python 2.7 : 错误处理、调试
2016-12-29 13:38
495 查看
转载于:http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/001386832284796780f5db7b5744bf9989f8d845ef77712000
在程序运行的过程中,如果发生了错误,可以事先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。在操作系统提供的调用中,返回错误码非常常见。比如打开文件的函数
用错误码来表示是否出错十分不便,因为函数本身应该返回的正常结果和错误码混在一起,造成调用者必须用大量的代码来判断是否出错:
一旦出错,还要一级一级上报,直到某个函数可以处理该错误(比如,给用户输出一个错误信息)。
所以高级语言通常都内置了一套
让我们用一个例子来看看
当我们认为某些代码可能会出错时,就可以用
上面的代码在计算
从输出可以看到,当错误发生时,后续语句
如果把除数
由于没有错误发生,所以
你还可以猜测,错误应该有很多种类,如果发生了不同类型的错误,应该由不同的
此外,如果没有错误发生,可以在
Python的错误其实也是class,所有的错误类型都继承自
第二个
Python所有的错误都是从
https://docs.python.org/2/library/exceptions.html#exception-hierarchy
使用
也就是说,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。这样一来,就大大减少了写
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。来看看
执行,结果如下:
出错并不可怕,可怕的是不知道哪里出错了。解读错误信息是定位错误的关键。我们从上往下可以看到整个错误的调用函数链:
错误信息第1行:
告诉我们这是错误的跟踪信息。
第2行:
调用
调用
原因是
原因是
根据错误类型
如果不捕获错误,自然可以让Python解释器来打印出错误堆栈,但程序也被结束了。既然我们能捕获错误,就可以把错误堆栈打印出来,然后分析错误原因,同时,让程序继续执行下去。
Python内置的
同样是出错,但程序打印完错误信息后会继续执行,并正常退出:
通过配置,
因为错误是class,捕获一个错误就是捕获到该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。Python的内置函数会抛出很多类型的错误,我们自己编写的函数也可以抛出错误。
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
执行,可以最后跟踪到我们自己定义的错误:
只有在必要的时候才定义我们自己的错误类型。如果可以选择Python已有的内置的错误类型(比如ValueError,TypeError),尽量使用Python内置的错误类型。
最后,我们来看另一种错误处理的方式:
在
其实这种错误处理方式不但没病,而且相当常见。捕获错误目的只是记录一下,便于后续追踪。但是,由于当前函数不知道应该怎么处理该错误,所以,最恰当的方式是继续往上抛,让顶层调用者去处理。
只要是合理的转换逻辑就可以,但是,决不应该把一个
Python内置的
程序也可以主动抛出错误,让调用者来处理相应的错误。但是,应该在文档中写清楚可能会抛出哪些错误,以及错误产生的原因。
程序能一次写完并正常运行的概率很小,基本不超过1%。总会有各种各样的bug需要修正。有的bug很简单,看看错误信息就知道,有的bug很复杂,我们需要知道出错时,哪些变量的值是正确的,哪些变量的值是错误的,因此,需要一整套调试程序的手段来修复bug。
第一种方法简单直接粗暴有效,就是用
执行后在输出中查找打印的变量值:
用
凡是用
如果断言失败,
程序中如果到处充斥着
关闭后,你可以把所有的
把
别急,在
看到输出了:
这就是
第4种方式是启动Python的调试器pdb,让程序以单步方式运行,可以随时查看运行状态。我们先准备好程序:
然后启动:
以参数
输入命令
任何时候都可以输入命令
输入命令
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。还好,我们还有另一种调试方法。
这个方法也是用pdb,但是不需要单步执行,我们只需要
运行代码,程序会自动在
这个方式比直接启动pdb单步调试效率要高很多,但也高不到哪去。
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PyCharm:
http://www.jetbrains.com/pycharm/
另外,Eclipse加上pydev插件也可以调试Python程序。
写程序最痛苦的事情莫过于调试,程序往往会以你意想不到的流程来运行,你期待执行的语句其实根本没有执行,这时候,就需要调试了。
虽然用IDE调试起来比较方便,但是最后你会发现,logging才是终极武器。
错误处理
在程序运行的过程中,如果发生了错误,可以事先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。在操作系统提供的调用中,返回错误码非常常见。比如打开文件的函数open(),成功时返回文件描述符(就是一个整数),出错时返回
