第 5.2 节 异常处理:让程序更健壮#
预计学习时长: 30 分钟
本节目标:
- 知道异常是什么,为什么不加处理的异常会让程序直接终止;
- 会用
try-except接住常见异常;- 知道
else和finally分别在什么时候执行;- 能把「校验 + 处理」写成一套可复用的函数。
异常:程序遇到「意料之外」时的反应#
score = int("abc")这行会抛出一个 ValueError,如果没人接住,程序立刻终止,后面的代码一行都不跑。
真实世界里「意料之外」太常见了:用户输入了字母、文件路径打错了、网络断了。异常处理就是给这些情况准备一条备用路线,而不是让整个程序崩掉。
Case 40:处理错误的成绩输入——使用 try-except 捕获异常#
任务: 读取用户输入的成绩,输入不是数字时给出友好提示,而不是让程序崩溃。
while True:
text = input("请输入成绩(0-100):")
try:
score = float(text)
if not 0 <= score <= 100:
print("成绩必须在 0 到 100 之间,请重新输入")
continue
break
except ValueError:
print(f"'{text}' 不是数字,请重新输入")
print(f"录入成功,成绩是 {score}")假设第一次输入 abc,第二次输入 120,第三次输入 88:
请输入成绩(0-100):abc
'abc' 不是数字,请重新输入
请输入成绩(0-100):120
成绩必须在 0 到 100 之间,请重新输入
请输入成绩(0-100):88
录入成功,成绩是 88.0关键点
try块里放可能出错的代码,except块里放出错后怎么办;except ValueError:只捕获「转数字失败」这一种错误。捕获具体类型比except:笼统地全接住要好得多;continue让循环继续下一轮,等于「这次不算,再来一次」;break跳出循环,表示「录入成功,收工」。
别用裸的
except:except:会把所有错误都吞掉,包括你写错了的变量名(NameError)、拼错的属性名(AttributeError)。这些 bug 会被悄悄藏起来,排查时非常痛苦。 正确做法是尽量捕获具体的异常类型。
Case 41:读取不存在的数据文件——处理文件读取异常#
任务: 读取一个可能不存在的文件,文件不存在时给出明确提示而不是崩溃。
def read_scores(path):
"""读取成绩文件;文件不存在时返回空列表。"""
scores = []
try:
with open(path, "r", encoding="utf-8") as f:
for line in f:
text = line.strip()
if text:
scores.append(float(text))
except FileNotFoundError:
print(f"警告:找不到文件 {path},按空数据处理")
except ValueError as e:
print(f"警告:文件中有无法解析的内容,已跳过({e})")
return scores
print("读取 scores.txt:", read_scores("scores.txt"))
print("读取 missing.txt:", read_scores("missing.txt"))输出:
读取 scores.txt: [92.0, 78.0, 55.0, 61.0, 88.0]
警告:找不到文件 missing.txt,按空数据处理
读取 missing.txt: []关键点
FileNotFoundError是「文件不存在」这一类错误的专用名字,比笼统的OSError更精确;except ValueError as e:里的e是异常对象,可以打印出来看详细信息;- 不同异常要分开写
except,因为处理方式完全不同:文件不存在 → 按空数据处理;内容不对 → 跳过坏数据; - 注意
except块里没有return,函数会继续往下执行到return scores。这是有意的——出错也要把已读到的部分还回去。
else和finally的两个补充try: result = risky_operation() except ValueError: result = None else: print("成功!") # 只有没出错才会执行 finally: cleanup() # 无论出不出错都会执行
else放「成功之后才做的收尾」,finally放「无论如何都要做的清理」。日常写代码,try-except两块就够了,这两个是用多了才会遇到。
Case 42:构建可靠的数据处理程序——结合异常处理完成数据校验#
任务: 把「读取 + 校验 + 统计」合成一个可靠的处理流程,每一条坏数据都被记录下来,而不是让整个程序崩掉。
def parse_number(text):
"""把一行文本转成 0-100 的分数,失败返回 None。"""
try:
value = float(text)
except ValueError:
return None
if not 0 <= value <= 100:
return None
return value
def load_and_clean(path):
"""读取成绩文件,返回 (有效成绩, 问题记录)。"""
valid = []
issues = []
try:
with open(path, "r", encoding="utf-8") as f:
for number, line in enumerate(f, start=1):
text = line.strip()
if not text:
continue
value = parse_number(text)
if value is None:
issues.append(f"第 {number} 行:{text!r} 不是合法分数")
else:
valid.append(value)
except FileNotFoundError:
issues.append(f"文件不存在:{path}")
return valid, issues
valid, issues = load_and_clean("scores.txt")
print("有效成绩:", valid)
print("有效数量:", len(valid))
if valid:
print(f"平均分:{sum(valid) / len(valid):.2f}")
print("发现问题:")
for issue in issues:
print(" -", issue)
if not issues:
print(" (无)")假设 scores.txt 里有一行 abc,输出:
有效成绩: [92.0, 78.0, 55.0, 61.0, 88.0]
有效数量: 5
平均分:74.80
发现问题:
- 第 3 行:'abc' 不是合法分数关键点
parse_number把「单个值的校验」单独抽出来,返回None表示失败。这样调用方不用关心异常,只用判断is None;enumerate(f, start=1)给出行号,报错信息能精确定位到第几行——排查问题时这个信息价值极大;- 把异常处理放在最内层,返回「失败标记」;而不是在整个函数外面包一个巨大的
try。这样每一条坏数据都能被单独记录,而不是让整批数据一起失败; - 返回
(valid, issues)这样一个元组,同时给出结果和问题清单。
数据清洗的标准模式
- 读:用
try包住,文件问题单独处理;- 校验:每条数据单独判断,失败就记录下来并跳过;
- 汇总:只对有效数据做统计;
- 报告:把跳过的条数和原因一并输出。
这四步就是第 5.3 节 CSV 实践的骨架,也是真实机器学习项目里数据预处理的骨架。
本节小结#
| 场景 | 写法 |
|---|---|
| 捕获特定异常 | except ValueError: |
| 捕获并取详情 | except ValueError as e: |
| 成功后执行 | else: |
| 无论如何执行 | finally: |
| 主动抛异常 | raise ValueError("说明") |
三条核心规矩:能精确就别用裸 except:、异常处理放在最内层、坏数据要记录不要硬崩。
随堂练习#
- 写一个函数
safe_int(text),把字符串转成整数,失败返回None; - 写一个函数,读取文件并返回「成功读取的行数」和「出错的行数」,文件不存在时两个值都是 0;
- 在 Case 42 的基础上再加一条规则:低于 60 分不算「有效」,而是单独归到
failed列表里。
点击查看参考答案
# 练习 1
def safe_int(text):
try:
return int(text)
except ValueError:
return None
print(safe_int("42"), safe_int("abc"))
# 练习 2
def read_counts(path):
ok = bad = 0
try:
with open(path, encoding="utf-8") as f:
for line in f:
text = line.strip()
if not text:
continue
try:
float(text)
ok += 1
except ValueError:
bad += 1
except FileNotFoundError:
return 0, 0
return ok, bad
print(read_counts("scores.txt"))
# 练习 3
def load_and_clean(path):
valid, failed, issues = [], [], []
try:
with open(path, encoding="utf-8") as f:
for number, line in enumerate(f, start=1):
text = line.strip()
if not text:
continue
try:
value = float(text)
except ValueError:
issues.append(f"第 {number} 行:{text!r} 不是数字")
continue
if not 0 <= value <= 100:
issues.append(f"第 {number} 行:{value} 超出范围")
continue
if value < 60:
failed.append(value)
else:
valid.append(value)
except FileNotFoundError:
issues.append(f"文件不存在:{path}")
return valid, failed, issues练习 2 里「读文件」和「解析每一行」是两层 try——外层处理文件问题,内层处理内容问题。这样两者的处理逻辑不会混在一起。
下一节预告 最后一节我们把这些工具用到真实场景上:用
csv模块读写结构化数据文件,完成读取、清洗、统计、保存报告的完整流程。