异常处理与生成器

1|0异常处理与生成器

目录

1|1异常常见类型

 
SyntaxError  
NameError
IndexError
KeyError
IndentationError
......

1|2异常处理语法结构

1|01、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

1|02、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

1|03、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
 ...

1|04、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

1|05、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

1|06、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|3异常处理补充

1|01、断言

Python assert（断言）用于判断一个表达式，在表达式条件为 false 的时候触发异常。

 
n = 'jason'
assert isinstance(n,int), "只能输入数字"
print("你输入的是：", n)
# 报错
 
n = 11
assert isinstance(n,int), "只能输入数字"
print("你输入的是：", n)
# 11，若n为整型，则该代码就不会报错

1|02、主动抛异常

 
python使用raise语句抛出一个指定的异常
eg:
    如x大于5就触发异常
    x = 10
    if x > 5:
        raise Exception('x 不能大于 5。x 的值为: {}'.format(x))
    else:
        print('x')

1|4异常处理实战应用

 
异常处理的注意事项：
1.异常处理能少用就少用吧
2.被try监测的代码能少则少
3.代码中出现一些无法控制的情况导致报错，得考虑到
  eg:访问网络/写网络爬虫程序请求数据  ----->>断网
4.异常处理(应用for循环的底层原理)
eg:
  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in后面得数据调用__iter__,转变成迭代器对象
   l2 = l1.__iter__()
   # 2.while循环让迭代器对象重复反复执行__next__
   while True:
        #3.一旦_next__报错，自动捕获并结束，我们这里用异常捕获来异常处理
        try:
            print(l1.__next__())
        except Exception as e:
            break

1|5生成器对象

1|01、本质
  • 在python中，使用了yield的函数被称为生成器。
本质还是内置有__iter__和__next__的迭代器对象

1|02、迭代器与生成器的区别

 
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)

1|03、创建生成器的基本语法

 
基本语法:函数体代码中填写yield关键字
    def my_iter():
        print('hhhhello')
        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，而是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
    '''

1|0练习题

 
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
 
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:# if True,进入下行代码
        end_num=start_num # end_num=10
        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(10):# 一个参数
    print(i)
for i in my_range(1, 10):# 两个参数
    print(i)
 
for i in my_range(1, 10, 2):# 三个参数，正数
    print(i)
for i in my_range(10, 1, -2):# 三个参数，负数
    print(i)

1|6yield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')

1|7生成器表达式
  • 生成器表达式也叫生成器推导式或生成器解析式，用法与列表推导式非常相似，但在形式上生成器推导式使用()作为定界符，而不是列表推导式所使用的[]。
  • 与列表推导式最大的不同是，生成器推导式的结果是一个生成器对象。生成器对象类似于迭代器对象，具有惰性求值的特点，只在需要时生成新元素，比列表推导式具有更高的效率，空间占用非常少，尤其适合大数据处理的场合。
  • 使用生成器对象的元素时，可以根据需要将其转化为列表或元组，也可以使用生成器对象的next()方法或者内置函数next()进行遍历，或者直接使用for循环来遍历其中的元素。但是不管用哪种方法访问其元素，只能从前往后正向访问每个元素，不能再次访问。
  • 已访问过的元素，也不支持使用下标访问其中的元素。当所有元素访问结束以后，如果需要重新访问其中的元素，必须重新创建该生成器对象，enumerate、filter、map、zip等其他迭代器对象也具有同样的特点。
#1、创建生成器对象
g = ((i+2)**2 for i in range(10)) # 生成器对象
print (g)
#<generator object <genexpr> at 0x0000028872C68C80>
 
#2、将生成器对象转换为元组
a = tuple(g)
print (a)
#(4, 9, 16, 25, 36, 49, 64, 81, 100, 121)
 
#3、生成器对象已遍历结束，没有元素了
print (list(g))
#[]
 
#4、重新创建生成器对象
g = ((i+2)**2 for i in range(10))
 
#5、使用生成器对象的__next__方法获取元素
print(g.__next__())
# 4
print(g.__next__())
# 9
 
# 6、使用函数next()获取生成器对象中的元素
print(next(g))
# 16
 
#7、使用循环直接遍历生成器对象中的元素
for item in g:
    print (item)
# 输出结果
'''
4
9
16
25
36
49
64
81
100
121
'''
 
#8、 filter对象也具有类似的特点
x = filter(None, range(20))
print(list(x))
# [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
 
 
#9、map对象也具有类似的特点
x = map(str, range(20))
print(list(x))
# ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15', '16', '17', '18', '19']

__EOF__

本文作者：知了了了了
本文链接：https://www.cnblogs.com/zhiliaowang/p/16800721.html
关于博主：评论和私信会在第一时间回复。或者直接私信我。
版权声明：本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
声援博主：如果您觉得文章对您有帮助，可以点击文章右下角【推荐】一下。您的鼓励是博主的最大动力！
posted @   知了了了了  阅读(40)  评论(0)  编辑  收藏  举报
相关博文：
·  内置函数、迭代器、异常处理
·  Python基础入门(五)
·  异常处理生成器
·  异常处理与生成器对象和生成器表达式
·  异常捕获，生成器对象
阅读排行：
· 分享一个免费、快速、无限量使用的满血 DeepSeek R1 模型，支持深度思考和联网搜索！
· 基于 Docker 搭建 FRP 内网穿透开源项目（很简单哒）
· 25岁的心里话
· ollama系列01：轻松3步本地部署deepseek，普通电脑可用
· 按钮权限的设计及实现
点击右上角即可分享
微信分享提示
AI IDE Trae

喜欢请打赏

扫描二维码打赏

支付宝打赏

了解更多