目录
9. FileNotFoundError (文件未找到错误)
10. ModuleNotFoundError (导入错误)
四、try - except- else -fiinally
异常处理
相信大家在借助AI写代码的时候，经常会遇到try-except的异常处理模块，这是因为大部分大模型在后训练阶段都是经过强化学习训练的，为了确保结果的正确运行，只有采取 try-except的异常处理模块才能提高模型运行成功的概率。
但是我们日常写代码的时候，大概率不会采取这些写法；所以我们要适应AI的写法，这也是今天专题的由来。
一、异常处理机制
Python的异常处理机制为程序提供了强大的容错能力 (fault tolerance)。当程序在运行时遇到意外情况（即异常），它不会直接崩溃，而是可以被设计成优雅地处理这些错误，并可能继续执行后续逻辑（如果设计允许）或以可控的方式结束。
当异常发生时，Python会创建一个异常对象 (exception object)（通常是 Exception 类的子类实例）。如果这段可能出错的代码位于 try 语句块中，程序流程会寻找并跳转到匹配的 except 语句块（如果存在）来处理这个异常。
1. 核心概念
- try: 包含可能会引发异常的代码块。程序会首先尝试执行这里的代码。
- except: 如果try块中的代码确实引发了特定类型的异常（或者任何异常，如果未指定类型），则执行此代码块。
- else: （可选）如果try块中的代码没有发生任何异常，则执行此代码块。
- finally: （可选）无论try块中是否发生异常，总会执行此代码块（常用于资源清理）。
常见语句结构如下：
- try-except
这是最基本的错误处理结构。
try:
# 可能会引发异常的代码
except ExceptionType: # 最好指定具体的异常类型，例如 ZeroDivisionError, FileNotFoundError
# 当 try 块中发生 ExceptionType 类型的异常时执行的代码
except: # 不推荐：捕获所有类型的异常，可能会隐藏bug
# 当 try 块中发生任何其他未被前面 except 捕获的异常时执行的代码逻辑说明： 程序首先尝试执行 try 块中的代码。
如果 try 块中的代码没有发生异常，则 except 块会被跳过，程序继续执行 try-except 结构之后的代码。
如果 try 块中的代码发生了异常，Python会查找与该异常类型匹配的 except 块。如果找到匹配的，则执行该 except 块中的代码，然后继续执行整个 try-except 结构之后的代码（除非 except 块中又引发了新异常或执行了 return/break/continue 等）。如果未找到匹配的 except 块，异常会向上传播。
类比： 你可以把它看作是：“尝试做这件事，如果出错了（并且是特定类型的错误），就执行补救措施。”
- try-except-else
在 try-except 的基础上增加了 else 子句。
try:
# 可能会引发异常的代码
except ExceptionType:
# 当 try 块中发生 ExceptionType 类型的异常时执行的代码
else:
# 当 try 块中【没有】发生任何异常时执行的代码逻辑说明： 首先，执行 try 块中的代码。
如果 try 块中发生异常，则会查找并执行匹配的 except 块，else 块不会被执行。
如果 try 块中没有发生任何异常，则会跳过所有 except 块，然后执行 else 块中的代码。
2. 与 if-else-elif 的区别（重要！）
if-elif-else 结构中，只有一个代码块会被执行（if 条件满足则执行 if 块；否则检查 elif，满足则执行 elif 块；否则执行 else 块）。
而在 try-except-else 结构中：
如果 try 成功：try 块的代码会执行，然后 else 块的代码也会执行。
如果 try 失败：try 块中出错前的代码会执行，然后匹配的 except 块的代码会执行（else 块不会执行）。
更准确的理解： else 子句中的代码是你希望在 try 块中的代码成功完成且没有引发任何异常之后才执行的代码。这通常用于分离“主要尝试的操作”和“操作成功后的后续步骤”，使得 try 块更聚焦于可能出错的部分。
一个简单的例子阐述 else 的作用：
try:
# 假设 result_operation() 是一个可能出错的操作
value = result_operation()
except SomeError:
print("操作失败，使用默认值。")
value = default_value
else:
# 只有当 result_operation() 成功时，才执行这里的代码
print(f"操作成功，结果是: {value}。现在进行后续处理...")
