- 异常处理,调试,测试
- python标准异常(exception)总结
- 异常处理语法
- 记录错误
- 抛出错误 Raise
- 丰富的else语句
- 调试
- print()
- 断言assert
- logging
- PDB
- pdb.set_trace()
- IDE
- 单元测试
- 文档测试
python标准异常(exception)总结
AssertionError | 断言语句(assert)失败 (不满足条件是抛出异常) |
---|---|
AttributeError | 尝试访问未知的对象属性 |
EOFError | 用户输入文件末尾标志EOF(Ctrl+d) |
FloatingPointError | 浮点计算错误 |
GeneratorExit | generator.close()方法被调用的时候 |
ImportError | 导入模块失败的时候 |
IndexError | 索引超出序列的范围 |
KeyError | 字典中查找一个不存在的关键字 |
KeyboardInterrupt | 用户输入中断键(Ctrl+c) |
MemoryError | 内存溢出(可通过删除对象释放内存) |
NameError | 尝试访问一个不存在的变量 |
NotImplementedError | 尚未实现的方法 |
OSError | *** 作系统产生的异常(例如打开一个不存在的文件) |
OverflowError | 数值运算超出最大限制 |
ReferenceError | 弱引用(weak reference)试图访问一个已经被垃圾回收机制回收了的对象 |
RuntimeError | 一般的运行时错误 |
StopIteration | 迭代器没有更多的值 |
SyntaxError | Python的语法错误 |
IndentationError | 缩进错误 |
TabError | Tab和空格混合使用 |
SystemError | Python编译器系统错误 |
SystemExit | Python编译器进程被关闭 |
TypeError | 不同类型间的无效 *** 作 |
UnboundLocalError | 访问一个未初始化的本地变量(NameError的子类) |
UnicodeError | Unicode相关的错误(ValueError的子类) |
UnicodeEncodeError | Unicode编码时的错误(UnicodeError的子类) |
UnicodeDecodeError | Unicode解码时的错误(UnicodeError的子类) |
UnicodeTranslateError | Unicode转换时的错误(UnicodeError的子类) |
ValueError | 传入无效的参数 |
ZeroDivisionError | 除数为零 |
以下是 Python 内置异常类的层次结构:
-
所有错误继承自
BaseException
类, Built-in Exceptions — Python 3.10.4 documentationBaseException +-- SystemExit +-- KeyboardInterrupt +-- GeneratorExit +-- Exception +-- StopIteration +-- StopAsyncIteration +-- ArithmeticError | +-- FloatingPointError | +-- OverflowError | +-- ZeroDivisionError +-- AssertionError +-- AttributeError +-- BufferError +-- EOFError +-- ImportError | +-- ModuleNotFoundError +-- LookupError | +-- IndexError | +-- KeyError +-- MemoryError +-- NameError | +-- UnboundLocalError +-- OSError | +-- BlockingIOError | +-- ChildProcessError | +-- ConnectionError | | +-- BrokenPipeError | | +-- ConnectionAbortedError | | +-- ConnectionRefusedError | | +-- ConnectionResetError | +-- FileExistsError | +-- FileNotFoundError | +-- InterruptedError | +-- IsADirectoryError | +-- NotADirectoryError | +-- PermissionError | +-- ProcessLookupError | +-- TimeoutError +-- ReferenceError +-- RuntimeError | +-- NotImplementedError | +-- RecursionError +-- SyntaxError | +-- IndentationError | +-- TabError +-- SystemError +-- TypeError +-- ValueError | +-- UnicodeError | +-- UnicodeDecodeError | +-- UnicodeEncodeError | +-- UnicodeTranslateError +-- Warning +-- DeprecationWarning +-- PendingDeprecationWarning +-- RuntimeWarning +-- SyntaxWarning +-- UserWarning +-- FutureWarning +-- ImportWarning +-- UnicodeWarning +-- BytesWarning +-- EncodingWarning +-- ResourceWarning
- try - except - finally语句
try:
A语句
B语句
C语句
…
检测范围
except Exception1 as e1: # 可以多个except捕获异常
出现异常后的处理代码 + str(e1)
except Exception2 as e2:
出现异常后的处理代码 + str(e2)
...
