Python中的异常跟踪
Python语言的书籍上重点在于描述Python中如何构造异常对象和raise try except finally这些的使用,对调试程序起关键作用的stacktrace往往基本上不怎么涉及.下面三种方式可以提高跟踪异常效率
traceback
try: 1/0 except Exception,e: print e
输出结果是integer division or modulo by zero,只知道是报了这个错,但是却不知道在哪个文件哪个函数哪一行报的错。下面使用traceback模块:
import traceback try: 1/0 except Exception,e: traceback.print_exc()
输出结果是
Traceback (most recent call last): File "/Users/zhouwanghua/Code/dot/__init__.py", line 7, in <module> 1 / 0 ZeroDivisionError: division by zero
traceback.print_exc()跟traceback.format_exc()区别:
- format_exc()返回字符串
- print_exc()则直接给打印出来。
即traceback.print_exc()与print traceback.format_exc()效果是一样的。
print_exc()还可以接受file参数直接写入到一个文件。比如
traceback.print_exc(file=open('tb.txt','w+')) 写入到tb.txt文件去。
cgitb
如果平时开发喜欢基于log的方式来调试,那么可能经常去做这样的事情,在log里面发现异常之后,因为信息不足,那么会再去额外加一些debug log来把相关变量的值输出。调试完毕之后再把这些debug log去掉。其实没必要这么麻烦,Python库中提供了cgitb模块来帮助做这些事情,它能够输出异常上下文所有相关变量的信息,不必每次自己再去手动加debug log。
def func(a, b): return a / b if __name__ == '__main__': import cgitb cgitb.enable(format='text') import sys import traceback func(1, 0)
运行之后就会得到详细的数据:
A problem occurred in a Python script. Here is the sequence of function calls leading up to the error, in the order they occurred. /Users/samchi/Documents/workspace/tracebacktest/teststacktrace.py in <module>() 4 import cgitb 5 cgitb.enable(format='text') 6 import sys 7 import traceback 8 func(1, 0) func = <function func> /Users/samchi/Documents/workspace/tracebacktest/teststacktrace.py in func(a=1, b=0) 2 return a / b 3 if __name__ == '__main__': 4 import cgitb 5 cgitb.enable(format='text') 6 import sys a = 1 b = 0
logging
在Python中如果直接传递异常对象给log.error,那么只会在log里面出现一行异常对象的值.
在Python中正确的记录Log方式应该是这样的:
logging.exception(ex) logging.error(ex, exc_info=1) # 指名输出栈踪迹, logging.exception的内部也是包了一层此做法 logging.critical(ex, exc_info=1) # 更加严重的错误级别
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
人工智能、区块链与物联网,正在成为智能时代的“三大件”
云栖号资讯:【点击查看更多行业资讯】在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来! 这是我在【物女心经】专栏写的第178篇文章。 在上周的文章《广东1800亿打响新基建第一枪,河南、陕西工业互联网投资迎头赶上,500个项目揭示最佳赛道...》中,我们重点追踪并分析了已公布具体信息的466个工业互联网新基建项目及内涵,并且形成了一张总览全国性工业互联网项目分布的气泡图。 这次的新基建,让工业互联网的发展,搭载在具有周密计划、覆盖全国重点区域、超大规模的集体决策智慧之上。 在分析的过程中,我们还有很多颇具价值的发现。 区块链和人工智能,同样被列入新基建的范畴。 在4月底由国资委和发改委同时召开经济运行例行发布会上,首次明确划定了新基建的范围。物联网作为通信网络基础设施的代表,区块链、人工智能作为新技术基础设施的代表,共同属于信息基础设施这一层面。 就像自行车、手表和缝纫机是工业时代的“三大件”。人工智能、区块链与物联网,正在成为智能时代的“新三大件”。 加之新基建和新冠疫情的不期而遇,成为了人类社会数字化迁徙的助推剂,让新三大件之间的耦合越来越紧密,落地越来越加速。 从物理...
- 下一篇
Python一切皆是对象,但这和内存管理有什么关系?
云栖号资讯:【点击查看更多行业资讯】在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来! Python的内存管理机制 对于工程师而言,内存管理机制非常重要,是绕不过去的一环。如果你是Java工程师,面试的时候一定会问JVM。C++工程师也一定会问内存泄漏,同样我们想要深入学习Python,内存管理机制也是绕不过去的一环。 不过好在Python的内存管理机制相对来说比较简单,我们也不用特别深入其中的细节,简单做个了解即可。 Python内存管理机制的核心就是引用计数,在Python当中一切都是对象,对象通过引用来使用。 我们看到的是变量名,但是变量名指向了内存当中的一块对象。这种关系在Python当中称为引用,我们通过引用来操作对象。所以根据这点,引用计数很好理解,也就是说我们会对每一个对象进行统计所有指向它的指针的数量。如果一个对象引用计数为0,那么说明它没有任何引用指向它,也就是说它已经没有在使用了,这个时候,Python就会将这块内存收回。 简单来说引用计数原理就是这些,但我们稍微深入一点,来简单看看哪些场景会引起对象引用的变化。 引用计数的变化显然只有两种,一种是增加,...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Hadoop3单机部署,实现最简伪集群
- CentOS8编译安装MySQL8.0.19
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- Eclipse初始化配置,告别卡顿、闪退、编译时间过长
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- Mario游戏-低调大师作品
- CentOS6,CentOS7官方镜像安装Oracle11G