异常处理(Exception Handling)

异常处理把失败从发生处传到能作出决定的层级,用明确的异常类型、原因链和清理逻辑支持报错、重试或降级。

一句话定义

异常处理把失败从发生处传到能作出决定的层级,用明确的异常类型、原因链和清理逻辑支持报错、重试或降级。

为什么重要

  • 现实世界充满意外:文件不存在、网络超时、API 限流、用户输入乱码。没有异常处理,程序遇到第一个意外就崩溃。
  • 错误处理写不好比不写更危险:吞掉异常会让问题悄悄扩散,最后在完全无关的地方爆发。
  • 是健壮性和可维护性的分水岭:好的异常设计能让调用方一眼知道“可能出什么错、该怎么应对”。

使用边界

finally 在正常的异常展开中执行,进程被强制终止等情况不受这项保证覆盖。重试还需考虑幂等性、重试预算与服务端提示;超时不代表外部操作一定没有成功。

原理 / 图解

图 1

Python 官方教程“错误和异常”:https://docs.python.org/3/tutorial/errors.html ;内建异常层级:https://docs.python.org/3/library/exceptions.html#exception-hierarchy

五个好习惯:

# 习惯 理由
1 定义领域内的自定义异常 调用方能精确捕获 ConfigError,而不是猜 ValueError 的含义
2 try 块尽量小 只包住可能出错的那一行,避免误捕获
3 捕获具体异常 裸 except: 连 KeyboardInterrupt 都会吞掉
4 finally 或 with 做清理 在正常退出和异常展开时执行已安排的资源清理(见 k1.py.context-manager)
5 在“知道怎么办”的层级处理 底层抛出,上层决定重试、降级还是报错给用户

Python 3.11 引入 ExceptionGroup 与 except*(PEP 654),用于同时发生的多个异常,例如并发任务中多个子任务失败:https://peps.python.org/pep-0654/

可运行示例

# 文件:examples/16_exceptions.py
# 异常处理的五个好习惯
import json, logging
logging.basicConfig(level=logging.INFO, format="%(levelname)s %(message)s")
log = logging.getLogger("demo")

class ConfigError(Exception):
    """1) 自定义异常:让调用方能精确捕获"""

def read_port(cfg: dict) -> int:
    try:
        port = int(cfg["port"])               # 2) try 块尽量小
    except KeyError:
        raise ConfigError("缺少 port 配置") from None
    except (TypeError, ValueError) as e:      # 3) 捕获具体异常,而不是裸 except
        raise ConfigError(f"port 不是整数: {cfg['port']!r}") from e
    else:
        if not 0 < port < 65536:
            raise ConfigError(f"port 越界: {port}")
        return port
    finally:
        log.info("read_port 检查完毕")         # 4) finally 做清理/收尾

for cfg in [{"port": "8080"}, {}, {"port": "abc"}, {"port": 70000}]:
    try:
        print("端口 =", read_port(cfg))
    except ConfigError as e:
        log.warning("配置错误: %s", e)        # 5) 在合适的层级处理并记录

# Python 3.11+:ExceptionGroup 与 except*,处理"同时发生的多个错误"
try:
    raise ExceptionGroup("批量校验失败", [ValueError("A 字段为空"), TypeError("B 字段类型错")])
except* ValueError as eg:
    print("处理值错误:", [str(e) for e in eg.exceptions])
except* TypeError as eg:
    print("处理类型错误:", [str(e) for e in eg.exceptions])

一稿留存输出(Python 3.15.0):

INFO read_port 检查完毕
INFO read_port 检查完毕
WARNING 配置错误: 缺少 port 配置
INFO read_port 检查完毕
WARNING 配置错误: port 不是整数: 'abc'
INFO read_port 检查完毕
WARNING 配置错误: port 越界: 70000
端口 = 8080
处理值错误: ['A 字段为空']
处理类型错误: ['B 字段类型错']

可以看到:

  • finally 在每次调用中都执行了(4 条 “检查完毕”)。
  • {"port": "abc"} 通过 from e 保留了原始的 ValueError 作为原因。
  • except* 把一个异常组按类型分别处理。

常见误区

  • except Exception: pass:最常见、最危险的写法。至少要记录日志,最好只捕获你能处理的异常。
  • 用异常控制正常流程:例如用异常代替 if 判断循环结束(迭代器协议的 StopIteration 是语言层面的特例)。不过 Python 社区也接受“EAFP(先做再请求原谅)”风格,如 try: d[k] except KeyError:,关键是不要滥用。EAFP 词条:https://docs.python.org/3/glossary.html#term-EAFP
  • 捕获后重新抛出时丢失原因:应使用 raise NewError(...) from e。
  • 在 finally 里 return:会吞掉正在传播的异常。Python 3.14 起对 finally 中的 return/break/continue 发出 SyntaxWarning(PEP 765):https://peps.python.org/pep-0765/

与 AI 开发的关系

  • 调用 LLM API 必须处理的异常:超时、限流(HTTP 429)、服务端错误(5xx)、内容审核拒绝、输出格式不合法。通常的策略是:对可重试的错误(超时、429、部分 5xx)做带退避的有限次重试(见 k1.py.decorator 的 retry 示例),对不可重试的错误(认证失败、参数错误)立即报错。
  • 结构化输出解析失败:模型返回的 JSON 可能不合法。捕获 json.JSONDecodeError 或 Pydantic 的 ValidationError,再决定是否让模型重试修正。
  • 并发调用中的多个失败:asyncio.TaskGroup 中多个任务失败时会抛出 ExceptionGroup,需用 except* 处理(见 k1.py.async-await)。
  • AI 生成代码的通病:过度使用 try/except Exception,把真实错误吞掉后返回一个“看起来正常”的默认值。评审时要重点检查。

延伸阅读

理解检查

请求超时后立刻重复一次写操作,可能发生什么?

参考答案:第一次可能已经成功而响应丢失;若操作不幂等,重试可能产生重复写入。

核验与复现

核验日期:2026-10-14。示例状态:运行通过。本轮日志:16_exceptions.py。

配套代码与核验资料

继续浏览基础 返回知识 →返回顶部 ↑
本篇目录
教程图解100%
教程图解