Python基础16

今日内容概要

• 异常常见类型
• 异常处理语法结构
• 异常处理补充
• 异常处理实战应用
• 生成器对象
• yield冷门用法
• 生成器表达式

今日内容详细

异常常见类型

AttributeError    访问的对象属性不存在

ImportError    无法导入模块或者对象，主要是路径有误或名称错误    

IndentationError 代码没有正确对齐，主要是缩进错误

IndexError    下标索引超出序列范围

IOError        输入/输出异常，主要是无法打开文件

KeyError    访问字典里不存在的键

NameError     访问一个未声明的变量

OverflowError    数值运算超出最大限制

SyntaxError    python语法错误

TabError    Tab和空格混用

TypeError    不同类型数据之间的无效操作（传入对象类型与要求的不符合）

ValueError    传入无效的值，即使值的类型是正确的

ZeroDivisionError    除法运算中除数0 或者 取模运算中模数为0

一旦程序发生异常，表明该程序在执行时出现了非正常的情况，无法再执行下去。默认情况下，程序会终止退出。

异常处理语法结构

1.基本语法结构
	try:
		待监测的代码(可能会出现的代码)
	except 错误类型:
		针对上述错误类型制定的方案
2.查看错误信息
	try:
		待监测的代码(可能会出现的代码)
	except 错误类型 as e:  # e就是系统提示的错误信息 可以随意起名
		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(可能会出现的代码)
	except 错误类型1:
		针对上述错误类型1制定的方案
	except 错误类型2:
		针对上述错误类型2制定的方案
	except 错误类型3:
		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(可能会出现的代码)
	except Exception as e:
		针对各种错误类型统一制定的方案
5.结合else使用
	try:
		待监测的代码(可能会出现的代码)
	except Exception as e:
		针对各种错误类型统一制定的方案
	else:
		try子代码正常运行结束没有任何报错后再执行else的子代码
6.结合finally使用
	try:
		待监测的代码(可能会出现的代码)
	except Exception as e:
		针对各种错误类型统一制定的方案
	finally:
		无论try子代码是否会报错 最后都要执行finally子代码 

异常处理补充

1.断言
	name = 'jack'
	# assert isinstance(name, str)  条件不成立 会报错
	assert isinstance(name, str)
	print('hahahha')  # 当assert后面的条件成立不报错时 才会执行
2.主动抛出异常
	name = input('你是谁')
	if name == 'jack':
		raise Exception('你谁啊') # 当判断条件成立时 会终止程序运行并报错
	else:
		print('来玩啊')  

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下才应该考虑使用
如:使用手机访问网络软件 当断网时
  编写网络爬虫程序请求数据 服务器宕机或其他情况时

'''小练习
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]

def my_for(a):
	b = a.__iter__()
	while True:
		try:
			print(b.__next__())
		except Exception as e:
			print(e)

my_for(l1)

生成器对象

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
	函数体中填写yield关键字
def my_iter():
	print('我执行了')
	yield
'''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) 需要通过调用__next__()才会执行函数体代码'''
	res = my_iter()   # 此时的res是一个生成器
	res.__next__()  # 此时才会执行yield前的函数体代码
'''当函数体代码中有多个yield时 每次执行完__next__代码都会停留在yield位置 下次基于该位置继续往下找到第二个yield'''
def my_iter1():
    print('我执行了1')
    yield
    print('我执行了2')
    yield
    print('我执行了3')
    yield
res1 = my_iter1()
res1.__next__()  
res1.__next__()
res1.__next__()  # 依次执行
'''yield还有点类似于return 可以返回返回值'''
def my_iter2():
    print('我执行了1')
    yield 111
    print('我执行了2')
    yield 222
    print('我执行了3')
    yield 333
res2 = my_iter2()
res3 = res2.__next__()
print(res3)   # 111
res4 = res2.__next__()
print(res4)   # 222
res5 = res2.__next__()
print(res5)   # 333

小练习

'''自定义生成器对标range功能'''
# 两个参数的
def my_range(start_num, end_num):
	while start_num < end_num:
		yield start_num
		start_num += 1
        
# 一个参数的
def my_range(start_num, end_num=None):
    if not end_num:
        end_num = start_num
        start_num = 0
    while start_num < end_num:
        yield start_num
        start_num += 1
        
# 三个参数的
def my_range(start_num, end_num=None, step=1):
    if not end_num:
        end_num = start_num
        start_num = 0
    while start_num < end_num:
        yield start_num
        start_num += step

yield冷门用法

def eat(name, food=None):
    print(f'{name}准备吃饭')
    while True:
        food = yield
        print(f'{name}正在吃{food}')
a = eat('老八')
a.__next__()  # 
a.send('秘制小汉堡') # 用send方法将括号内的数据传给yield前面的变量名 再自动调用__next__
a.send('大蒜')  # 有while的存在可以一直调用

生成器表达式

	按需计算，即需要的时候才计算值，可以简单的理解为，每次向生成器对象中要一个元素，这个生成器对象才会返回一个元素
	说白了就是生成器的简化写法
l1 = (i ** 2 for i in rang(100))  # 此时的l1是一个生成器对象
print(l1)  # <generator object <genexpr> at 0x000001DFC07F7E40>
for i in l1:
    print(i)  # 依次从l1生成器中取值