else: # 没有错误发生时执行
print('No error')
finally:
无论如何都会被执行的代码
注意:
1) 异常的检测是从上到下依次检测,遇到异常马上跳转到except的块,如果未找到相应的except代码则会正常显示相应的红字traceback
2) as e
可以打印出具体的内容
3)finally 里面的语句不管前面什么结果都会运行,收尾命令需要放在这里(f.close()之类的)
4)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bar()
,bar()
调用foo()
,结果foo()
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 Exception as e:
print('Error:', e)
finally:
print('finally...')
eg:
try:
f = open("Text file.txt", 'w')
f.write("testtest!")
sum = 1 + '1'
except OSError as reason:
print("Errors on this file!\nPlease check the reason: " + str(reason))
except TypeError as err:
print("Type Errors found on this file!\nPlease check the reason: " + str(err))
finally:
f.close()
another format: (同时抓取多个exception)
try:
f = open("Text file.txt", 'w')
f.write("testtest!")
sum = 1 + '1'
except (OSError, TypeError):
print("Errors on this file!)
finally:
f.close()
'''' 输入整数正常返回,否则出错提示重新输入'''
def int_input(prompt = ''):
while True:
try:
accept = int(input('Please input a int number: '))
break
except ValueError as reason:
print("Wrong, you're not inputing a int number!")
int_input('Please input a int number: ')
记录错误
正常情况下如果不捕获错误,Python解释器来打印出错误堆栈,但程序也被结束了。
Python内置的logging
模块可以非常容易地记录错误信息,然后分析错误原因,同时,让程序继续执行下去。:
# err_logging.py
import logging
def foo(s):
return 10 / int(s)
def bar(s):
return foo(s) * 2
def main():
try:
bar('0')
except Exception as 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:
$ python3 err_logging.py
ERROR:root:division by zero
Traceback (most recent call last):
File "err_logging.py", line 13, in main
bar('0')
File "err_logging.py", line 9, in bar
return foo(s) * 2
File "err_logging.py", line 6, in foo
return 10 / int(s)
ZeroDivisionError: division by zero
END
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。
格式:raise Exception('...explanation...')
,主动引出异常
- 尽量选择Python已有的内置的错误类型抛出,只有在必要的时候再自己定义。
try:
for i in range(3):
for j in range(3):
if i == 2:
raise KeyboardInterrupt('故意设置')
print(i, j)
except KeyboardInterrupt as reason:
print('exit!' + str(reason))
-
另一种常见错误处理方式
# err_reraise.py def foo(s): n = int(s) if n==0: raise ValueError('invalid value: %s' % s) return 10 / n def bar(): try: foo('0') except ValueError as e: print('ValueError!') raise bar()
在bar()
函数中,我们明明已经捕获了错误打印一个ValueError!
后,又把错误通过raise
语句抛出去了?
==> 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
。
-
搭配if, 要么怎样,要么不怎样
-
搭配while/for, 干完能怎样,干不完就别想怎样
while循环执行完后才会执行else
def max_divisor(num):
count = num // 2
while count > 1:
if num % count == 0:
print('The max common divisor is %d' % count)
break
count -= 1
else:
print('%d is prime number!' % num)
- 搭配异常检测,没有问题那就干吧
try:
print(int('111'))
except ValueError as reason:
print('Something wrong!' + str(reason))
else:
print('All good!')
调试
print()
简单粗暴的找出有问题的变量, 最大的坏处是将来还得删掉它,运行结果很多垃圾信息。
断言assert凡是用print()
来辅助查看的地方,都可以用断言(assert)来替代:
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,根据程序运行的逻辑,后面的代码肯定会出错。
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print()
相比也好不到哪去。不过,启动Python解释器时可以用-O
参数来关闭assert
:
$ python -O err.py
Traceback (most recent call last):
...
