工业企业提供新生产力工具,助力数字化转型与智能化发展。
642 5
让AI真正懂生产的工业智能体长啥样?一个评测告诉你答案
|
资源调度 前端开发 算法
鸿蒙OS架构设计探秘:从分层设计到多端部署
本文深入探讨了鸿蒙OS的架构设计,从独特的“1+8+N”分层架构到模块化设计,再到智慧分发和多端部署能力。分层架构让系统更灵活,模块化设计通过Ability机制实现跨设备一致性,智慧分发优化资源调度,多端部署提升开发效率。作者结合实际代码示例,分享了开发中的实践经验,并指出生态建设是未来的关键挑战。作为国产操作系统的代表,鸿蒙的发展值得每一位开发者关注与支持。
|
Python
apply函数的用法
apply是pandas处理数据经常用到的函数。我们可以用DataFrame的apply函数实现对多列、多行的操作。可通过axis设置参数,设为1是对列进行操作,参数axis设为0是对行操作。apply经常跟lambda一起使用,非常方便,大大提高了效率。
720 0
|
存储 固态存储 安全
阿里云服务器香港地域租用收费标准参考
阿里云有香港云服务器吗?当然是有的,香港地域云服务器即可满足外贸型企业用户需求,也可以满足部分国内用户的需求,本文为大家展示2024年阿里云服务器香港地域的最新收费标准,以供参考。
阿里云服务器香港地域租用收费标准参考
|
Python
Python中的反对称矩阵(Skew-Symmetric Matrices)
Python中的反对称矩阵(Skew-Symmetric Matrices)
931 2
|
机器学习/深度学习 PyTorch TensorFlow
ONNX 与量化:提高模型效率
【8月更文第27天】随着人工智能技术的广泛应用,模型部署变得越来越重要。为了在资源受限的设备上运行复杂的机器学习模型,模型量化技术成为了一种有效的手段。Open Neural Network Exchange (ONNX) 作为一种开放格式,支持在不同框架之间交换训练好的模型,同时也支持模型量化。本文将探讨如何结合 ONNX 和模型量化技术来提高模型的效率,减少模型大小并加快推理速度。
2960 2
|
索引 Python
Pandas 高级教程——多级索引
Pandas 高级教程——多级索引
499 1

热门文章

最新文章

下一篇
开通oss服务