process_value_further(value)如果把 process_value_further(value) 放在 try 块内，那么如果 process_value_further 本身也可能抛出 SomeError（或其他 try 块想要捕获的错误），它就会被意外捕获。else 块确保了只有在 try 块中的代码完全无误地执行完毕后，才会执行 else 块的内容。
下面我们来介绍下有哪些异常报错，如果你留心报错信息，常见以下几种：
值得一提的是，过去
二、debug
过去AI没有兴起的时候，debug主要靠搜索解决方案+理解报错信息，现在很多人直接借助AI就可以无脑解决，实际上这又回到我们最初的观点：此时你的能力并没有提升。
1. SyntaxError (语法错误)
原因： 代码不符合 Python 的语法规则，解释器在尝试解析代码时就会失败。这种错误在程序 运行之前 就会被检测到。
print("--- 1. SyntaxError ，可取消下列注释运行查看---")
# 示例 a: 缺少冒号
# def my_function()
# print("Hello")
# 示例 b: 非法表达式
# x = 5 +
# print(x)
# 为了让脚本能继续运行其他示例，我会注释掉这些会直接导致脚本无法解析的错误
# 请在演示时逐个取消注释并运行，观察错误--- 1. SyntaxError ，可取消下列注释运行查看---
2. NameError (名称错误)
原因： 尝试使用一个未被定义的变量、函数或对象的名称。
# 示例 a: 变量未定义
# print(some_undefined_variable)
# 示例 b: 打错变量名
# print(my_lisst) # 变量名拼写错误3. TypeError (类型错误)
原因： 对一个不支持该操作的数据类型执行了某个操作或函数。
# print("Age: " + 25) # 字符串和整数
# my_number = 10
# my_number() # 尝试像函数一样调用一个整数4. ValueError (值错误)
原因： 函数接收到的参数类型正确，但其值不合适或无效。
# my_string = "12.34.56"
# number = float(my_string) # '12.34.56' 不是一个有效的浮点数表示5. IndexError (索引错误)
原因： 尝试访问序列（如列表、元组、字符串）中一个不存在的索引。
# data = ("apple", "banana")
# print(data[2])6. KeyError (键错误)
原因： 尝试访问字典中一个不存在的键。
# student_grades = {"math": 90, "science": 85}
# print(student_grades["history"])7. AttributeError (属性错误)
原因： 尝试访问一个对象没有的属性或方法。
# 示例a
# a_string = "hello"
# print(a_string.length) # 字符串长度用 len(a_string)，不是 .length 属性
# 示例b
# import numpy as np
# arr = np.array([1,2,3])
# print(arr.non_existent_attribute)今天过后，每次执行代码 可以简单看看代码报错信息，而不是总是无脑交给ai来解决，给自己成长的空间
8. ZeroDivisionError (除零错误)
原因： 尝试将一个数字除以零。
# result = 10 / 0
# result9. FileNotFoundError (文件未找到错误)
原因： 尝试打开一个不存在的文件（通常是在读模式下），或者路径不正确。
# import pandas as pd
# data = pd.read_csv("hh.csv")10. ModuleNotFoundError (导入错误)
尝试导入一个不存在的模块，或者模块存在但其中的特定名称找不到， Python 的模块加载器找不到这个模块。去安装库即可，如果是自定义的模块，配置好对应的路径
# import hhh已经看到，当你的代码出现这类错误时，程序会立即停止执行，并打印出一个 “traceback”（回溯信息），这个信息非常重要，它会告诉你：
- 错误类型 (e.g., NameError, TypeError)
- 错误发生的文件名和行号
- 导致错误的那行代码
- 错误的简要描述
接下来来用固定的语句捕获这类错误
三、try-except
try：把你认为可能会出错的代码放在这里。
except：如果 try 块里的代码真的出错了（从出错开始就不会继续执行try之后的代码了），Python 就会跳到 except 块里执行这里的代码，而不是崩溃。
# print("--- 之前会崩溃的代码 (ZeroDivisionError) ---")
numerator = 10
denominator = 0
result = numerator / denominator # 这行会引发 ZeroDivisionError
print(f"结果是: {result}")
print("这行代码不会执行，因为程序已崩溃")---------------------------------------------------------------------------
ZeroDivisionError Traceback (most recent call last)
Cell In[32], line 4
2 numerator [38;5;241m= [38;5;241m10
3 denominator [38;5;241m= [38;5;241m0
----> 4 result [38;5;241m= numerator [38;5;241;43m/ denominator [38;5;66;03m# 这行会引发 ZeroDivisionError
5 [38;5;28mprint([38;5;124mf[38;5;124m"[38;5;124m结果是: [38;5;132;01m{result[38;5;132;01m}[38;5;124m")
6 [38;5;28mprint([38;5;124m"[38;5;124m这行代码不会执行，因为程序已崩溃[38;5;124m")
ZeroDivisionError: division by zero
print("--- 使用 try-except 捕获 ZeroDivisionError ---")
numerator = 10
denominator = 0
try:
print("尝试进行除法运算...")