ZeroDivisionError: division by zero
注意:断言的开关“-O”是英文大写字母O,不是数字0。
关闭后,你可以把所有的assert
语句当成pass
来看。
把print()
替换为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:
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
print(10 / n)
ZeroDivisionError: division 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,打印级别: DEBUG < INFO < WARNING < ERROR < CRITICAL。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。
import logging
logging.basicConfig(
level=logging.DEBUG,
filename="test.log",
datefmt="%Y-%m-%d %H:%M:%S",
format="【%(asctime)s %(levelname)s】 %(lineno)d: %(message)s"
)
logging.debug("debug")
logging.info("info")
logging.warning("warning")
logging.error("error")
>>> test.log
[2022-04-26 22:15:49 DEBUG] 10: debug level
[2022-04-26 22:15:49 INFO] 11: info level
[2022-04-26 22:15:49 WARNING] 12: warning level
[2022-04-26 22:15:49 ERROR] 13: error level
PDB
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。
# err.py
s = '0'
n = int(s)
print(10 / n)
然后启动:
$ python -m pdb err.py
> /Users/michael/Github/learn-python3/samples/debug/err.py(2)()
-> 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)
输入命令n
可以单步执行代码:
(Pdb) n
> /Users/michael/Github/learn-python3/samples/debug/err.py(3)()
-> n = int(s)
(Pdb) n
> /Users/michael/Github/learn-python3/samples/debug/err.py(4)()
-> 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) 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/learn-python3/samples/debug/err.py(7)()
-> print(10 / n)
(Pdb) p n
0
(Pdb) c
Traceback (most recent call last):
File "err.py", line 7, in
print(10 / n)
ZeroDivisionError: division 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:
Visual Studio Code:https://code.visualstudio.com/,需要安装Python插件。
PyCharm:http://www.jetbrains.com/pycharm/
另外,Eclipse加上pydev插件也可以调试Python程序。
单元测试但是最后你会发现,logging才是终极武器。
单元测试是用来对一个模块、一个函数或者一个类来进行正确性检验的测试工作。
-
测试通过–> 可以正常工作(可能有隐藏bug)
-
测试不通过–> 肯定有bug or 测试条件设置有问题
-
意义:修改后的代码如果能再次通过单元测试,可以保证该代码行为仍然正确
编写一个My_Dict
类,这个类的行为和dict
一致,但是可以通过属性来访问,用起来就像下面这样:
>>> d = My_Dict(a=1, b=2)
>>> d['a']
1
>>> d.a
1
# -*- coding: UTF-8 -*-
class My_Dict(dict):
def __init__(self, **kw):
super().__init__(**kw)
def __getattr__(self, key):
try:
return self[key]
except KeyError:
raise AttributeError('The %s not exist in this dict!' % key)
def __setattr__(self, key, value):
self[key] = value
单元测试代码
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
from t3 import My_Dict
import unittest
class Test_dict(unittest.TestCase):
def test_init(self):
d = My_Dict(a=1, b='test')
self.assertEqual(d.a, 1)
self.assertEqual(d.b, 'test')
self.assertTrue(isinstance(d, dict))
def test_key(self):
d = My_Dict()
d['key'] = 'value'
self.assertEqual(d.key, 'value')
def test_attr(self):
d = My_Dict()
d.key = 'value'
self.assertTrue('key' in d)
self.assertEqual(d['key'], 'value')
def test_keyerror(self):
d = My_Dict()
with self.assertRaises(KeyError):
value = d['empty']
def test_attrerror(self):
d = My_Dict()
with self.assertRaises(AttributeError):
value = d.empty
def setUp(self):
print('starting setup...')
def tearDown(self):
print('end teardown...')
