作者 | piglei

来源 | 腾讯技术工程知乎专栏

如果你用 Python 编程，那么你就无法避开异常，因为异常在这门语言里无处不在。打个比方，当你在脚本执行时按 ctrl+c 退出，解释器就会产生一个 KeyboardInterrupt 异常。而 KeyError、 ValueError、 TypeError 等更是日常编程里随处可见的老朋友。

异常处理工作由“捕获”和“抛出”两部分组成。“捕获”指的是使用 try...except 包裹特定语句，妥当的完成错误流程处理。而恰当的使用 raise 主动“抛出”异常，更是优雅代码里必不可少的组成部分。

在这篇文章里，我会分享与异常处理相关的 3 个好习惯。继续阅读前，我希望你已经了解了下面这些知识点：

• 异常的基本语法与用法(建议阅读官方文档 “Errors and Exceptions”)

• 为什么要使用异常代替错误返回(建议阅读《让函数返回结果的技巧》)

• 为什么在写 Python 时鼓励使用异常 (建议阅读 “Write Cleaner Python: Use Exceptions”)

三个好习惯

1. 只做最精确的异常捕获

假如你不够了解异常机制，就难免会对它有一种天然恐惧感。你可能会觉得：异常是一种不好的东西，好的程序就应该捕获所有的异常，让一切都平平稳稳的运行。而抱着这种想法写出的代码，里面通常会出现大段含糊的异常捕获逻辑。

让我们用一段可执行脚本作为样例：

# -*- coding: utf-8 -*-

import requests

import re

def save_website_title(url, filename):

"""获取某个地址的网页标题，然后将其写入到文件中

:returns: 如果成功保存，返回 True，否则打印错误，返回 False

"""

try:

resp = requests.get(url)

obj = re.search(r'(.*)', resp.text)

if not obj:

print('save failed: title tag not found in page content')

return False

title = obj.grop(1)

with open(filename, 'w') as fp:

fp.write(title)

return True

except Exception:

print(f'save failed: unable to save title of {url} to {filename}')

return False

def main():

save_website_title('https://www.qq.com', 'qq_title.txt')

if __name__ == '__main__':

main()

脚本里的 save_website_title 函数做了好几件事情。它首先通过网络获取网页内容，然后利用正则匹配出标题，最后将标题写在本地文件里。而这里有两个步骤很容易出错：网络请求 与 本地文件操作。所以在代码里，我们用一个大大的 try...except 语句块，将这几个步骤都包裹了起来。安全第一 。

那么，这段看上去简洁易懂的代码，里面藏着什么问题呢？

如果你旁边刚好有一台安装了 Python 的电脑，那么你可以试着跑一遍上面的脚本。你会发现，上面的代码是不能成功执行的。而且你还会发现，无论你如何修改网址和目标文件的值，程序仍然会报错 “save failed: unable to...”。为什么呢？

问题就藏在这个硕大无比的 try...except 语句块里。假如你把眼睛贴近屏幕，非常仔细的检查这段代码。你会发现在编写函数时，我犯了一个小错误，我把获取正则匹配串的方法错打成了 obj.grop(1)，少了一个 'u'( obj.group(1))。

但正是因为那个过于庞大、含糊的异常捕获，这个由打错方法名导致的原本该被抛出的 AttibuteError 却被吞噬了。从而给我们的 debug 过程增加了不必要的麻烦。

异常捕获的目的，不是去捕获尽可能多的异常。假如我们从一开始就坚持：只做最精准的异常捕获。那么这样的问题就根本不会发生，精准捕获包括：

• 永远只捕获那些可能会抛出异常的语句块

• 尽量只捕获精确的异常类型，而不是模糊的 Exception

依照这个原则，我们的样例应该被改成这样：

from requests.exceptions import RequestException

def save_website_title(url, filename):

try:

resp = requests.get(url)

except RequestException as e:

print(f'save failed: unable to get page content: {e}')

return False

# 这段正则操作本身就是不应该抛出异常的，所以我们没必要使用 try 语句块

# 假如 group 被误打成了 grop 也没关系，程序马上就会通过 AttributeError 来

# 告诉我们。

obj = re.search(r'(.*)', resp.text)

if not obj:

print('save failed: title tag not found in page content')

return False

title = obj.group(1)

try:

with open(filename, 'w') as fp:

fp.write(title)

except IOError as e:

print(f'save failed: unable to write to file {filename}: {e}')

return False

else:

return True

2. 别让异常破坏抽象一致性

大约四五年前，当时的我正在开发某移动应用的后端 API 项目。如果你也有过开发后端 API 的经验，那么你一定知道，这样的系统都需要制定一套“API 错误码规范”，来为客户端处理调用错误时提供方便。

一个错误码返回大概长这个样子：

// HTTP Status Code: 400

// Content-Type: application/json

{

"code": "UNABLE_TO_UPVOTE_YOUR_OWN_REPLY",

"detail": "你不能推荐自己的回复"

}

在制定好错误码规范后，接下来的任务就是如何实现它。当时的项目使用了 Django 框架，而 Django 的错误页面正是使用了异常机制实现的。打个比方，如果你想让一个请求返回 404 状态码，那么只要在该请求处理过程中执行 raiseHttp404 即可。

所以，我们很自然的从 Django 获得了灵感。首先，我们在项目内定义了错误码异常类： APIErrorCode。然后依据“错误码规范”，写了很多继承该类的错误码。当需要返回错误信息给用户时，只需要做一次 raise 就能搞定。

用户时，只需要做一次 raise 就能搞定。

raise error_codes.UNABLE_TO_UPVOTE

raise error_codes.USER_HAS_BEEN_BANNED

... ...

