异常、生成器

异常、生成器

异常常见类型

异常以不同的类型出现，这些类型都作为信息的一部分打印出来: 例子中的类型有 SyntaxError  
NameError
IndexError
KeyError
IndentationError

异常处理语法结构

1.基本句法
try:
        待监测的代码(可能会出错的代码)
except 错误类型:
        针对上述错误类型制定的方案
eg：
try:
  print(x)
except NameError:
  print("Variable x is not defined")
except:
  print("Something else went wrong")
2.查看错误的信息	
	 try:
        待监测的代码(可能会出错的代码)
    except 错误类型 as e:  # e就是系统提示的错误信息
        针对上述错误类型制定的方案
3.针对不同的错误类型制定不同的解决方案
	try:
        待监测的代码(可能会出错的代码)
    except 错误类型1 as e:  # e就是系统提示的错误信息
        针对上述错误类型1制定的方案
    except 错误类型2 as e:  # e就是系统提示的错误信息
        针对上述错误类型2制定的方案
    except 错误类型3 as e:  # e就是系统提示的错误信息
        针对上述错误类型3制定的方案
        待监测的代码(可能会出错的代码)
4.万能异常 Exception/BaseException
	 try:
        待监测的代码(可能会出错的代码)
    except Exception as e:  # e就是系统提示的错误信息
        针对各种常见的错误类型全部统一处理
5.结合else使用
	 try:
        待监测的代码(可能会出错的代码)
    except Exception as e:  # e就是系统提示的错误信息
        针对各种常见的错误类型全部统一处理
    else:
        try的子代码正常运行结束没有任何的报错后 再执行else子代码
6.结合finally使用
	 try:
        待监测的代码(可能会出错的代码)
    except Exception as e:  # e就是系统提示的错误信息
        针对各种常见的错误类型全部统一处理
    else:
        try的子代码正常运行结束没有任何的报错后 再执行else子代码
    finally:
        无论try的子代码是否报错 最后都要执行finally子代码

1.基本语法结构
    try:
        待监测的代码(可能会出错的代码)
    except 错误类型:
        针对上述错误类型制定的方案
2.查看错误的信息	
	 try:
        待监测的代码(可能会出错的代码)
    except 错误类型 as e:  # e就是系统提示的错误信息
        针对上述错误类型制定的方案
3.针对不同的错误类型制定不同的解决方案
	 try:
        待监测的代码(可能会出错的代码)
    except 错误类型1 as e:  # e就是系统提示的错误信息
        针对上述错误类型1制定的方案
    except 错误类型2 as e:  # e就是系统提示的错误信息
        针对上述错误类型2制定的方案
    except 错误类型3 as e:  # e就是系统提示的错误信息
        针对上述错误类型3制定的方案
 	 ...
4.万能异常 Exception/BaseException
	 try:
        待监测的代码(可能会出错的代码)
    except Exception as e:  # e就是系统提示的错误信息
        针对各种常见的错误类型全部统一处理
5.结合else使用
	 try:
        待监测的代码(可能会出错的代码)
    except Exception as e:  # e就是系统提示的错误信息
        针对各种常见的错误类型全部统一处理
    else:
        try的子代码正常运行结束没有任何的报错后 再执行else子代码
6.结合finally使用
	 try:
        待监测的代码(可能会出错的代码)
    except Exception as e:  # e就是系统提示的错误信息
        针对各种常见的错误类型全部统一处理
    else:
        try的子代码正常运行结束没有任何的报错后 再执行else子代码
    finally:
        无论try的子代码是否报错 最后都要执行finally子代码

异常处理补充

1.断言
assert <条件测式> ，<异常附加数据>
assert后面条件为假时就会报异常
	 name = 'jason'
    # assert isinstance(name, int)
    assert isinstance(name, str)
    print('哈哈哈 我就说吧 肯定是字符串')
    name.strip()
    
2.主动抛异常
raise 异常名
raise 异常名，附加数据
raise 类名
eg:
	 name = 'jason'
    if name == 'jason':
        raise Exception('老子不干了')
    else:
        print('正常走')

