Python之异常处理、模块与包

简介:
MarkdownPad Document

错误与异常处理

程序中错误分成两种

  1. 语法错误:过不了Python解释器

  2. 逻辑错误

异常处理

什么是异常处理

Python解释器检测到错误,触发异常,在发生异常时捕捉异常,如果捕捉成功则进入另外一个处理分支,是程序不会崩溃,这就是异常处理

异常处理机制就是来增强程序的健壮性与容错性

常用异常

AttributeError 试图访问一个对象没有的树形,比如foo.x,但是foo没有属性x
IOError 输入/输出异常;基本上是无法打开文件
ImportError 无法引入模块或包;基本上是路径问题或名称错误
IndentationError 语法错误(的子类) ;代码没有正确对齐
IndexError 下标索引超出序列边界,比如当x只有三个元素,却试图访问x[5]
KeyError 试图访问字典里不存在的键
KeyboardInterrupt Ctrl+C被按下
NameError 使用一个还未被赋予对象的变量
SyntaxError Python代码非法,代码不能编译(个人认为这是语法错误,写错了)
TypeError 传入对象类型与要求的不符合
UnboundLocalError 试图访问一个还未被设置的局部变量,基本上是由于另有一个同名的全局变量,
导致你以为正在访问它
ValueError 传入一个调用者不期望的值,即使值的类型是正确的

基本语法

try:
    被检测的代码块
except 异常类型 [as x]:
    try中一旦检测到异常,就执行这个位置的逻辑
except 其他异常类型 [as e]:
    执行此处的逻辑

try:
    被检测的代码块
except Exception as x:
    print(e)

exception万能异常,不管抛出什么异常都能捕捉到,用一种方法去处理,但是如果想对于不同的异常需要定制不同的处理逻辑,还是要用多分支进行处理

异常的其他形式

s1 = 'hello'
try:
    int(s1)
except IndexError as e:
    print(e)
except KeyError as e:
    print(e)
except ValueError as e:
    print(e)
#except Exception as e:
#    print(e)
else:
    print('try内代码块没有异常则执行我')
finally:
    print('无论异常与否,都会执行该模块,通常是进行清理工作')

主动抛出异常

#_*_coding:utf-8_*_

try:
    raise TypeError('类型错误')
except Exception as e:
    print(e)

自定义异常

#_*_coding:utf-8_*_

class EgonException(BaseException):
    def __init__(self,msg):
        self.msg=msg
    def __str__(self):
        return self.msg

try:
    raise EgonException('类型错误')
except EgonException as e:
    print(e)

断言

1 # assert 条件
2  
3 assert 1 == 1
4  
5 assert 1 == 2

try..except的方式比较if的方式的好处

  1. 把错误处理和真正的工作分开来

  2. 代码更易组织,更清晰,复杂的工作任务更容易实现

  3. 毫无疑问,更安全了,不至于由于一些小的疏忽而使程序意外崩溃了

try..except这种异常处理机制就是取代if那种方式,让你的程序在不牺牲可读性的前提下增强健壮性和容错性

异常处理中为每一个异常定制了异常类型(python中统一了类与类型,类型即类),对于同一种异常,一个except就可以捕捉到,可以同时处理多段代码的异常(无需‘写多个if判断式’)减少了代码,增强了可读性

什么时候用异常处理

try...except应该尽量少用,因为它本身就是你附加给你的程序的一种异常处理的逻辑,与你的主要的工作是没有关系的,这种东西加的多了,会导致你的代码可读性变差,只有在有些异常无法预知的情况下,才应该加上try...except,其他的逻辑错误应该尽量修正


模块与包

什么是模块?

一个模块就是一个包含了Python定义和声明的文件,文件名就是模块名字加上.py的后缀

为何要使用模块?

随着程序的发展,功能越来越多,为了方便管理,通常将程序分成一个个的文件,这样程序的结构更加清晰,方便管理,这时不仅仅可以把文件当做脚本去执行,还可以当做模块导入到其他模块中,实现了功能的重复利用。

导入模块会触发以下事件:

  • 第一件事:创建名称空间,用来存放所导入模块中定义的名字

  • 第二件事:基于刚刚创建的名称空间执行所导入的模块

  • 第三件事:创建模块名指向该名称空间,模块.名字 进行操作

如何使用模块

模块可以包含可执行的语句和函数的定义,这些语句的目的是初始化模块,它们只在模块名第一次遇到导入import语句时才执行(import语句是可以在程序中的任意位置使用的,且针对同一个模块很import多次,为了防止你重复导入,python的优化手段是:第一次导入后就将模块名加载到内存了,后续的import语句仅是对已经加载大内存中的模块对象增加了一次引用,不会重新执行模块内的语句)。

import sys
sys.module #可以查看当前已经加载的模块

可以为模块起别名 import time as mytime print(mytime.time())

可以在一行导入多个模块,但不建议这么做

import sys,re,os  #最好分多行进行模块的导入

from...import...

