python抛出异常继续执行 python3异常可直接抛出

retrying是一个 Python的重试包，可以用来自动重试一些可能运行失败的程序段。retrying提供一个装饰器函数retry，被装饰的函数就会在运行失败的条件下重新执行，默认只要一直报错就会不断重试。

import randomfrom retrying import retry @retrydef do_soming_unreliable(): if random.randint(0, 10) > 1: raise IOError("Broken sauce, rything is hosed!!!111one") else: return "Awesome sauce!" print do_soming_unreliable() 如果我们运行he_a_try函数，那么直到random.randint返回5，它才会执行结束，否则会一直重新执行。

retry还可以接受一些参数，这个从源码中Retrying类的初始化函数可以看到可选的参数： stop_max_attempt_number：用来设定的尝试次数，超过该次数就停止重试

stop_max_delay：比如设置成10000，那么从被装饰的函数开始执行的时间点开始，到函数成功运行结束或者失败报错中止的时间点，只要这段时间超过10秒，函数就不会再执行了

wait_fixed：设置在两次retrying之间的停留时间

wait_random_min和wait_random_max：用随机的方式产生两次retrying之间的停留时间

wait_exponential_multiplier和wait_exponential_max：以指数的形式产生两次retrying之间的停留时间，产生的值为2^previous_attempt_number wait_exponential_multiplier，previous_attempt_number是前面已经retry的次数，如果产生的这个值超过了wait_exponential_max的大小，那么之后两个retrying之间的停留值都为wait_exponential_max。这个设计迎合了exponential backoff算法，可以减轻阻塞的情况。

我们可以指定要在出现哪些异常的时候再去retry，这个要用retry_on_exception传入一个函数对象：

def retry_if_io_error(exception): return isinstance(exception, IOError) @retry(retry_on_exception=retry_if_io_error)def read_a_file(): with open("file", "r") as f: return f.read()

在执行read_a_file函数的过程中，如果报出异常，那么这个异常会以形参exception传入retry_if_io_error函数中，如果exception是IOError那么就进行rprint 'END'etry，如果不是就停止运行并抛出异常。

我们还可以指定要在得到哪些结果的时候去retry，这个要用retry_on_result传入一个函数对象：

def retry_if_result_none(result): return result is None @retry(retry_on_result=retry_if_result_none)def get_result(): return None

在执行get_result成功后，会将函数的返回值通过形参result的形式传入retry_if_result_none函数中，如果返回值是None那么就进行retry，否则就结束并返回函数值。

Python哈希函数什么情况下抛出异常

抛出异常是停止运行这个函数中END....>>>由于没有错误发生，所以except语句块不会被执行，但是finally如果有则一定会被执行，当然finally也可以没有的代码。

哈希算法将一个不定长的输入，通过散列函数变换成一个定长的输出，即散列值。是一种信息摘要算法。对象的hash值比原对象拥有更低的Traceback (most recent call last):内存复杂度。

它不同于加密。哈希是将目标文本转换成具有相同长度的，不可逆的杂凑字符串，而加密则是将文本转换为具有相同长度的，可逆的密文。哈希算法是不可逆的，只能由输入产生输出，不能由输出产生输入。而加密则是可逆的。即可以从输入产生输出，也可以反过来从输出推出输入。

聊聊Python异常处理的哲学，懂了以后豁然开朗

看下面的两个例子，它们的作用是完全一样的，非常简单，给除数和被除数，计算除法的结果。

这可能是世界上最没用的函数之一，但重点不在这里。重点在于下面的问题：

继续看之前，先考虑一下。给出自己的。

Python们一般会 「种」 使用异常的写法。理由如下：

异常处理的代码是只有发生了异常才会去执行。既然绝大部分情况下不会发生异常，那就没必每次都做事前判断，这样会很浪费CPU的运算力。假设100次调用，只有1次有问题，却要做100次if判断，不浪费吗？

反过来使用异常的方法，只有 出现 了异常才去做处理，那么except语句只会执行一次。

通过这个对比，我们也可以看到：

试想一下，如果我们可以取消做飞机时候的各种事前检查，是不是可以大大提高效率呢？

现实生活中，我们不能取消这种检查。但在程序中，我们可以，因为我们可以用异常捕捉。

现在给大家两条Python异常处理的哲学：

python try用法

在Python中，try语句用于异常处理。它提供了一种结构化的方式来捕获并处理可能发生的异常。

Try：紧跟其后的缩进代码块是可能会抛出异常的代码。

Except 异常类型1：用于处理特定类型的异常。如果在try代码块中发生该类型的异常，程序将跳转到对应的except块执行相应的处理逻辑。

Exc也就是说，不需要在每个可能出错的地方去捕获异常，只要在合适的层次去捕获就可以了。ept 异常类型2 as 变量：用于处理特定类型的异常，并将异常信息存储在指定的变量中。