异常处理实战应用

1.异常处理能尽量少用就少用
2.被try监测的代码能尽量少就尽量少
3.当代码中可能会出现一些无法控制的情况报错才应该考虑使用
	eg: 使用手机访问网络软件 断网
      编写网络爬虫程序请求数据 断网
课堂练习
	 使用while循环+异常处理+迭代器对象 完成for循环迭代取值的功能
 	 l1 = [11, 22, 33, 44, 55, 66, 77, 88, 99]
    # 1.先将列表调用__iter__转变成迭代器对象
    iter_l1 = l1.__iter__()
    # 2.while循环让迭代器对象反复执行__next__
    while True:
        try:
            print(iter_l1.__next__())
        except StopIteration as e:
            break

生成器对象

在 Python 中，使用了 yield 的函数被称为生成器（generator）。
跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。
调用一个生成器函数，返回的是一个迭代器对象。
1.本质
	还是内置有__iter__和__next__的迭代器对象
2.区别
	迭代器对象是解释器自动提供的
    	数据类型\文件对象>>>:迭代器对象
	生成器对象是程序员编写出来的
    	代码、关键字>>>:迭代器对象(生成器)
3.创建生成器的基本语法
	函数体代码中填写yield关键字
	 # def my_iter():
    #     print('哈哈哈 椰子汁很好喝')
    #     yield
    '''1.函数体代码中如果有yield关键字 
        那么函数名加括号并不会执行函数体代码
        会生成一个生成器对象(迭代器对象)
    '''
    # res = my_iter()
    '''2.使用加括号之后的结果调用__next__才会执行函数体代码'''
    # res.__next__()
    '''3.每次执行完__next__代码都会停在yield位置 下次基于该位置继续往下找第二个yield'''
    def my_iter():
        print('哈哈哈 椰子汁很好喝')
        yield 111, 222, 333
        print('呵呵呵 从小喝到大')
        yield 111, 222, 333
        print('嘿嘿嘿 特种兵牌还可以')
        yield 111, 222, 333
        print('哼哼哼 千万别整多了 倒沫子 头发掉光光')
        yield 111, 222, 333
    res = my_iter()
    r1 = res.__next__()
    print(r1)
    r2 = res.__next__()
    print(r2)
    r3 = res.__next__()
    print(r3)
    r4 = res.__next__()
    print(r4)
    '''4.yield还有点类似于return 可以返回返回值'''

课堂练习

自定义生成器对标range功能(一个参数 两个参数 三个参数 迭代器对象)
for i in range(1, 10):
    print(i)
 
1.先写两个参数的
2.再写一个参数的
3.最后写三个参数
 
# 1.生成器
# 两个参数
  
def my_range(start_num,end_num=None,step=1):
     # 判断end_num是否有值 没有值说明用户只给了一个值 起始数字应该是0 终止位置应该是传的值
    if not end_num:
        end_num=start_num
        start_num=0
    if start_num>end_num:
        start_num,end_num=end_num,start_num
    while start_num<end_num:
        if step > 0:
            yield start_num
            start_num+=step
        elif step<0:
            yield end_num
            end_num+=step
for i in my_range(100,50,-1):
    print(i)

yield冷门用法

在 Python 中，使用了 yield 的函数被称为生成器（generator）。
跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。
调用一个生成器函数，返回的是一个迭代器对象。
def eat(name, food=None):
    print(f'{name}准备用餐')
    while True:
        food = yield
        print(f'{name}正在吃{food}')
 
 
res = eat('jason')
res.__next__()
# res.send('汉堡')  # 1.将括号内的数据传给yield前面的变量名 2.再自动调用__next__
# res.send('包子')
# res.send('面条')

生成器表达式

说白了就是生成器的简化写法
l1 = [i ** 2 for i in range(100)]
print(l1)
l1 = (i ** 2 for i in range(100))  # 生成器对象
print(l1)  # <generator object <genexpr> at 0x000001DFC07F7E40>
for i in l1:
    print(i)
"""
面试题(有难度)
	大致知道流程即可
"""
def add(n, i):  # 普通函数 返回两个数的和  求和函数
    return n + i
def test():  # 生成器
    for i in range(4):
        yield i
g = test()  # 激活生成器
for n in [1, 10]:
    g = (add(n, i) for i in g)
    """
    第一次for循环
        g = (add(n, i) for i in g)
    第二次for循环
        g = (add(10, i) for i in (add(10, i) for i in g))
    """
res = list(g)
print(res)
 
#A. res=[10,11,12,13]
#B. res=[11,12,13,14]
#C. res=[20,21,22,23] (对)
#D. res=[21,22,23,24]