【python】错误和异常（第三讲）

小鹏linux
279 阅读4分钟

​ 携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第28天，点击查看活动详情

🍁作者简介：🏅云计算领域优质创作者🏅新星计划第三季python赛道TOP1🏅 阿里云ACE认证高级工程师🏅
✒️个人主页：小鹏linux
💊个人社区：小鹏linux（个人社区）欢迎您的加入！

1. 错误和异常

按照一般的学习思路，掌握了前两节内容，已经足够编程所需了。但是，我还想再多一步，还是因为本教程的读者是要 from beginner to master。

1.1 assert

>>> assert 1==1
>>> assert 1==0
Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
AssertionError

从上面的举例中可以基本了解了 assert 的特点。assert，翻译过来是“断言”之意。assert 是一句等价于布尔真的判定，发生异常就意味着表达式为假。assert 的应用情景就有点像汉语的意思一样，当程序运行到某个节点的时候，就断定某个变量的值必然是什么，或者对象必然拥有某个属性等，简单说就是断定什么东西必然是什么，如果不是，就抛出错误。
#!/usr/bin/env Python
# coding=utf-8

class Account(object):
    def __init__(self, number):
        self.number = number
        self.balance = 0

    def deposit(self, amount):
        assert amount > 0
        self.balance += balance

    def withdraw(self, amount):
        assert amount > 0
        if amount <= self.balance:
            self.balance -= amount
        else:
            print "balance is not enough."

上面的程序中，deposit() 和 withdraw() 方法的参数 amount 值必须是大于零的，这里就用断言，如果不满足条件就会报错。比如这样来运行：
if __name__ == "__main__":
    a = Account(1000)
    a.deposit(-10)

出现的结果是：
$ python 21801.py
Traceback (most recent call last):
    File "21801.py", line 22, in <module>
        a.deposit(-10)
    File "21801.py", line 10, in deposit
        assert amount > 0
AssertionError

这就是断言 assert 的引用。什么是使用断言的最佳时机？有文章做了总结：
如果没有特别的目的，断言应该用于如下情况：        • 防御性的编程        • 运行时对程序逻辑的检测        • 合约性检查（比如前置条件，后置条件）        • 程序中的常量        • 检查文档
不论是否理解，可以先看看，请牢记，在具体开发过程中，有时间就回来看看本教程，不断加深对这些概念的理解，这也是 master 的成就之法。最后，引用危机百科中对“异常处理”词条的说明，作为对“错误和异常”部分的总结（有所删改）：

异常处理，是编程语言或计算机硬件里的一种机制，用于处理软件或信息系统中出现的异常状况（即超出程序正常执行流程的某些特殊条件）。

各种编程语言在处理异常方面具有非常显著的不同点（错误检测与异常处理区别在于：错误检测是在正常的程序流中，处理不可预见问题的代码，例如一个调用操作未能成功结束）。某些编程语言有这样的函数：当输入存在非法数据时不能被安全地调用，或者返回值不能与异常进行有效的区别。例如，C 语言中的 atoi 函数（ASCII串到整数的转换）在输入非法时可以返回 0。在这种情况下编程者需要另外进行错误检测（可能通过某些辅助全局变量如 C 的 errno），或进行输入检验（如通过正则表达式），或者共同使用这两种方法。

通过异常处理，我们可以对用户在程序中的非法输入进行控制和提示，以防程序崩溃。

从进程的视角，硬件中断相当于可恢复异常，虽然中断一般与程序流本身无关。

从子程序编程者的视角，异常是很有用的一种机制，用于通知外界该子程序不能正常执行。如输入的数据无效（例如除数是 0），或所需资源不可用（例如文件丢失）。如果系统没有异常机制，则编程者需要用返回值来标示发生了哪些错误。

一段代码是异常安全的，如果这段代码运行时的失败不会产生有害后果，如内存泄露、存储数据混淆、或无效的输出。

Python 语言对异常处理机制是非常普遍深入的，所以想写出不含 try, except 的程序非常困难。

2. 装饰器（扩展）

装饰器 (Decorator) 在 Python 编程中极为常⻅，可轻松实现 Metadata、Proxy、 AOP 等模式。简单点说，装饰器通过返回包装对象实现间接调⽤，以此来插⼊额外逻辑。语法看上去和 Java Annotation、C# Attribute 类似，但不仅仅是添加元数据。
>>> @check_args
... def test(*args):
...     print args

还原成容易理解的⽅式：
>>> test = check_args(test)

类似的做法，我们在使⽤ staticmethod、classmethod 时就已⻅过。
>>> def check_args(func):
...     def wrap(*args):
...         args = filter(bool, args)
...         func(*args)
... 
...     return wrap!! ! ! # 返回 wrap 函数对象
>>> @check_args! ! ! ! # 解释器执⾏ test = check_args(test)
... def test(*args):
...     print args
>>> test! ! ! ! ! # 现在 test 名字与 wrap 关联。
<function wrap at 0x108affde8>
>>> test(1, 0, 2, "", [], 3)! ! # 通过 wrap(test(args)) 完成调⽤。
(1, 2, 3)