毫无意外，所有人都很喜欢用这种方式来返回错误码。因为它用起来非常方便，无论调用栈多深，只要你想给用户返回错误码，调用 raiseerror_codes.ANY_THING 就好。

随着时间推移，项目也变得越来越庞大，抛出 APIErrorCode 的地方也越来越多。有一天，我正准备复用一个底层图片处理函数时，突然碰到了一个问题。

我看到了一段让我非常纠结的代码：

# 在某个处理图像的模块内部

# /util/image/processor.py

def process_image(...):

try:

image = Image.open(fp)

except Exception:

# 说明(非项目原注释)：该异常将会被 Django 的中间件捕获，往前端返回

# "上传的图片格式有误" 信息

raise error_codes.INVALID_IMAGE_UPLOADED

... ...

process_image 函数会尝试解析一个文件对象，如果该对象不能被作为图片正常打开，就抛出 error_codes.INVALID_IMAGE_UPLOADED(APIErrorCode子类) 异常，从而给调用方返回错误代码 JSON。

让我给你从头理理这段代码。最初编写 process_image 时，我虽然把它放在了 util.image 模块里，但当时调这个函数的地方就只有 “处理用户上传图片的 POST 请求” 而已。为了偷懒，我让函数直接抛出 APIErrorCode 异常来完成了错误处理工作。

再来说当时的问题。那时我需要写一个在后台运行的批处理图片脚本，而它刚好可以复用 process_image 函数所实现的功能。但这时不对劲的事情出现了，如果我想复用该函数，那么：

• 我必须去捕获一个名为 INVALID_IMAGE_UPLOADED 的异常

  • 哪怕我的图片根本就不是来自于用户上传

• 我必须引入 APIErrorCode 异常类作为依赖来捕获异常

  • 哪怕我的脚本和 Django API 根本没有任何关系

这就是异常类抽象层级不一致导致的结果。APIErrorCode 异常类的意义，在于表达一种能够直接被终端用户(人)识别并消费的“错误代码”。它在整个项目里，属于最高层的抽象之一。但是出于方便，我们却在底层模块里引入并抛出了它。这打破了 image.processor 模块的抽象一致性，影响了它的可复用性和可维护性。

这类情况属于“模块抛出了高于所属抽象层级的异常”。避免这类错误需要注意以下几点：

• 让模块只抛出与当前抽象层级一致的异常

  • 比如 image.processer 模块应该抛出自己封装的 ImageOpenError 异常

• 在必要的地方进行异常包装与转换

  • 比如，应该在贴近高层抽象(视图 View 函数)的地方，将图像处理模块的 ImageOpenError 低级异常包装转换为 APIErrorCode 高级异常

修改后的代码：

# /util/image/processor.py

class ImageOpenError(Exception):

pass

def process_image(...):

try:

image = Image.open(fp)

except Exception as e:

raise ImageOpenError(exc=e)

... ...

# /app/views.py

def foo_view_function(request):

try:

process_image(fp)

except ImageOpenError:

raise error_codes.INVALID_IMAGE_UPLOADED

除了应该避免抛出高于当前抽象级别的异常外，我们同样应该避免泄露低于当前抽象级别的异常。

如果你用过 requests 模块，你可能已经发现它请求页面出错时所抛出的异常，并不是它在底层所使用的 urllib3 模块的原始异常，而是通过 requests.exceptions 包装过一次的异常。

>>> try:

... requests.get('https://www.invalid-host-foo.com')

... except Exception as e:

... print(type(e))

...

<class 'requests.exceptions.ConnectionError'>

这样做同样是为了保证异常类的抽象一致性。因为 urllib3 模块是 requests 模块依赖的底层实现细节，而这个细节有可能在未来版本发生变动。所以必须对它抛出的异常进行恰当的包装，避免未来的底层变更对 requests 用户端错误处理逻辑产生影响。

3. 异常处理不应该喧宾夺主

在前面我们提到异常捕获要精准、抽象级别要一致。但在现实世界中，如果你严格遵循这些流程，那么很有可能会碰上另外一个问题：异常处理逻辑太多，以至于扰乱了代码核心逻辑。具体表现就是，代码里充斥着大量的 try、 except、 raise 语句，让核心逻辑变得难以辨识。

让我们看一段例子：

def upload_avatar(request):