result = numerator / denominator # 潜在的风险代码
print(f"计算结果是: {result}") # 如果上面出错，这行不会执行
except ZeroDivisionError:
print("发生了一个除以零的错误！")
result = "未定义 (除以零)" # 可以给一个默认值或提示
print(f"程序继续执行... 最终结果的记录为: {result}")
--- 使用 try-except 捕获 ZeroDivisionError --- 尝试进行除法运算... 发生了一个除以零的错误！ 程序继续执行... 最终结果的记录为: 未定义 (除以零)
# print("--- 之前会崩溃的代码 (TypeError) ---")
x = "hello"
y = 5
result = x + y # 字符串不能和整数直接相加
print(result)---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
Cell In[36], line 4
2 x [38;5;241m= [38;5;124m"[38;5;124mhello[38;5;124m"
3 y [38;5;241m= [38;5;241m5
----> 4 result [38;5;241m= x [38;5;241;43m+ y [38;5;66;03m# 字符串不能和整数直接相加
5 [38;5;28mprint(result)
TypeError: can only concatenate str (not "int") to str
print("--- 使用 try-except 捕获 TypeError ---")
x = "Total items: "
y = 5 # 假设这是一个从某处获取的数字
try:
print("尝试连接字符串和数字...")
message = x + y # 潜在的 TypeError
print(f"最终消息: {message}")
except TypeError:
print("类型错误！不能直接将字符串和数字相加。")
print("尝试将数字转换为字符串进行连接...")
message = x + str(y) # 修正操作
print(f"修正后的消息: {message}")
print(f"程序继续... 生成的消息是: {message}")
--- 使用 try-except 捕获 TypeError --- 尝试连接字符串和数字... 类型错误！不能直接将字符串和数字相加。 尝试将数字转换为字符串进行连接... 修正后的消息: Total items: 5 程序继续... 生成的消息是: Total items: 5
接下来，我们可以讨论如何捕获多种类型的错误，以及 else 和 finally 子句的用法。
四、try - except- else -fiinally
- try: 包含可能引发异常的代码。
- except: 处理在 try 块中发生的特定异常。
- else: （可选）如果 try 块中没有发生任何异常，则执行此代码块。
- finally: （可选）无论 try 块中是否发生异常，总会执行此代码块。
为什么使用 else？
- 清晰性： 它清楚地将“主要尝试的操作（可能出错）”与“操作成功后的后续步骤”分开。
- 避免意外捕获： 如果把“成功后的后续步骤”也放在 try 块里，而这些步骤本身也可能引发 try 块想要捕获的同类型异常，那么就会导致逻辑混淆。else 块中的代码不会被同一个 try 块的 except 子句捕获。
print("--- try-except-else 示例 ---")
def safe_divide(a, b):
print(f"\n尝试计算 {a} / {b}")
try:
result = a / b
except ZeroDivisionError:
print("错误：除数不能为零！")
return None # 或者其他表示失败的值
except TypeError:
print("错误：输入必须是数字！")
return None
else:
# 只有当 try 块中的 a / b 成功执行时，这里才会执行
print("除法运算成功！")
print(f"结果是: {result}")
# 可以在这里进行基于成功结果的进一步操作
print(f"结果的两倍是: {result * 2}")
return result
# 测试用例
safe_divide(10, 2) # 成功
safe_divide(10, 0) # ZeroDivisionError
safe_divide("10", 2) # TypeError (如果我们不先做类型转换的话)
safe_divide(20, "abc") # TypeError--- try-except-else 示例 --- 尝试计算 10 / 2 除法运算成功！ 结果是: 5.0 结果的两倍是: 10.0 尝试计算 10 / 0 错误：除数不能为零！ 尝试计算 10 / 2 错误：输入必须是数字！ 尝试计算 20 / abc 错误：输入必须是数字！