-1。
用错误码来表示是否出错十分不便,因为函数本身应该返回的正常结果和错误码混在一起,造成调用者必须用大量的代码来判断是否出错:
def foo(): r = some_function() if r==(-1): return (-1) # do something return r def bar(): r = foo() if r==(-1): print 'Error' else: pass
一旦出错,还要一级一级上报,直到某个函数可以处理该错误(比如,给用户输出一个错误信息)。
所以高级语言通常都内置了一套
try...except...finally...的错误处理机制,Python也不例外。
try
让我们用一个例子来看看try的机制:
try: print 'try...' r = 10 / 0 print 'result:', r except ZeroDivisionError, e: print 'except:', e finally: print 'finally...' print 'END'
当我们认为某些代码可能会出错时,就可以用
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
finally语句块,至此,执行完毕。
上面的代码在计算
10 / 0时会产生一个除法运算错误:
try... except: integer division or modulo by zero finally... END
从输出可以看到,当错误发生时,后续语句
print 'result:', r不会被执行,
except由于捕获到
ZeroDivisionError,因此被执行。最后,
finally语句被执行。然后,程序继续按照流程往下走。
如果把除数
0改成
2,则执行结果如下:
try... result: 5 finally... END
由于没有错误发生,所以
except语句块不会被执行,但是
finally如果有,则一定会被执行(可以没有
finally语句)。
你还可以猜测,错误应该有很多种类,如果发生了不同类型的错误,应该由不同的
except语句块处理。没错,可以有多个
except来捕获不同类型的错误:
try: print 'try...' r = 10 / int('a') print 'result:', r except ValueError, e: print 'ValueError:', e except ZeroDivisionError, e: print 'ZeroDivisionError:', e finally: print 'finally...' print 'END'
int()函数可能会抛出
ValueError,所以我们用一个
except捕获
ValueError,用另一个
except捕获
ZeroDivisionError。
此外,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:
try: print 'try...' r = 10 / int('a') print 'result:', r except ValueError, e: print 'ValueError:', e except ZeroDivisionError, e: print 'ZeroDivisionError:', e else: print 'no error!' finally: print 'finally...' print 'END'
Python的错误其实也是class,所有的错误类型都继承自
BaseException,所以在使用
except时需要注意的是,它不但捕获该类型的错误,还把其子类也“一网打尽”。比如:
try: foo() except StandardError, e: print 'StandardError' except ValueError, e: print 'ValueError'
第二个
except永远也捕获不到
ValueError,因为
ValueError是
StandardError的子类,如果有,也被第一个
except给捕获了。
Python所有的错误都是从
BaseException类派生的,常见的错误类型和继承关系看这里:
https://docs.python.org/2/library/exceptions.html#exception-hierarchy
使用
try...except捕获错误还有一个巨大的好处,就是可以跨越多层调用,比如函数
main()调用
foo(),
foo()调用
bar(),结果
bar()出错了,这时,只要
main()捕获到了,就可以处理:
def foo(s): return 10 / int(s) def bar(s): return foo(s) * 2 def main(): try: bar('0') except StandardError, e: print 'Error!' finally: print 'finally...'