Except (异常类型3, 异常类型4)：用于处理多个异常类型，可以将它们放在括号内，并在同一个except块中处理。

Except：用于处理所有其他类型的异常。如果在try代码块中发生未被上述except块捕获的异常，程序将跳转到此处执行处理逻辑。

Finally：无论是否发生异常，finally代码块中的代码都会被执行。通常用于释放资源或进行清理作。

Python语句注意事项

1、缩进：Python使用缩进来表示代码块的结构，因此正确的缩进对于代码的正确性至关重要。请确保代码块内的所有行都具有相同的缩进级别，并使用空格或制表符进行缩进。

2、冒号：在Python中，冒号用于引入代码块Traceback (most recent call last):（如条件语句、循环语句、函数定义等）。请确保在需要冒号的地方使用它，并在冒号后面换行并缩进。

3、变量命名规范：选择有意义的变量名称可以增加代码的可读性。遵循Python的命名规范，使用小写字母、下划线分隔单词的方式来命名变量和函数。避免使用Python的保留字作为变量名。

python异常和错误的区别

random.uniform

用于生成一个指定范围内的随机符点数，两个参数其中一个是上限，一个是下限。pass如果a > b，则生成的随机数n: a <= n <= b。如果 a

我执行一段python脚本报错了，怎么解决

在程序运行的过程中，如果发生了错误，可以事先约定返回一个错误代码，这样，就可以知道是否有错，以及出错的原因。在作系统提供的调用中，返回错误码非常常见。比如打开文件的函数open()，成功时返回文件描述符（就是一个整数），出错时返回-1。

用错误码来表示是否出错十分不便，因为函数本身应该返回的正常结果和错误码混在一起，造成调用者必须用大量的代码来判断是否出错：

def foo():

r = some_function()

if r==(-1):

return (-1)

# do soming

return r

def bar():

r = foo()

if r==(-1):

print 'Error'

else:

一旦出错，还要一级一级上报，直到某个函数可以处理该错误（比如，给用户输出一个错误信息）。

所以高级语言通常都内置了一套try...except...finally...的错误处理机制，Python也不例外。

try

让我们用一个例子来看看try的机制：

print 'try...'

r = 10 / 0

print 'result:', r

except ZeroDivisionError, e:

print 'except:', e

print 'finally...'

当我们认为某些代码可能会出错时，就可以用try来运行这段代码，如果执行出错，则后续代码不会继续执行，而是直接跳转至错误处理代码，即except语句块，执行完except后，如果有finally语句块，则执行finally语句块，至此，执行完毕。

上面的代码在计算10 / 0时会产生一个除法运算错误：

try...

except: integer division or modulo by zero

finally...

从输出可以看到，当错误发生时，后续语句print 'result:', r不会被执行，except由于捕获到ZeroDivisionError，因此被执行。，finally语句被执行。然后，程序继续按照流程往下走。

如果把除数0改成2，则执行结果如下：

try...

result: 5

finally...

由于没有错误发生，所以except语句块不会被执行，但是finally如果有，则一定会被执行（可以没有finally语句）。

你还可以猜测，错误应该有很多种类，如果发生了不同类型的错误，应该由不同的except语句块处理。没错，可以有多个except来捕获不同类型的错误：

print 'try...'

r = 10 / int('a')

print 'result:', r

except ZeroDivisionError, e:

print 'ZeroDivisionError:', e

print 'finally...'

int()函数可能会抛出ValueError，所以我们用一个except捕获ValueError，用另一个except捕获ZeroDivisionError。

此外，如果没有错误发生，可以在except语句块后面加一个else，当没有错误发生时，会自动执行else语句：

print 'try...'

r = 10 / int('a')

print 'result:', r

except ZeroDivisionError, e:

print 'ZeroDivisionError:', e

else:

print 'no error!'

print 'finally...'

Python的错误其实也是class，所有的错误类型都继承自BaseException，所以在使用except时需要注意的是，它不但捕获该类型的错误，还把其子类也“一网打尽”。比如：

foo()

except StandardError, e:

print 'StandardError'

print 'ValueError'

第二个except永远也捕获不到ValueError，因为ValueError是StandardError的子类，如果有，也被个except给捕获了。

Python所有的错误都是从BaseException类派生的

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foo()，foo()调用bar()，结果bar()出错了，这时，只要main()捕获到了，就可以处理：

def foo(s):

return 10 / int(s)

return foo(s) 2

bar('0')

except StandardError, e:

print 'Error!'

print 'finally...'