上述写法可以使函数更加健壮，实现同样的逻辑可以最开始使用if else 判断输入格式
finally 子句 finally 子句中的代码无论 try 块中是否发生异常，也无论 except 块是否被执行，甚至无论 try 或 except 块中是否有 return 语句，它总会被执行。
finally这个无论如何都会执行的特性，在机器学习和深度学习的中，多涉及资源的保存、文件的关闭等。
- 无论训练成功、失败还是中途被打断，都确保日志文件被正确关闭，避免数据丢失或文件损坏。
- 确保计算资源在使用完毕后被释放，供其他进程或任务使用。更常见的是使用 with 语句来自动管理这类资源，with 语句本身就隐式地使用了类似 finally 的机制。（with open语句）
- 关闭数据库连接
- 恢复全局状态或配置， 如果程序在运行过程中修改了全局变量或配置文件，在异常处理结束后，需要恢复到之前的状态或配置。
- 模型训练可能非常耗时，如果中途因为各种原因（OOM、手动中断、硬件故障）停止，我们希望记录下中断的状态，方便后续恢复。
在ML/DL项目中，由于流程长、资源消耗大、外部依赖多，finally 提供的这种“保证执行”的机制对于构建稳定、可靠的系统至关重要
五、通俗解释
1. 异常处理就像「Plan B」
- 为什么需要？
写代码就像做菜，可能突然发现没盐了（程序出错）。异常处理就是提前想好：- Plan A：正常做菜（
try里的代码） - Plan B：如果没盐了，用酱油代替（
except里的处理） - 最后不管成功与否，都要擦灶台（
finally里的清理，比如关文件、关网络连接）
- Plan A：正常做菜（
2. 核心操作：try-except
- 试错机制：
例子：try: # 尝试做某件事（比如算数、读文件） except 错误类型: # 如果出错了，这里兜底（比如算数除零，或者文件找不到）try: print(10 / 0) # 尝试算 10除以0 → 会报错 except ZeroDivisionError: print("不能除以零！") # 兜底方案
3. 常见错误类型（对号入座）
低级错误：
SyntaxError→ 代码写错格式（比如忘记冒号:）NameError→ 用了没定义的变量（比如把print写成pront）
操作错误：
TypeError→ 类型不匹配（比如用字符串 + 数字）ZeroDivisionError→ 除以零FileNotFoundError→ 文件找不到（比如路径写错）
数据错误：
IndexError→ 列表越界（比如列表只有3个元素，非要取第4个）KeyError→ 字典里没有某个键（比如查字典里不存在的单词）
4. 为什么AI写的代码爱用try-except？
- AI的保险策略：
AI生成的代码可能不完美，用try-except就像给代码「穿救生衣」，即使某一步出错，程序也不会崩溃，能继续往下跑。
比如：AI写一个下载文件的代码，如果网络断了，except里可以改成重试或提示用户。
5. 日常写代码怎么用？
- 不滥用，但要善用：
- 简单代码：比如算数、处理已知数据，可以直接用
if-else检查（比如判断分母是不是零）。 - 复杂场景：比如读文件、连数据库、调网络接口，一定要用
try-except兜底，因为外部因素可能出错（文件被删、网络断开）。
- 简单代码：比如算数、处理已知数据，可以直接用
6. 一句话记住核心
「尝试做某件事，如果失败，就优雅地处理，而不是让程序炸掉。」
举个生活例子
场景：你点外卖（程序运行），可能出现的问题：
- 正常流程（
try）：外卖准时送到 → 直接开吃。 - 出错处理（
except）：外卖迟到 → 平台补偿优惠券。 - 无论如何（
finally）：吃完后收拾桌子（清理垃圾）。
六、作业
理解今日的内容，检查自己过去借助AI写的代码是否带有try-except机制，以后可以尝试采用这类写法增加代码健壮性。
第一步：检查旧代码中的异常处理
查找高风险代码段
在你的旧代码中寻找以下场景：- 文件读写（
open()、pd.read_csv()） - 网络请求（
requests.get()、API调用） - 数学运算（除法、幂运算）
- 数据类型转换（
int("abc")、json.loads(invalid_json)） - 访问列表/字典（
list[100]、dict["unknown_key"]）
示例标记：
# 风险点：文件路径可能不存在 data = pd.read_csv("user_data.csv") # 没有 try-except 包裹 # 风险点：用户输入可能是非数字 age = int(input("请输入年龄：")) # 直接转换，可能崩溃- 文件读写（
用注释标出需要改进的地方
