Python训练营打卡——DAY25（2025.5.14）

目录

异常处理

一、异常处理机制

1. 核心概念

2. 与 if-else-elif 的区别（重要！）

二、debug

1. SyntaxError (语法错误)

2. NameError (名称错误)

3. TypeError (类型错误)

4. ValueError (值错误)

5. IndexError (索引错误)

6. KeyError (键错误)

7. AttributeError (属性错误)

8. ZeroDivisionError (除零错误)

9. FileNotFoundError (文件未找到错误)

10. ModuleNotFoundError (导入错误)

三、try-except

四、try - except- else -fiinally

五、通俗解释

​​2. 核心操作：try-except​​

​​3. 常见错误类型（对号入座）​​

​​4. 为什么AI写的代码爱用try-except？​​

​​5. 日常写代码怎么用？​​

​​6. 一句话记住核心​​

​​举个生活例子​​

六、作业

​​​第一步：检查旧代码中的异常处理​​

​​第二步：改造旧代码（示例）​​

​​第三步：未来编码的健壮性技巧​​

​​第四步：常见错误避坑​​

​​第五步：动手实践建议​​

---

异常处理

相信大家在借助AI写代码的时候，经常会遇到try-except的异常处理模块，这是因为大部分大模型在后训练阶段都是经过强化学习训练的，为了确保结果的正确运行，只有采取 try-except的异常处理模块才能提高模型运行成功的概率。

但是我们日常写代码的时候，大概率不会采取这些写法；所以我们要适应AI的写法，这也是今天专题的由来。

一、异常处理机制

Python的异常处理机制为程序提供了强大的容错能力 (fault tolerance)。当程序在运行时遇到意外情况（即异常），它不会直接崩溃，而是可以被设计成优雅地处理这些错误，并可能继续执行后续逻辑（如果设计允许）或以可控的方式结束。

当异常发生时，Python会创建一个异常对象 (exception object)（通常是 Exception 类的子类实例）。如果这段可能出错的代码位于 try 语句块中，程序流程会寻找并跳转到匹配的 except 语句块（如果存在）来处理这个异常。

1. 核心概念

• try: 包含可能会引发异常的代码块。程序会首先尝试执行这里的代码。
• except: 如果try块中的代码确实引发了特定类型的异常（或者任何异常，如果未指定类型），则执行此代码块。
• else: （可选）如果try块中的代码没有发生任何异常，则执行此代码块。
• finally: （可选）无论try块中是否发生异常，总会执行此代码块（常用于资源清理）。

常见语句结构如下：

1. try-except

这是最基本的错误处理结构。

try:# 可能会引发异常的代码
except ExceptionType: # 最好指定具体的异常类型，例如 ZeroDivisionError, FileNotFoundError# 当 try 块中发生 ExceptionType 类型的异常时执行的代码
except: # 不推荐：捕获所有类型的异常，可能会隐藏bug# 当 try 块中发生任何其他未被前面 except 捕获的异常时执行的代码

逻辑说明： 程序首先尝试执行 try 块中的代码。

如果 try 块中的代码没有发生异常，则 except 块会被跳过，程序继续执行 try-except 结构之后的代码。

如果 try 块中的代码发生了异常，Python会查找与该异常类型匹配的 except 块。如果找到匹配的，则执行该 except 块中的代码，然后继续执行整个 try-except 结构之后的代码（除非 except 块中又引发了新异常或执行了 return/break/continue 等）。如果未找到匹配的 except 块，异常会向上传播。

类比： 你可以把它看作是：“尝试做这件事，如果出错了（并且是特定类型的错误），就执行补救措施。”

1. try-except-else

在 try-except 的基础上增加了 else 子句。

try:# 可能会引发异常的代码
except ExceptionType:# 当 try 块中发生 ExceptionType 类型的异常时执行的代码
else:# 当 try 块中【没有】发生任何异常时执行的代码

逻辑说明： 首先，执行 try 块中的代码。

如果 try 块中发生异常，则会查找并执行匹配的 except 块，else 块不会被执行。

如果 try 块中没有发生任何异常，则会跳过所有 except 块，然后执行 else 块中的代码。

---

2. 与 if-else-elif 的区别（重要！）

if-elif-else 结构中，只有一个代码块会被执行（if 条件满足则执行 if 块；否则检查 elif，满足则执行 elif 块；否则执行 else 块）。