也就是说,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。这样一来,就大大减少了写
try...except...finally的麻烦。
调用堆栈
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。来看看err.py:
# err.py: def foo(s): return 10 / int(s) def bar(s): return foo(s) * 2 def main(): bar('0') main()
执行,结果如下:
$ python err.py Traceback (most recent call last): File "err.py", line 11, in <module> main() File "err.py", line 9, in main bar('0') File "err.py", line 6, in bar return foo(s) * 2 File "err.py", line 3, in foo return 10 / int(s) ZeroDivisionError: integer division or modulo by zero
出错并不可怕,可怕的是不知道哪里出错了。解读错误信息是定位错误的关键。我们从上往下可以看到整个错误的调用函数链:
错误信息第1行:
Traceback (most recent call last):
告诉我们这是错误的跟踪信息。
第2行:
File "err.py", line 11, in <module> main()
调用
main()出错了,在代码文件
err.py的第11行代码,但原因是第9行:
File "err.py", line 9, in main bar('0')
调用
bar('0')出错了,在代码文件
err.py的第9行代码,但原因是第6行:
File "err.py", line 6, in bar return foo(s) * 2
原因是
return foo(s) * 2这个语句出错了,但这还不是最终原因,继续往下看:
File "err.py", line 3, in foo return 10 / int(s)
原因是
return 10 / int(s)这个语句出错了,这是错误产生的源头,因为下面打印了:
ZeroDivisionError: integer division or modulo by zero
根据错误类型
ZeroDivisionError,我们判断,
int(s)本身并没有出错,但是
int(s)返回
0,在计算
10 / 0时出错,至此,找到错误源头。
记录错误
如果不捕获错误,自然可以让Python解释器来打印出错误堆栈,但程序也被结束了。既然我们能捕获错误,就可以把错误堆栈打印出来,然后分析错误原因,同时,让程序继续执行下去。Python内置的
logging模块可以非常容易地记录错误信息:
# err.py import logging def foo(s): return 10 / int(s) def bar(s): return foo(s) * 2 def main(): try: bar('0') except StandardError, e: logging.exception(e) main() print 'END'
同样是出错,但程序打印完错误信息后会继续执行,并正常退出:
$ python err.py
ERROR:root:integer division or modulo by zero
Traceback (most recent call last):File "err.py", line 12, in main
bar('0')
File "err.py", line 8, in bar
return foo(s) * 2
File "err.py", line 5, in foo
return 10 / int(s)
ZeroDivisionError: integer division or modulo by zeroEND
通过配置,
logging还可以把错误记录到日志文件里,方便事后排查。
抛出错误
因为错误是class,捕获一个错误就是捕获到该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。Python的内置函数会抛出很多类型的错误,我们自己编写的函数也可以抛出错误。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:
# err.py class FooError(StandardError): pass def foo(s): n = int(s) if n==0: raise FooError('invalid value: %s' % s) return 10 / n
执行,可以最后跟踪到我们自己定义的错误:
$ python err.py
Traceback (most recent call last):...
__main__.FooError: invalid value: 0
只有在必要的时候才定义我们自己的错误类型。如果可以选择Python已有的内置的错误类型(比如ValueError,TypeError),尽量使用Python内置的错误类型。
最后,我们来看另一种错误处理的方式:
# err.py def foo(s): n = int(s) return 10 / n def bar(s): try: return foo(s) * 2 except StandardError, e: print 'Error!' raise def main(): bar('0') main()
在
bar()函数中,我们明明已经捕获了错误,但是,打印一个
Error!后,又把错误通过
raise语句抛出去了,这不有病么?
其实这种错误处理方式不但没病,而且相当常见。捕获错误目的只是记录一下,便于后续追踪。但是,由于当前函数不知道应该怎么处理该错误,所以,最恰当的方式是继续往上抛,让顶层调用者去处理。
raise语句如果不带参数,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:
try: 10 / 0 except ZeroDivisionError: raise ValueError('input error!')
只要是合理的转换逻辑就可以,但是,决不应该把一个
IOError转换成毫不相干的
ValueError。
小结
Python内置的try...except...finally用来处理错误十分方便。出错时,会分析错误信息并定位错误发生的代码位置才是最关键的。
程序也可以主动抛出错误,让调用者来处理相应的错误。但是,应该在文档中写清楚可能会抛出哪些错误,以及错误产生的原因。
调试
程序能一次写完并正常运行的概率很小,基本不超过1%。总会有各种各样的bug需要修正。有的bug很简单,看看错误信息就知道,有的bug很复杂,我们需要知道出错时,哪些变量的值是正确的,哪些变量的值是错误的,因此,需要一整套调试程序的手段来修复bug。第一种方法简单直接粗暴有效,就是用
# err.py def foo(s): n = int(s) print '>>> n = %d' % n return 10 / n def main(): foo('0') main()
执行后在输出中查找打印的变量值:
$ python err.py
>>> n = 0
Traceback (most recent call last):...
ZeroDivisionError: integer division or modulo by zero
用
断言
凡是用# err.py def foo(s): n = int(s) assert n != 0, 'n is zero!' return 10 / n def main(): foo('0')
assert的意思是,表达式
n != 0应该是
True,否则,后面的代码就会出错。
如果断言失败,
assert语句本身就会抛出
AssertionError:
$ python err.py
Traceback (most recent call last):...
AssertionError: n is zero!
程序中如果到处充斥着
assert,和
-O参数来关闭
assert:
$ python -O err.py
Traceback (most recent call last):...