编写单元测试时,我们需要编写一个测试类,从unittest.TestCase
继承。
以test
开头的方法就是测试方法,不以test
开头的方法不被认为是测试方法,测试的时候不会被执行。
对每一类测试都需要编写一个test_xxx()
方法。由于unittest.TestCase
提供了很多内置的条件判断,我们只需要调用这些方法就可以断言输出是否是我们所期望的。最常用的断言就是assertEqual()
:
self.assertEqual(abs(-1), 1) # 断言函数返回的结果与1相等
另一种重要的断言就是期待抛出指定类型的Error,比如通过d['empty']
访问不存在的key时,断言会抛出KeyError
:
with self.assertRaises(KeyError):
value = d['empty']
而通过d.empty
访问不存在的key时,我们期待抛出AttributeError
:
with self.assertRaises(AttributeError):
value = d.empty
可以在单元测试中编写两个特殊的setUp()
和tearDown()
方法。这两个方法会分别在每调用一个测试方法的前后分别被执行。
setUp()
和tearDown()
方法有什么用呢?设想你的测试需要启动一个数据库,这时,就可以在setUp()
方法中连接数据库,在tearDown()
方法中关闭数据库,这样,不必在每个测试方法中重复相同的代码:
- 测试输出
(py3.9) C:\Users\meij1\Videos\OdoCSV>python -m unittest t2.py
starting setup...
end teardown...
.starting setup...
end teardown...
.starting setup...
end teardown...
.starting setup...
end teardown...
.starting setup...
end teardown...
.
----------------------------------------------------------------------
Ran 5 tests in 0.003s
OK
运行方法1:最简单的,在mydict_test.py
的最后加上两行代码变成普通python文件:
if __name__ == '__main__':
unittest.main()
$ python mydict_test.py
方法2:推荐,命令行通过参数-m unittest
直接运行单元测试,这样可以一次批量运行很多单元测试,并且,有很多工具可以自动来运行这些单元测试。
写在注释中的测试代码,可以通过Python内置的“文档测试”(doctest)模块可以直接提取注释中的代码并执行测试。
doctest严格按照Python交互式命令行的输入和输出来判断测试结果是否正确。只有测试异常的时候,可以用...
表示中间一大段烦人的输出。
让我们用doctest来测试上次编写的Dict
类:
# mydict2.py
class Dict(dict):
'''
Simple dict but also support access as x.y style.
>>> d1 = Dict()
>>> d1['x'] = 100
>>> d1.x
100
>>> d1.y = 200
>>> d1['y']
200
>>> d2 = Dict(a=1, b=2, c='3')
>>> d2.c
'3'
>>> d2['empty']
Traceback (most recent call last):
...
KeyError: 'empty'
>>> d2.empty
Traceback (most recent call last):
...
AttributeError: 'Dict' object has no attribute 'empty'
'''
def __init__(self, **kw):
super(Dict, self).__init__(**kw)
def __getattr__(self, key):
try:
return self[key]
except KeyError:
raise AttributeError(r"'Dict' object has no attribute '%s'" % key)
def __setattr__(self, key, value):
self[key] = value
if __name__=='__main__':
import doctest
doctest.testmod()
运行python mydict2.py
:
$ python mydict2.py
什么输出也没有。这说明我们编写的doctest运行都是正确的。如果程序有问题,比如把__getattr__()
方法注释掉,再运行就会报错:
$ python mydict2.py
**********************************************************************
File "/Users/michael/Github/learn-python3/samples/debug/mydict2.py", line 10, in __main__.Dict
Failed example:
d1.x
Exception raised:
Traceback (most recent call last):
...
AttributeError: 'Dict' object has no attribute 'x'
**********************************************************************
File "/Users/michael/Github/learn-python3/samples/debug/mydict2.py", line 16, in __main__.Dict
Failed example:
d2.c
Exception raised:
Traceback (most recent call last):
...
AttributeError: 'Dict' object has no attribute 'c'
**********************************************************************
1 items had failures:
2 of 9 in __main__.Dict
***Test Failed*** 2 failures.
注意到最后3行代码。当模块正常导入时,doctest不会被执行。只有在命令行直接运行时,才执行doctest。所以,不必担心doctest会在非测试环境下执行。
喜欢的三连哦 😃
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)