而在 try-except-else 结构中：

如果 try 成功：try 块的代码会执行，然后 else 块的代码也会执行。

如果 try 失败：try 块中出错前的代码会执行，然后匹配的 except 块的代码会执行（else 块不会执行）。

更准确的理解： else 子句中的代码是你希望在 try 块中的代码成功完成且没有引发任何异常之后才执行的代码。这通常用于分离“主要尝试的操作”和“操作成功后的后续步骤”，使得 try 块更聚焦于可能出错的部分。

一个简单的例子阐述 else 的作用：

try:# 假设 result_operation() 是一个可能出错的操作value = result_operation()
except SomeError:print("操作失败，使用默认值。")value = default_value
else:# 只有当 result_operation() 成功时，才执行这里的代码print(f"操作成功，结果是: {value}。现在进行后续处理...")process_value_further(value)

如果把 process_value_further(value) 放在 try 块内，那么如果 process_value_further 本身也可能抛出 SomeError（或其他 try 块想要捕获的错误），它就会被意外捕获。else 块确保了只有在 try 块中的代码完全无误地执行完毕后，才会执行 else 块的内容。

下面我们来介绍下有哪些异常报错，如果你留心报错信息，常见以下几种：

值得一提的是，过去

---

二、debug

过去AI没有兴起的时候，debug主要靠搜索解决方案+理解报错信息，现在很多人直接借助AI就可以无脑解决，实际上这又回到我们最初的观点：此时你的能力并没有提升。

1. SyntaxError (语法错误)

原因： 代码不符合 Python 的语法规则，解释器在尝试解析代码时就会失败。这种错误在程序 运行之前 就会被检测到。

print("--- 1. SyntaxError ，可取消下列注释运行查看---")
# 示例 a: 缺少冒号
# def my_function()
#     print("Hello")# 示例 b: 非法表达式
# x = 5 +
# print(x)# 为了让脚本能继续运行其他示例，我会注释掉这些会直接导致脚本无法解析的错误
# 请在演示时逐个取消注释并运行，观察错误

--- 1. SyntaxError ，可取消下列注释运行查看---

---

2. NameError (名称错误)

原因： 尝试使用一个未被定义的变量、函数或对象的名称。

# 示例 a: 变量未定义
# print(some_undefined_variable)# 示例 b: 打错变量名
# print(my_lisst) # 变量名拼写错误

---

3. TypeError (类型错误)

原因： 对一个不支持该操作的数据类型执行了某个操作或函数。

# print("Age: " + 25) # 字符串和整数
# my_number = 10
# my_number() # 尝试像函数一样调用一个整数

---

4. ValueError (值错误)

原因： 函数接收到的参数类型正确，但其值不合适或无效。

# my_string = "12.34.56"
# number = float(my_string) # '12.34.56' 不是一个有效的浮点数表示

---

---

5. IndexError (索引错误)

原因： 尝试访问序列（如列表、元组、字符串）中一个不存在的索引。

# data = ("apple", "banana")
# print(data[2])

---

6. KeyError (键错误)

原因： 尝试访问字典中一个不存在的键。

# student_grades = {"math": 90, "science": 85}
# print(student_grades["history"])

---

7. AttributeError (属性错误)

原因： 尝试访问一个对象没有的属性或方法。

# 示例a
# a_string = "hello"
# print(a_string.length) # 字符串长度用 len(a_string)，不是 .length 属性# 示例b
# import numpy as np
# arr = np.array([1,2,3])
# print(arr.non_existent_attribute)

今天过后，每次执行代码 可以简单看看代码报错信息，而不是总是无脑交给ai来解决，给自己成长的空间

8. ZeroDivisionError (除零错误)

原因： 尝试将一个数字除以零。

# result = 10 / 0
# result

9. FileNotFoundError (文件未找到错误)

原因： 尝试打开一个不存在的文件（通常是在读模式下），或者路径不正确。

# import pandas as pd
# data = pd.read_csv("hh.csv")

10. ModuleNotFoundError (导入错误)

尝试导入一个不存在的模块，或者模块存在但其中的特定名称找不到， Python 的模块加载器找不到这个模块。去安装库即可，如果是自定义的模块，配置好对应的路径

# import hhh

已经看到，当你的代码出现这类错误时，程序会立即停止执行，并打印出一个 “traceback”（回溯信息），这个信息非常重要，它会告诉你：

1. 错误类型 (e.g., NameError, TypeError)
2. 错误发生的文件名和行号
3. 导致错误的那行代码
4. 错误的简要描述

接下来来用固定的语句捕获这类错误

---

三、try-except

try：把你认为可能会出错的代码放在这里。

except：如果 try 块里的代码真的出错了（从出错开始就不会继续执行try之后的代码了），Python 就会跳到 except 块里执行这里的代码，而不是崩溃。

