博客
关于我
错误和异常 以及 break和continue 学习
阅读量:552 次
发布时间:2019-03-09

本文共 1338 字,大约阅读时间需要 4 分钟。

错误和异常处理 提前做好错误处理,编写更健壮的代码

在编程过程中,程序可能会遇到各种错误或异常。学会正确处理这些错误,可以让程序更健壮,提高鲁棒性。下面将从错误处理的基本原则,到错误的具体实例处理,再到错误处理的最佳实践,进行详细阐述。

常见错误类型及处理方法

在Python中,常见的错误类型主要有ZeroDivisionErrorIndexErrorException等。编写高质量的代码,需要对这些错误做精准的捕获。

1. 通过tryexcept实现错误捕获

try:    # 要执行的语句    list_data = [1, 2, 3]    list_data[3]  # 创建一个索引错误except ZeroDivisionError:    print("ZeroDivisionError")except IndexError:    print("IndexError")except Exception:    # 如果前边有无法处理的错误,则由Exception来处理    print("Exception")

try结构一起使用,通过except来捕获和处理特定的错误类型。

2. 定义自定义异常

try:    raise IndexError("TestIndexError")  # 使用`raise`发起一个错误except ZeroDivisionError as e:    print(e)  # 为了方便,可以更改错误名称except IndexError as e:    print(e)else:    print("其他")  # 前边报错不会执行该语句finally:    print("最终要执行的语句")  # 最好总都会执行的语句

raise语句用于主动发起错误,而finally语句用于无论是否发生错误,都会执行的语句.

小结

  • 进行精准的异常捕获
  • 将父类异常放在最后
  • finally的应用场景,一般用于清理工作
  • break 和 continue 机制

    breakcontinue 是用于控制循环执行流程的重要语句。

    • break:终止当前循环,继续执行下一个语句。
    • continue:跳过当前循环,直接执行下一个循环。

    示例

    print("break---------------------------------")for i in range(10):    if i == 3:        break    print(i)print("continue------------------------------------")for i in range(10):    if i == 3:        continue    print(i)

    运行结果如下:

    break---------------------------------0123456789continue------------------------------------0123456789

    break 语句会在找到匹配条件时立即退出循环;continue 语句则会跳过当前循环,继续执行下一个循环。

    转载地址:http://ackpz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    VS2003 Front Page Server Extension
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>