python異常對象包含類型、消息和追蹤信息，用于調試問題。訪問方式：1.使用except捕獲異常后，通過type(e)獲取類型；2.e本身包含異常消息；3.e.__traceback__提供調用堆棧。結合traceback模塊可格式化輸出堆棧信息。生產環境中應記錄到日志文件，使用Logging.Error(traceback.format_exc())。自定義異常類可在異常中添加額外上下文信息，如dataprocessingerror包含錯誤數據，提升診斷效率。
python異常對象包含了異常類型、異常消息和追蹤信息，這些信息對于調試和定位問題至關重要。通過__traceback__屬性，我們可以深入挖掘異常發生的調用堆棧，從而更準確地找到錯誤的根源。
異常對象關鍵信息包括：異常類型（例如TypeError、ValueError）、異常消息（描述發生了什么錯誤）和追蹤信息（展示了異常發生的調用鏈）。
如何訪問和理解異常對象的屬性？
當你捕獲一個異常時，可以通過except語句訪問異常對象。例如：
立即學習“Python免費學習筆記（深入）”；
try: result = 10 / 0 except ZeroDivisionError as e: print(f"異常類型: {type(e)}") print(f"異常消息: {e}") print(f"追蹤對象: {e.__traceback__}")
type(e)會告訴你異常的類型，e本身通常會包含異常消息，而e.__traceback__則是一個追蹤對象，它包含了異常發生時的調用堆棧信息。 理解__traceback__對象需要一些技巧，因為它本身不是一個字符串，而是一個包含幀（frame）信息的鏈表。每個幀代表一個函數調用，從異常發生的地方一直回溯到程序的入口點。
如何使用traceback模塊格式化追蹤信息？
__traceback__對象本身不易于直接閱讀，通常會結合traceback模塊來格式化輸出。
import traceback try: result = 10 / 0 except ZeroDivisionError as e: traceback_str = ''.join(traceback.format_tb(e.__traceback__)) print(traceback_str) print(f"異常消息: {e}")
traceback.format_tb()函數將追蹤對象轉換為一個字符串列表，每個字符串代表一個調用幀。將這些字符串連接起來，就可以得到一個可讀的調用堆棧信息。 異常消息通常在堆棧信息的末尾，提供了關于錯誤的具體描述。
如何在生產環境中使用異常追蹤？
在生產環境中，直接打印異常信息可能不太方便，更常見的是將異常信息記錄到日志文件中。
import logging import traceback logging.basicConfig(filename='error.log', level=logging.ERROR) def process_data(data): try: value = int(data) result = 100 / value return result except (ValueError, ZeroDivisionError) as e: logging.error(f"Error processing data: {data}") logging.error(traceback.format_exc()) # 記錄完整的異常信息 data_list = ['10', '0', 'abc', '20'] for data in data_list: result = process_data(data) if result is not None: print(f"Result for {data}: {result}")
traceback.format_exc()函數會返回完整的異常信息，包括異常類型、異常消息和調用堆棧。將其記錄到日志文件中，可以方便地進行后續分析。 記得在生產環境中配置好日志級別，避免記錄過多的調試信息。
如何自定義異常處理以提供更多上下文信息？
有時候，默認的異常信息不足以定位問題，可以考慮自定義異常類，并在異常中包含更多的上下文信息。
class DataProcessingError(Exception): def __init__(self, message, data): super().__init__(message) self.data = data def process_data(data): try: value = int(data) if value < 0: raise DataProcessingError("Value must be positive", data) result = 100 / value return result except (ValueError, DataProcessingError) as e: if isinstance(e, DataProcessingError): print(f"Error processing data: {e.data}, message: {e}") else: print(f"ValueError: {e}") data_list = ['10', '-5', 'abc', '20'] for data in data_list: result = process_data(data) if result is not None: print(f"Result for {data}: {result}")
通過自定義異常類，可以將與異常相關的額外信息（例如導致錯誤的原始數據）傳遞給異常處理程序。這有助于更精確地診斷問題。