整个过程⾮常简单：        • 将目标函数对象 test 作为参数传递给装饰器 check_args。        • 装饰器返回包装函数 wrap 实现对 test 的间接调⽤。        • 原函数名字 test 被重新关联到 wrap，所有对该名字的调⽤实际都是调⽤ wrap。
你完全可以把 "@" 当做语法糖，也可以直接使⽤函数式写法。只不过那样不便于代码维护，毕竟 AOP 极⼒避免代码侵⼊。装饰器不⼀定⾮得是个函数返回包装对象，也可以是个类，通过 call 完成目标调⽤。
>>> class CheckArgs(object):
...     def __init__(self, func):
...         self._func = func
... 
...     def __call__(self, *args):

...         args = filter(bool, args)
...         self._func(*args)
>>> @CheckArgs! ! ! ! ! ! # ⽣成 CheckArgs 实例。
... def test(*args):
...     print args

>>> test! ! ! ! ! ! ! # 名字指向该实例。
<__main__.CheckArgs object at 0x107a237d0>

>>> test(1, 0, 2, "", [], 3)! ! ! ! # 每次都是通过该实例的 __call__ 调⽤。
(1, 2, 3)

⽤类装饰器对象实例替代原函数，以后的每次调⽤的都是该实例的 call ⽅法。这种写法有点啰嗦，还得注意避免在装饰器对象上保留状态

2.1 Class

为Class 提供装饰器同样简单，⽆⾮是将类型对象做为参数⽽已。
>>> def singleton(cls):
...     def wrap(*args, **kwargs):
...         o = getattr(cls, "__instance__", None)
...         if not o:
...             o = cls(*args, **kwargs)
...             cls.__instance__ = o
... 
...         return o
... 
...     return wrap!! ! ! # 返回 wrap 函数，可以看做原 class 的⼯⼚⽅法。

>>> @singleton
... class A(object):
...     def __init__(self, x):
...         self.x = x

>>> A
<function wrap at 0x108afff50>

>>> a, b = A(1), A(2)
>>> a is b
True

将 class A 替换成 func wrap 可能有些不好看，修改⼀下，返回 class wrap。
>>> def singleton(cls):
...     class wrap(cls):
...         def __new__(cls, *args, **kwargs):
...             o = getattr(cls, "__instance__", None)
...             if not o:
...                 o = object.__new__(cls)
...                 cls.__instance__ = o
... 
...             return o
... 
...     return wrap

>>> @singleton
... class A(object):
...     def test(self): print hex(id(self))

>>> a, b = A(), A()

>>> a is b
True

>>> a.test()
0x1091e9990

创建继承⾃原类型的 class wrap，然后在 new ⾥⾯做⼿脚就⾏了。⼤多数时候，我们仅⽤装饰器为原类型增加⼀些额外成员，那么可直接返回原类型。
>>> def action(cls):
...     cls.mvc = staticmethod(lambda: "Action")
...     return cls

>>> @action
... class Login(object): pass

>>> Login.mvc()
'Action

这就是典型的 metaprogramming 做法了

2.2 参数

参数让装饰器拥有变化，也更加灵活。只是需要两步才能完成：先传参数，后送类型。
>>> def table(name):
...     def _table(cls):
...         cls.__table__ = name
...         return cls
... 
...     return _table

>>> @table("t_user")
... class User(object): pass

>>> @table("t_blog")
... class Blog(object): pass

>>> User.__table__
't_user'

>>> Blog.__table__
't_blog

只⽐⽆参数版本多了传递参数的调⽤，其他完全相同。
User = (table("t_user"))(User)

2.3 嵌套

可以在同⼀目标上使⽤多个装饰器
>>> def A(func):
...     print "A"
...     return func

>>> def B(func):
...     print "B"
...     return func

>>> @A
... @B
... def test(): 
... print "test"

B
A

分解⼀下，⽆⾮是函数嵌套调⽤。
test = A(B(test))

2.4 functools.wraps

如果装饰器返回的是包装对象，那么有些东⻄必然是不同的。
>>> def check_args(func):
...     def wrap(*args):
...         return func(*filter(bool, args))
... 
...     return wrap

>>> @check_args
def test(*args):
...     """test function"""
...     print args

>>> test.__name__! ! ! # 冒牌货！
'wrap'

>>> test.__doc__! ! ! # ⼭寨货连个说明书都没有！

⼀旦 test 的调⽤者要检查某些特殊属性，那么这个 wrap 就会暴露了。幸好有 functools.wraps。
>>> def check_args(func):
...     @functools.wraps(func)
...     def wrap(*args):
...         return func(*filter(bool, args))
... 
...     return wrap

>>> @check_args
def test(*args):
     """test function"""
     print args

>>> test
<function test at 0x108b026e0>

>>> test.__name__
'test'

>>> test.__doc__
'test function'

>>> test(1, 0, 2, "", 3)
(1, 2, 3)

functools.wraps 是装饰器的装饰器，它的作⽤是将原函数对象的指定属性复制给包装函数对象，默认有 module、name、doc，或者通过参数选择。

2.5 装饰器都能干嘛？

• AOP: ⾝份验证、参数检查、异常⽇志等等。• Proxy: 对目标函数注⼊权限管理等。• Context: 提供函数级别的上下⽂环境，⽐如 Synchronized(func) 同步。• Caching: 先检查缓存是否过期，然后再决定是否调⽤目标函数。• Metaprogramming: 这个⾃不必多说了。• 等等……

👑👑👑结束语👑👑👑

​

​

avatar
文章
阅读
粉丝