ZeroDivisionError: integer division or modulo by zero
关闭后,你可以把所有的
assert语句当成
pass来看。
logging
把logging是第3种方式,和
assert比,
logging不会抛出错误,而且可以输出到文件:
# err.py import logging s = '0' n = int(s) logging.info('n = %d' % n) print 10 / n
logging.info()就可以输出一段文本。运行,发现除了
ZeroDivisionError,没有任何信息。怎么回事?
别急,在
import logging之后添加一行配置再试试:
import logging logging.basicConfig(level=logging.INFO)
看到输出了:
$ python err.py
INFO:root:n = 0
Traceback (most recent call last):File "err.py", line 8, in <module>
print 10 / n
ZeroDivisionError: integer division or modulo by zero
这就是
logging的好处,它允许你指定记录信息的级别,有
debug,
info,
warning,
error等几个级别,当我们指定
level=INFO时,
logging.debug就不起作用了。同理,指定
level=WARNING后,
debug和
info就不起作用了。这样一来,你可以放心地输出不同级别的信息,也不用删除,最后统一控制输出哪个级别的信息。
logging的另一个好处是通过简单的配置,一条语句可以同时输出到不同的地方,比如console和文件。
pdb
第4种方式是启动Python的调试器pdb,让程序以单步方式运行,可以随时查看运行状态。我们先准备好程序:# err.py s = '0' n = int(s) print 10 / n
然后启动:
$ python -m pdb err.py > /Users/michael/Github/sicp/err.py(2)<module>() -> s = '0'
以参数
-m pdb启动后,pdb定位到下一步要执行的代码
-> s = '0'。输入命令
l来查看代码:
(Pdb) l 1 # err.py 2 -> s = '0' 3 n = int(s) 4 print 10 / n [EOF]
输入命令
n可以单步执行代码:
(Pdb) n > /Users/michael/Github/sicp/err.py(3)<module>() -> n = int(s) (Pdb) n > /Users/michael/Github/sicp/err.py(4)<module>() -> print 10 / n
任何时候都可以输入命令
p 变量名来查看变量:
(Pdb) p s '0' (Pdb) p n 0
输入命令
q结束调试,退出程序:
(Pdb) n ZeroDivisionError: 'integer division or modulo by zero' > /Users/michael/Github/sicp/err.py(4)<module>() -> print 10 / n (Pdb) q
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。还好,我们还有另一种调试方法。
pdb.set_trace()
这个方法也是用pdb,但是不需要单步执行,我们只需要import pdb,然后,在可能出错的地方放一个
pdb.set_trace(),就可以设置一个断点:
# err.py import pdb s = '0' n = int(s) pdb.set_trace() # 运行到这里会自动暂停 print 10 / n
运行代码,程序会自动在
pdb.set_trace()暂停并进入pdb调试环境,可以用命令
p查看变量,或者用命令
c继续运行:
$ python err.py
> /Users/michael/Github/sicp/err.py(7)<module>()
-> print 10 / n
(Pdb) p n
0
(Pdb) c
Traceback (most recent call last):File "err.py", line 7, in <module>
print 10 / n
ZeroDivisionError: integer division or modulo by zero
这个方式比直接启动pdb单步调试效率要高很多,但也高不到哪去。
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PyCharm:http://www.jetbrains.com/pycharm/
另外,Eclipse加上pydev插件也可以调试Python程序。
小结
写程序最痛苦的事情莫过于调试,程序往往会以你意想不到的流程来运行,你期待执行的语句其实根本没有执行,这时候,就需要调试了。虽然用IDE调试起来比较方便,但是最后你会发现,logging才是终极武器。
相关文章推荐
- python实例手册
- python 实现递归删除文件和文件夹
- python之基础篇(五)——数据类型
- numpy的 Broadcasting
- pycharm把.py文件识别成.text文件
- Python 错误:IndentationError: expected an indented block
- Python3:好玩游戏的物品清单 和 列表到字典的函数
- 理解Python闭包与延迟绑定
- tornado 入门
- Python编程的中文问题
- caffe+python+mnist从图片训练到测试单张图片
- caffe+python+mnist从图片训练到测试单张图片
- python学习笔记(三)
- Python3 基础:模块
- 操作系统课程设计-线程和进程的同步与互斥
- python2与python3区别汇总
- Cassandra3.9版本基础入门3-插入和查询
- 深度解析minist例子(lasagne)
- Python爬虫爬取动态页面思路+实例(二)
- Python yield解析