# print("--- 之前会崩溃的代码 (ZeroDivisionError) ---")
numerator = 10
denominator = 0
result = numerator / denominator # 这行会引发 ZeroDivisionError
print(f"结果是: {result}")
print("这行代码不会执行，因为程序已崩溃")

---------------------------------------------------------------------------
ZeroDivisionError                         Traceback (most recent call last)
Cell In[32], line 42 numerator [38;5;241m= [38;5;241m103 denominator [38;5;241m= [38;5;241m0
----> 4 result [38;5;241m= numerator [38;5;241;43m/ denominator [38;5;66;03m# 这行会引发 ZeroDivisionError5 [38;5;28mprint([38;5;124mf[38;5;124m"[38;5;124m结果是: [38;5;132;01m{result[38;5;132;01m}[38;5;124m")6 [38;5;28mprint([38;5;124m"[38;5;124m这行代码不会执行，因为程序已崩溃[38;5;124m")ZeroDivisionError: division by zero

print("--- 使用 try-except 捕获 ZeroDivisionError ---")
numerator = 10
denominator = 0try:print("尝试进行除法运算...")result = numerator / denominator # 潜在的风险代码print(f"计算结果是: {result}") # 如果上面出错，这行不会执行
except ZeroDivisionError:print("发生了一个除以零的错误！")result = "未定义 (除以零)" # 可以给一个默认值或提示print(f"程序继续执行... 最终结果的记录为: {result}")

--- 使用 try-except 捕获 ZeroDivisionError ---
尝试进行除法运算...
发生了一个除以零的错误！
程序继续执行... 最终结果的记录为: 未定义 (除以零)

# print("--- 之前会崩溃的代码 (TypeError) ---")
x = "hello"
y = 5
result = x + y # 字符串不能和整数直接相加
print(result)

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In[36], line 42 x [38;5;241m= [38;5;124m"[38;5;124mhello[38;5;124m"3 y [38;5;241m= [38;5;241m5
----> 4 result [38;5;241m= x [38;5;241;43m+ y [38;5;66;03m# 字符串不能和整数直接相加5 [38;5;28mprint(result)TypeError: can only concatenate str (not "int") to str

print("--- 使用 try-except 捕获 TypeError ---")
x = "Total items: "
y = 5 # 假设这是一个从某处获取的数字try:print("尝试连接字符串和数字...")message = x + y # 潜在的 TypeErrorprint(f"最终消息: {message}")
except TypeError:print("类型错误！不能直接将字符串和数字相加。")print("尝试将数字转换为字符串进行连接...")message = x + str(y) # 修正操作print(f"修正后的消息: {message}")print(f"程序继续... 生成的消息是: {message}")

--- 使用 try-except 捕获 TypeError ---
尝试连接字符串和数字...
类型错误！不能直接将字符串和数字相加。
尝试将数字转换为字符串进行连接...
修正后的消息: Total items: 5
程序继续... 生成的消息是: Total items: 5

接下来，我们可以讨论如何捕获多种类型的错误，以及 else 和 finally 子句的用法。

---

四、try - except- else -fiinally

• try: 包含可能引发异常的代码。
• except: 处理在 try 块中发生的特定异常。
• else: （可选）如果 try 块中没有发生任何异常，则执行此代码块。
• finally: （可选）无论 try 块中是否发生异常，总会执行此代码块。

为什么使用 else？

1. 清晰性： 它清楚地将“主要尝试的操作（可能出错）”与“操作成功后的后续步骤”分开。
2. 避免意外捕获： 如果把“成功后的后续步骤”也放在 try 块里，而这些步骤本身也可能引发 try 块想要捕获的同类型异常，那么就会导致逻辑混淆。else 块中的代码不会被同一个 try 块的 except 子句捕获。

print("--- try-except-else 示例 ---")def safe_divide(a, b):print(f"\n尝试计算 {a} / {b}")try:result = a / bexcept ZeroDivisionError:print("错误：除数不能为零！")return None # 或者其他表示失败的值except TypeError:print("错误：输入必须是数字！")return Noneelse:# 只有当 try 块中的 a / b 成功执行时，这里才会执行print("除法运算成功！")print(f"结果是: {result}")# 可以在这里进行基于成功结果的进一步操作print(f"结果的两倍是: {result * 2}")return result# 测试用例
safe_divide(10, 2)  # 成功
safe_divide(10, 0)  # ZeroDivisionError
safe_divide("10", 2) # TypeError (如果我们不先做类型转换的话)
safe_divide(20, "abc") # TypeError