也就是说，不需要在每个可能出错的地方去捕获错误，只要在合适的层次去捕获错误就可以了。这样一来，就大大减少了写try...except...finally的麻烦。

调用堆栈

如果错误没有被捕获，它就会一直往上抛，被Python解释器捕获，打印一个错误信息，然后程序退出。来看看err.py：

# err.py:

def foo(s):

return 10 / int(s)

return foo(s) 2

bar('0')

main()

执行，结果如下：

$ python err.py

main()

File "err.py", line 9, in main

bar('0')

File "err.py", line 6, in bar

return foo(s) 2

File "err.py", line 3, in foo

return 10 / int(s)

ZeroDivisionError: integer division or modulo by zero

出错并不可怕，可怕的是不知道哪里出错了。解读错误信息是定位错误的关键。我们从上往下可以看到整个错误的调用函数链：

错误信息第1行：

告诉我们这是错误的跟踪信息。

第2行：

main()

调用main()出错了，在代码文件err.py的第11行代码，但原因是第9行：

File "err.py", line 9, in main

bar('0')

调用bar('0')出错了，在代码文件err.py的第9行代码，但原因是第6行：

File "err.py", line 6, in bar

return foo(s) 2

原因是return foo(s) 2这个语句出错了，但这还不是最终原因，继续往下看：

File "err.py", line 3, in foo

return 10 / int(s)

原因是return 10 / int(s)这个语句出错了，这是错误产生的源头，因为下面打印了：

ZeroDivisionError: integer division or modulo by zero

根据错误类型ZeroDivisionError，我们判断，int(s)本身并没有出错，但是int(s)返回0，在计算10 / 0时出错，至此，找到错误源头。

记录错误

如果不捕获错误，自然可以让Python解释器来打印出错误堆栈，但程序也被结束了。既然我们能捕获错误，就可以把错误堆栈打印出来，然后分析错误原因，同时，让程序继续执行下去。

Python内置的logging模块可以非常容易地记录错误信息：

# err.py

import logging

def foo(s):

return 10 / int(s)

return foo(s) 2

bar('0')

except StandardError, e:

main()

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：

$ python err.py

ERROR:root:integer division or modulo by zero

File "err.py", line 12, in main

bar('0')

return foo(s) 2

File "err.py", line 5, in foo

return 10 / int(s)

ZeroDivisionError: integer division or modulo by zero

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。

抛出错误

因为错误是class，捕获一个错误就是捕获到该class的一个实例。因此，错误并不是凭空产生的，而是有意创建并抛出的。Python的内置函数会抛出很多类型的错误，我们自己编写的函数也可以抛出错误。

如果要抛出错误，首先根据需要，可以定义一个错误的class，选择好继承关系，然后，用raise语句抛出一个错误的实例：

# err.py

class FooError(StandardError):

def foo(s):

n = int(s)

if n==0:

raise FooError('invalid value: %s' % s)

return 10 / n

执行，可以跟踪到我们自己定义的错误：

$ python err.py

...

__main__.FooError: invalid value: 0

只有在必要的时候才定义我们自己的错误类型。如果可以选择Python已有的内置的错误类型（比如ValueError，TypeError），尽量使用Python内置的错误类型。

，我们来看另一种错误处理的方式：

# err.py

def foo(s):

n = int(s)

return 10 / n

return foo(s) 2

except StandardError, e:

print 'Error!'

raise

bar('0')

main()

在bar()函数中，我们明明已经捕获了错误，但是，打印一个Error!后，又把错误通过raise语句抛出去了，这不有病么？

其实这种错误处理方式不但没病，而且相当常见。捕获错误目的只是记录一下，便于后续。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：

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。

小结

Python内置的try...except...finally用来处理错误十分方便。出错时，会分析错误信息并定位错误发生的代码位置才是最关键的。

程序也可以主动抛出错误，让调用者来处理相应的错误。但是，应该在文档中写清楚可能会抛出哪些错误，以及错误产生的原因。

我在用python数据到mysql的时候，有些列是float类型，但是导出的数据中有些是nan这种，在执行的时候报错

抛出异常就应该能用了，如果出现未知列或者其他不对的列都会直接排除异常然后继续执行

try：

语句

except：

把0导入float列