使用此种方式导入的模块,可以直接使用被导入模块中命名空间的名字,而不用再使用模块名.名字 的方式了,但是此时如果有重名的会有覆盖的效果,原理就是python中的变量赋值不是一种存储操作,而只是一种绑定关系

from...import*

可以将所有不是以下划线开头的名字都导入到当前位置,但是一般不建议这么做,因为不知道导入了哪些名字,有可能会覆盖掉之前已经定义的名字,而且可读性差。

可以使用all来控制*(用来发布新版本时)

__all__=['name1','name2']  #这样在另外一个文件中导入时就只能导入列表中的这两个名字

把模块当做脚本执行

可以通过模块的全局变量name来查看模块名name = 'main' #当做脚本运行

模块搜索路径

加载模块时先看内存中是否加载---再找同名的内建模块---再找sys.path给出的目录列表

需要特别注意的是:自定义的模块名不要与系统的内置模块重名

包是一种通过使用‘.模块名’来组织python模块名称空间的方式

  1. 包的本质就是一个包含init.py文件的目录

  2. 凡是在导入时带点的,点的左边都必须是一个包,但是导入后在使用时就没有这种限制了,点的左边可以是包、模块、函数、类

  3. from后的import导入的模块必须是明确的一个,不能带点,否则会有语法错误

  4. 第一次导入包或者是包的任何其他部分,都会依次执行包下的init.py文件,此文件可以为空也可以放一些初始化包的代码

绝对导入和相对导入

  • 绝对导入:以最顶层的包作为起始

  • 相对导入:用'.'、'..'的方式作为起始(只能在一个包中使用,不能用于不同目录内)

需要特别注意的是:可以用import导入内置或者第三方的模块,但是要绝对避免使用import来导入自定义包的子模块,应该使用from...import...的绝对或者相对导入,且包的相对导入只能用from的形式



本文转自 AltBoy 51CTO博客,原文链接:http://blog.51cto.com/altboy/1921182

相关文章
|
5月前
|
SQL 关系型数据库 数据库
Python SQLAlchemy模块:从入门到实战的数据库操作指南
免费提供Python+PyCharm编程环境,结合SQLAlchemy ORM框架详解数据库开发。涵盖连接配置、模型定义、CRUD操作、事务控制及Alembic迁移工具,以电商订单系统为例,深入讲解高并发场景下的性能优化与最佳实践,助你高效构建数据驱动应用。
659 7
|
5月前
|
监控 安全 程序员
Python日志模块配置:从print到logging的优雅升级指南
从 `print` 到 `logging` 是 Python 开发的必经之路。`print` 调试简单却难维护,日志混乱、无法分级、缺乏上下文;而 `logging` 支持级别控制、多输出、结构化记录,助力项目可维护性升级。本文详解痛点、优势、迁移方案与最佳实践,助你构建专业日志系统,让程序“有记忆”。
432 0
|
5月前
|
JSON 算法 API
Python中的json模块:从基础到进阶的实用指南
本文深入解析Python内置json模块的使用,涵盖序列化与反序列化核心函数、参数配置、中文处理、自定义对象转换及异常处理,并介绍性能优化与第三方库扩展,助你高效实现JSON数据交互。(238字)
523 4
|
5月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
505 0
|
5月前
|
XML JSON 数据处理
超越JSON:Python结构化数据处理模块全解析
本文深入解析Python中12个核心数据处理模块,涵盖csv、pandas、pickle、shelve、struct、configparser、xml、numpy、array、sqlite3和msgpack,覆盖表格处理、序列化、配置管理、科学计算等六大场景,结合真实案例与决策树,助你高效应对各类数据挑战。(238字)
602 0
|
6月前
|
安全 大数据 程序员
Python operator模块的methodcaller:一行代码搞定对象方法调用的黑科技
`operator.methodcaller`是Python中处理对象方法调用的高效工具,替代冗长Lambda,提升代码可读性与性能。适用于数据过滤、排序、转换等场景,支持参数传递与链式调用,是函数式编程的隐藏利器。
212 4
|
6月前
|
存储 数据库 开发者
Python SQLite模块:轻量级数据库的实战指南
本文深入讲解Python内置sqlite3模块的实战应用,涵盖数据库连接、CRUD操作、事务管理、性能优化及高级特性,结合完整案例,助你快速掌握SQLite在小型项目中的高效使用,是Python开发者必备的轻量级数据库指南。
529 0
|
7月前
|
数据处理 开发工具 开发者
requirement.txt 管理python包依赖
在 Python 项目中,`requirements.txt` 用于记录依赖库及其版本,便于环境复现。本文介绍了多种生成该文件的方法:基础方法使用 `pip freeze`,进阶方法使用 `pipreqs`,专业方法使用 `poetry` 或 `pipenv`,以及手动维护方式。每种方法适用不同场景,涵盖从简单导出到复杂依赖管理,并提供常见问题的解决方案,帮助开发者高效生成精准的依赖列表,确保项目环境一致性。
2164 4
|
7月前
|
存储 安全 数据处理
Python 内置模块 collections 详解
`collections` 是 Python 内置模块,提供多种高效数据类型,如 `namedtuple`、`deque`、`Counter` 等,帮助开发者优化数据处理流程,提升代码可读性与性能,适用于复杂数据结构管理与高效操作场景。
461 0
|
10月前
|
人工智能 C# Python
处理python异常
本文介绍了Python中的异常处理机制,并实现了一个简单的异常装饰器。通过`try/except`语句捕获异常,结合`finally`子句完成清理工作。为进一步优化代码结构,文章提出了使用装饰器处理异常的方法,避免函数中大量冗长的异常处理语句。通过类封装异常装饰器,多个函数可共享异常处理逻辑,提升代码简洁性和可维护性。总结强调了装饰器在异常处理中的优势,使代码更加优雅高效。
228 27

推荐镜像

更多