"""用户上传新头像"""

try:

avatar_file = request.FILES['avatar']

except KeyError:

raise error_codes.AVATAR_FILE_NOT_PROVIDED

try:

resized_avatar_file = resize_avatar(avatar_file)

except FileTooLargeError as e:

raise error_codes.AVATAR_FILE_TOO_LARGE

except ResizeAvatarError as e:

raise error_codes.AVATAR_FILE_INVALID

try:

request.user.avatar = resized_avatar_file

request.user.save()

except Exception:

raise error_codes.INTERNAL_SERVER_ERROR

return HttpResponse({})

这是一个处理用户上传头像的视图函数。这个函数内做了三件事情，并且针对每件事都做了异常捕获。如果做某件事时发生了异常，就返回对用户友好的错误到前端。

这样的处理流程纵然合理，但是显然代码里的异常处理逻辑有点“喧宾夺主”了。一眼看过去全是代码缩进，很难提炼出代码的核心逻辑。

早在 2.5 版本时，Python 语言就已经提供了对付这类场景的工具：“上下文管理器(context manager)”。上下文管理器是一种配合 with 语句使用的特殊 Python 对象，通过它，可以让异常处理工作变得更方便。

那么，如何利用上下文管理器来改善我们的异常处理流程呢？让我们直接看代码吧。

class raise_api_error:

"""captures specified exception and raise ApiErrorCode instead

:raises: AttributeError if code_name is not valid

"""

def __init__(self, captures, code_name):

self.captures = captures

self.code = getattr(error_codes, code_name)

def __enter__(self):

# 刚方法将在进入上下文时调用

return self

def __exit__(self, exc_type, exc_val, exc_tb):

# 该方法将在退出上下文时调用

# exc_type, exc_val, exc_tb 分别表示该上下文内抛出的

# 异常类型、异常值、错误栈

if exc_type is None:

return False

if exc_type == self.captures:

raise self.code from exc_val

return False

在上面的代码里，我们定义了一个名为 raise_api_error 的上下文管理器，它在进入上下文时什么也不做。但是在退出上下文时，会判断当前上下文中是否抛出了类型为 self.captures 的异常，如果有，就用 APIErrorCode 异常类替代它。

使用该上下文管理器后，整个函数可以变得更清晰简洁：

def upload_avatar(request):

"""用户上传新头像"""

with raise_api_error(KeyError, 'AVATAR_FILE_NOT_PROVIDED'):

avatar_file = request.FILES['avatar']

with raise_api_error(ResizeAvatarError, 'AVATAR_FILE_INVALID'),\

raise_api_error(FileTooLargeError, 'AVATAR_FILE_TOO_LARGE'):

resized_avatar_file = resize_avatar(avatar_file)

with raise_api_error(Exception, 'INTERNAL_SERVER_ERROR'):

request.user.avatar = resized_avatar_file

request.user.save()

return HttpResponse({})

Hint：建议阅读 PEP 343 -- The "with" Statement | Python.org，了解与上下文管理器有关的更多知识。

模块 contextlib 也提供了非常多与编写上下文管理器相关的工具函数与样例。

总结

在这篇文章中，我分享了与异常处理相关的三个建议。最后再总结一下要点：

• 只捕获可能会抛出异常的语句，避免含糊的捕获逻辑

• 保持模块异常类的抽象一致性，必要时对底层异常类进行包装

• 使用“上下文管理器”可以简化重复的异常处理逻辑

看完文章的你，有没有什么想吐槽的？请留言或者在 项目 Github Issues 告诉我吧。

附录

• 题图来源: Photo by Bernard Hermant on Unsplash

• 更多系列文章地址：

  https://github.com/piglei/one-python-craftsman

系列其他文章：

• Python 工匠：让函数返回结果的技巧

(*本文仅代表作者观点，转载请联系原作者。原文标题：《Python工匠：异常处理的三个好习惯》)

◆

在线公开课

◆

想跟NVIDIA专业讲师学习TensorRT吗？扫码进群，获取报名地址，群内优秀提问者可获得限量奖品(定制T恤或者技术图书，包邮哦~)

NVIDIA TensorRT是一种高性能深度学习推理优化器和运行时加速库，可以为深度学习推理应用程序提供低延时和高吞吐量。通过TensorRT，开发者可以优化神经网络模型，以高精度校对低精度，最后将模型部署到超大规模数据中心、嵌入式平台或者汽车产品平台中。

推荐阅读：

• 阿里巴巴杨群：高并发场景下Python的性能挑战

• 从0到1：Web开发绕不开的WSGI到底是什么？

• 24式，加速你的Python

• 安卓运行Jupyter Notebook操作指南，不用电脑也能做数据分析！

• 毕业10年后，我忍不住出了一份程序员的高考试卷！

• Python从入门到精通，这篇文章为你列出了25个关键技术点(附代码)

• 500行Python代码打造刷脸考勤系统

你点的每个“在看”，我都认真当成了喜欢