--- try-except-else 示例 ---尝试计算 10 / 2
除法运算成功！
结果是: 5.0
结果的两倍是: 10.0尝试计算 10 / 0
错误：除数不能为零！尝试计算 10 / 2
错误：输入必须是数字！尝试计算 20 / abc
错误：输入必须是数字！

上述写法可以使函数更加健壮，实现同样的逻辑可以最开始使用if else 判断输入格式

finally 子句 finally 子句中的代码无论 try 块中是否发生异常，也无论 except 块是否被执行，甚至无论 try 或 except 块中是否有 return 语句，它总会被执行。

finally这个无论如何都会执行的特性，在机器学习和深度学习的中，多涉及资源的保存、文件的关闭等。

1. 无论训练成功、失败还是中途被打断，都确保日志文件被正确关闭，避免数据丢失或文件损坏。
2. 确保计算资源在使用完毕后被释放，供其他进程或任务使用。更常见的是使用 with 语句来自动管理这类资源，with 语句本身就隐式地使用了类似 finally 的机制。（with open语句）
3. 关闭数据库连接
4. 恢复全局状态或配置， 如果程序在运行过程中修改了全局变量或配置文件，在异常处理结束后，需要恢复到之前的状态或配置。
5. 模型训练可能非常耗时，如果中途因为各种原因（OOM、手动中断、硬件故障）停止，我们希望记录下中断的状态，方便后续恢复。

在ML/DL项目中，由于流程长、资源消耗大、外部依赖多，finally 提供的这种“保证执行”的机制对于构建稳定、可靠的系统至关重要

---

五、通俗解释

​​1. 异常处理就像「Plan B」​​

• ​​为什么需要？​​
  写代码就像做菜，可能突然发现没盐了（程序出错）。异常处理就是提前想好：
  • ​​Plan A​​：正常做菜（try里的代码）
  • ​​Plan B​​：如果没盐了，用酱油代替（except里的处理）
  • ​​最后不管成功与否​​，都要擦灶台（finally里的清理，比如关文件、关网络连接）

---

​​2. 核心操作：try-except​​

• ​​试错机制​​：

  try:
  # 尝试做某件事（比如算数、读文件）
  except 错误类型:
  # 如果出错了，这里兜底（比如算数除零，或者文件找不到）

  ​​例子​​：

  try:
  print(10 / 0) # 尝试算 10除以0 → 会报错
  except ZeroDivisionError:
  print("不能除以零！") # 兜底方案

---

​​3. 常见错误类型（对号入座）​​

• ​​低级错误​​：

  • SyntaxError → 代码写错格式（比如忘记冒号:）
  • NameError → 用了没定义的变量（比如把print写成pront）

• ​​操作错误​​：

  • TypeError → 类型不匹配（比如用字符串 + 数字）
  • ZeroDivisionError → 除以零
  • FileNotFoundError → 文件找不到（比如路径写错）

• ​​数据错误​​：

  • IndexError → 列表越界（比如列表只有3个元素，非要取第4个）
  • KeyError → 字典里没有某个键（比如查字典里不存在的单词）

---

​​4. 为什么AI写的代码爱用try-except？​​

• ​​AI的保险策略​​：
  AI生成的代码可能不完美，用try-except就像给代码「穿救生衣」，即使某一步出错，程序也不会崩溃，能继续往下跑。
  ​​比如​​：AI写一个下载文件的代码，如果网络断了，except里可以改成重试或提示用户。

---

​​5. 日常写代码怎么用？​​

• ​​不滥用，但要善用​​：
  • ​​简单代码​​：比如算数、处理已知数据，可以直接用if-else检查（比如判断分母是不是零）。
  • ​​复杂场景​​：比如读文件、连数据库、调网络接口，一定要用try-except兜底，因为外部因素可能出错（文件被删、网络断开）。

---

​​6. 一句话记住核心​​

​​「尝试做某件事，如果失败，就优雅地处理，而不是让程序炸掉。」​​

---

​​举个生活例子​​

​​场景​​：你点外卖（程序运行），可能出现的问题：

1. ​​正常流程​​（try）：外卖准时送到 → 直接开吃。
2. ​​出错处理​​（except）：外卖迟到 → 平台补偿优惠券。
3. ​​无论如何​​（finally）：吃完后收拾桌子（清理垃圾）。

