Python笔记 - Exception chaining

在Python中,异常链接(Exception Chaining)是指在处理一个异常时抛出另一个异常的技术。这样可以保留原始异常的信息,同时提供新的异常信息。这种机制在调试和错误跟踪时特别有用,因为它保留了异常发生的完整上下文。

Python通过两个属性来支持异常链接:

  1. __cause__: 这是显式链的方式,用于显示一个异常是由另一个异常引发的。通过 raise new_exception from original_exception 语法来使用。

  2. __context__: 这是隐式链的方式,用于记录在处理一个异常的过程中发生的另一个异常。这在没有使用 from 语句时自动设置。

下面通过代码示例来解释这两种方式:

显式链 (__cause__)

python 复制代码
try:
    1 / 0
except ZeroDivisionError as e:
    raise ValueError("An error occurred while processing.") from e

在这个例子中:

  • ZeroDivisionError 是原始异常。
  • ValueError 是新的异常。
  • 使用 from e 明确指定 ValueError 是由 ZeroDivisionError 引发的。

隐式链 (__context__)

python 复制代码
try:
    1 / 0
except ZeroDivisionError:
    raise ValueError("An error occurred while processing.")

在这个例子中:

  • ZeroDivisionError 是原始异常。
  • ValueError 是新的异常。
  • 由于没有使用 from 语法,Python会自动将 ZeroDivisionError 作为 ValueError__context__

查看异常链

当异常被捕获并打印时,Python 会显示完整的异常链。

python 复制代码
try:
    try:
        1 / 0
    except ZeroDivisionError as e:
        raise ValueError("An error occurred while processing.") from e
except Exception as e:
    print(repr(e))
    print(repr(e.__cause__))
    print(repr(e.__context__))

输出将显示:

复制代码
ValueError('An error occurred while processing.')
ZeroDivisionError('division by zero')
None

在这种情况下:

  • eValueError 异常。
  • e.__cause__ZeroDivisionError 异常。
  • e.__context__None 因为我们使用了显式链。

总结

异常链接在Python中是一种强大的机制,允许开发者在处理异常时抛出新的异常,并保留原始异常的信息。通过 __cause____context__ 属性,可以追踪到异常发生的完整链条,从而有助于更有效地调试和定位问题。

相关推荐
柒和远方19 分钟前
LeetCode 4. 寻找两个正序数组的中位数 —— 二分划分的艺术
javascript·python·算法
Tom@敲代码1 小时前
js学习笔记-01
javascript·笔记·学习
lewis_lk1 小时前
uv: Python 新一代极速包管理工具
python
promising_xxx2 小时前
深度学习个人开源知识库 深度筑基 | DeepBase
人工智能·python·深度学习·计算机视觉·ai·语言模型·nlp
三十岁老牛再出发2 小时前
07.07.每日总结
c语言·windows·python
C137的本贾尼2 小时前
MCP 完全指南:从零开始掌握模型上下文协议
人工智能·python
巴巴媛6662 小时前
STM32学习笔记【32.BKP + RTC】
笔记·stm32·学习
威联通安全存储3 小时前
SMT表面贴装线AOI检测网中TS-h2287XU-RP混合架构的物理部署
python·架构
能摆一天是一天3 小时前
Spring ai vectorstore 使用本地模型导致只能匹配可行度为1.0的内容的解决方法笔记
java·笔记·spring
大鱼>3 小时前
Scikit-learn Pipeline:构建可复用的 ML 流水线
python·机器学习·scikit-learn