python常见的异常处理函数

python常见的异常处理函数

Python 的异常处理主要通过 try,except,finally,和 raise 关键字来实现。

1. try/except

这是 Python 中最常用的异常处理机制。try 块中的代码尝试执行,如果遇到任何异常,程序的控制流就会立即跳转到 except 块。如果在 except 块中没有指定异常类型,它将捕获所有类型的异常。

python 复制代码
try:  
    # 尝试执行的代码  
except ExceptionType:  
    # 当 ExceptionType 类型的异常被抛出时执行

例如:

python 复制代码
try:  
    x = 1 / 0  
except ZeroDivisionError:  
    print("Divided by zero!")

2. try/except/else

在 try/except 块之后,可以添加一个 else 块。如果 try 块中的代码没有抛出任何异常,则执行 else 块。

python 复制代码
try:  
    # 尝试执行的代码  
except ExceptionType:  
    # 当 ExceptionType 类型的异常被抛出时执行  
else:  
    # 如果 try 块中的代码没有抛出任何异常,则执行此块

例如:

python 复制代码
try:  
    x = 1 / 2  
except ZeroDivisionError:  
    print("Divided by zero!")  
else:  
    print("No exception!")

3. try/except/finally

无论 try 块中的代码是否抛出异常,finally 块中的代码都会被执行。这对于资源的清理操作非常有用,例如关闭文件或网络连接。

python 复制代码
try:  
    # 尝试执行的代码  
except ExceptionType:  
    # 当 ExceptionType 类型的异常被抛出时执行  
finally:  
    # 无论是否发生异常,此代码都将被执行

例如:

python 复制代码
try:  **加粗样式**
    x = 1 / 0  
except ZeroDivisionError:  
    print("Divided by zero!")  
finally:  
    print("Always executed!")
  1. raise语句

可以使用 raise 语句手动抛出异常。这是触发异常的常用方法。当 raise 语句被执行时,Python 的异常处理机制会立即接管程序的控制流。如果你想要抛出一个异常,可以使用 raise 语句并指定异常类型和可选的参数。例如:

python 复制代码
raise ValueError('Invalid value')  # 抛出一个 ValueError 异常,带有 "Invalid value" 的消息字符串。
相关推荐
财经资讯数据_灵砚智能15 分钟前
基于全球经济类多源新闻的NLP情感分析与数据可视化(日间)2026年4月23日
大数据·人工智能·python·信息可视化·自然语言处理
yuanmazhiwu16 分钟前
计算机毕业设计:Python股市行情可视化与ARIMA预测系统 Flask框架 ARIMA 数据分析 可视化 大数据 大模型(建议收藏)✅
大数据·python·数据分析·django·flask·课程设计
AC赳赳老秦23 分钟前
OpenClaw与Excel联动:批量读取/写入数据,生成可视化报表
开发语言·python·excel·产品经理·策略模式·deepseek·openclaw
覆东流25 分钟前
第5天:Python字符串操作进阶
开发语言·后端·python
NotFound48627 分钟前
分享实战中Python Web 框架对比:Django vs Flask vs FastAPI
前端·python·django
kongba0071 小时前
vibe coding的测试架构设计提示词V1.0
python
qq_283720051 小时前
2026 最新 Python+AI 零基础入门实战教程:从零搭建企业级人工智能项目
人工智能·python·#机器学习·#python #ai零基础·#大模型开发·#rag·#ai避坑
贵沫末1 小时前
Python——图像处理项目Conda环境搭建
开发语言·python·conda
财经资讯数据_灵砚智能1 小时前
基于全球经济类多源新闻的NLP情感分析与数据可视化(夜间-次晨)2026年4月22日
大数据·人工智能·python·信息可视化·自然语言处理