在代码中添加注释，明确哪里需要异常处理：def load_config(): # 风险：config.json 可能不存在或格式错误 with open("config.json", "r") as f: return json.load(f) # 需要 try-except 包裹
第二步：改造旧代码（示例）
原始代码（无异常处理）：
# 读取用户数据，假设文件一定存在
data = pd.read_csv("data.csv")
print(f"数据加载成功，共{len(data)}条记录")
# 计算平均值
average = sum(data["score"]) / len(data)
print(f"平均分：{average}")改造后代码：
try:
# 尝试读取文件
data = pd.read_csv("data.csv")
except FileNotFoundError:
# 文件不存在时，使用默认数据或提示用户
print("错误：数据文件未找到！")
data = pd.DataFrame({"score": []}) # 返回空数据避免后续崩溃
except pd.errors.EmptyDataError:
print("警告：数据文件为空！")
data = pd.DataFrame({"score": []})
else:
print(f"数据加载成功，共{len(data)}条记录")
if not data.empty:
try:
# 计算平均值
average = sum(data["score"]) / len(data)
except ZeroDivisionError:
print("错误：数据量为零，无法计算平均值")
else:
print(f"平均分：{average}")
else:
print("无法进行计算：数据为空")第三步：未来编码的健壮性技巧
优先防御外部风险
- 用户输入、文件操作、网络请求等 不可控操作 必须用
try-except包裹 - 示例：
try: response = requests.get("https://api.example.com/data", timeout=5) response.raise_for_status() # 如果HTTP状态码错误，抛出异常 except requests.Timeout: print("请求超时，请检查网络") except requests.HTTPError as e: print(f"服务器错误：{e}")
- 用户输入、文件操作、网络请求等 不可控操作 必须用
精准捕获异常类型
- 避免裸
except:（会捕获所有错误，可能隐藏Bug） - 示例：
try: value = int(user_input) except ValueError: # 只捕获转换失败的异常 print("请输入数字！")
- 避免裸
记录错误日志
- 使用
logging模块记录异常详情：import logging try: risky_operation() except Exception as e: logging.error("操作失败", exc_info=True) # 记录错误堆栈
- 使用
善用
finally释放资源- 无论是否出错，都要关闭文件、释放锁或GPU内存：
file = None try: file = open("log.txt", "w") file.write("操作日志...") except IOError: print("写入日志失败") finally: if file: file.close() # 确保文件关闭
- 无论是否出错，都要关闭文件、释放锁或GPU内存：
第四步：常见错误避坑
不要滥用
try-except- 错误做法：用异常处理代替逻辑检查
# 反例：用异常判断列表是否为空（低效且不直观） try: first_item = my_list[0] except IndexError: print("列表为空") - 正确做法：用
if提前检查if len(my_list) > 0: first_item = my_list[0] else: print("列表为空")
- 错误做法：用异常处理代替逻辑检查
不要静默忽略异常
- 反例：捕获错误但不处理
try: save_to_database(data) except DatabaseError: pass # 错误被静默忽略，可能导致数据丢失！ - 正确做法：至少记录错误或通知用户
except DatabaseError as e: logging.error("数据库保存失败", exc_info=True) send_alert_to_admin(f"紧急：数据未保存！错误：{e}")
- 反例：捕获错误但不处理
第五步：动手实践建议
从简单代码开始
修改一个旧脚本，例如：- 添加文件读取的异常处理
- 对用户输入做验证（如年龄必须为数字）
提交代码对比
如果你使用Git，可以提交两个版本：原始版本：无异常处理健壮版本：添加了try-except和错误恢复逻辑
验证效果
- 人为制造错误（如删除文件、输入非数字），观察程序是否优雅处理
- 对比崩溃率是否降低