---

六、作业

理解今日的内容，检查自己过去借助AI写的代码是否带有try-except机制，以后可以尝试采用这类写法增加代码健壮性。

​​​第一步：检查旧代码中的异常处理​​

1. ​​查找高风险代码段​​
   在你的旧代码中寻找以下场景：

   • 文件读写（open()、pd.read_csv()）
   • 网络请求（requests.get()、API调用）
   • 数学运算（除法、幂运算）
   • 数据类型转换（int("abc")、json.loads(invalid_json)）
   • 访问列表/字典（list[100]、dict["unknown_key"]）

   ​​示例标记​​：

   # 风险点：文件路径可能不存在
   data = pd.read_csv("user_data.csv") # 没有 try-except 包裹# 风险点：用户输入可能是非数字
   age = int(input("请输入年龄：")) # 直接转换，可能崩溃

2. ​​用注释标出需要改进的地方​​
   在代码中添加注释，明确哪里需要异常处理：

   def load_config():# 风险：config.json 可能不存在或格式错误with open("config.json", "r") as f:return json.load(f)  # 需要 try-except 包裹

---

​​第二步：改造旧代码（示例）​​

​​原始代码（无异常处理）​​：

# 读取用户数据，假设文件一定存在
data = pd.read_csv("data.csv")
print(f"数据加载成功，共{len(data)}条记录")# 计算平均值
average = sum(data["score"]) / len(data)
print(f"平均分：{average}")

​​改造后代码​​：

try:# 尝试读取文件data = pd.read_csv("data.csv")
except FileNotFoundError:# 文件不存在时，使用默认数据或提示用户print("错误：数据文件未找到！")data = pd.DataFrame({"score": []})  # 返回空数据避免后续崩溃
except pd.errors.EmptyDataError:print("警告：数据文件为空！")data = pd.DataFrame({"score": []})
else:print(f"数据加载成功，共{len(data)}条记录")if not data.empty:try:# 计算平均值average = sum(data["score"]) / len(data)except ZeroDivisionError:print("错误：数据量为零，无法计算平均值")else:print(f"平均分：{average}")
else:print("无法进行计算：数据为空")

---

​​第三步：未来编码的健壮性技巧​​

1. 优先防御外部风险​​

   • 用户输入、文件操作、网络请求等 ​​不可控操作​​ 必须用 try-except 包裹
   • 示例：

     try:response = requests.get("https://api.example.com/data", timeout=5)response.raise_for_status()  # 如果HTTP状态码错误，抛出异常
     except requests.Timeout:print("请求超时，请检查网络")
     except requests.HTTPError as e:print(f"服务器错误：{e}")

2. ​​精准捕获异常类型​​

   • 避免裸 except:（会捕获所有错误，可能隐藏Bug）
   • 示例：

     try:value = int(user_input)
     except ValueError:  # 只捕获转换失败的异常print("请输入数字！")

3. ​​记录错误日志​​

   • 使用 logging 模块记录异常详情：

     import loggingtry:risky_operation()
     except Exception as e:logging.error("操作失败", exc_info=True)  # 记录错误堆栈

4. ​​善用 finally 释放资源​​

   • 无论是否出错，都要关闭文件、释放锁或GPU内存：

     file = None
     try:file = open("log.txt", "w")file.write("操作日志...")
     except IOError:print("写入日志失败")
     finally:if file:file.close()  # 确保文件关闭

---

​​第四步：常见错误避坑​​

1. ​​不要滥用 try-except​​

   • ​​错误做法​​：用异常处理代替逻辑检查

     # 反例：用异常判断列表是否为空（低效且不直观）
     try:first_item = my_list[0]
     except IndexError:print("列表为空")

   • ​​正确做法​​：用 if 提前检查

     if len(my_list) > 0:first_item = my_list[0]
     else:print("列表为空")

2. ​​不要静默忽略异常​​

   • ​​反例​​：捕获错误但不处理

     try:save_to_database(data)
     except DatabaseError:pass  # 错误被静默忽略，可能导致数据丢失！

   • ​​正确做法​​：至少记录错误或通知用户

     except DatabaseError as e:logging.error("数据库保存失败", exc_info=True)send_alert_to_admin(f"紧急：数据未保存！错误：{e}")

---

​​第五步：动手实践建议​​

1. ​​从简单代码开始​​
   修改一个旧脚本，例如：

   • 添加文件读取的异常处理
   • 对用户输入做验证（如年龄必须为数字）

2. ​​提交代码对比​​
   如果你使用Git，可以提交两个版本：

   • 原始版本：无异常处理
   • 健壮版本：添加了 try-except 和错误恢复逻辑

3. ​​验证效果​​

   • 人为制造错误（如删除文件、输入非数字），观察程序是否优雅处理
   • 对比崩溃率是否降低

---

@浙大疏锦行