今天我们要深入探讨一个让程序更加健壮的关键技能——错误处理与日志记录。想象一下，你的代码就像一名探险家，在未知的代码丛林中探索，而错误处理就是那把指南针，帮助我们在遇到困难时找到正确的方向。日志记录，则是探险日记，记录下每一次的挑战与胜利。让我们一步步成为处理Python程序中意外情况的高手吧！

1. 基础：认识try-except

在Python中，try和except是处理错误的基本构造。当你预见到某段代码可能会出错时，就把它放在try块里。

try:
    # 尝试执行的代码，比如除以零
    result = 10 / 0
except ZeroDivisionError:
    # 如果发生除以零错误，执行这里
    print("不能除以零哦！")

2. 多重异常捕获

一个except可以捕获多种类型的错误，或者你可以使用多个except块。

try:
    # 可能会抛出多种错误的代码
    x = int(input("请输入一个数字："))
    y = 10 / x
except ValueError:
    print("输入的不是数字！")
except ZeroDivisionError:
    print("数字不能为零！")

3. 使用else和finally

• else块在没有异常发生时执行。
• finally无论是否发生异常都会执行，常用于资源清理。

try:
    num = 5
except ValueError:
    print("错误的值。")
else:
    print(f"数字是：{num}")
finally:
    print("这是最后的操作，总会执行。")

4. 捕获所有异常

使用Exception作为except的参数可以捕获所有非系统退出异常。

try:
    # 可能出错的代码
    open("不存在的文件.txt")
except Exception as e:
    print(f"遇到了问题：{e}")

5. 自定义异常

Python允许你创建自己的异常类，继承自Exception或其子类。

class CustomError(Exception):
    pass

try:
    raise CustomError("这是一个自定义错误。")
except CustomError as ce:
    print(ce)

6. 异常链

当一个异常被另一个异常捕获时，可以通过from保留原始异常信息。

try:
    raise ValueError("错误值")
except ValueError as ve:
    raise KeyError("键错误") from ve

7. 日志记录入门

使用logging模块来记录错误和其他信息，这是比打印更专业的做法。

import logging

logging.basicConfig(filename='app.log', level=logging.INFO)
try:
    # 潜在的错误代码
    ...
except Exception as e:
    logging.error("发生了一个错误：%s", e)

8. 日志级别

了解并使用不同的日志级别（DEBUG, INFO, WARNING, ERROR, CRITICAL）来精确控制日志信息。

9. 格式化日志

定制日志的输出格式，让它更易读。

logging.basicConfig(format='%(asctime)s - %(levelname)s - %(message)s', level=logging.INFO)

10. 多线程日志

在多线程环境中确保日志的正确记录，可能需要考虑日志锁。

11. 异常上下文信息

利用__cause__属性查看异常的因果关系链。

try:
    try:
        raise ValueError("First error.")
    except Exception as inner:
        raise KeyError("Second error.") from inner
except Exception as outer:
    print(outer.__cause__)

12. 实践技巧：编写健壮的输入验证

在处理用户输入时，总是先验证，后使用。

13. 练习建议：模拟错误场景

自己设计一些错误场景，练习异常捕获和日志记录。

14. 注意事项：避免过度捕获

精确地捕获你需要处理的异常，而不是一网打尽，这样可以更好地定位问题。

15. 高级技巧：使用contextlib管理资源

with语句和contextlib模块可以自动管理资源，减少finally的需要。

from contextlib import closing
import sqlite3

with closing(sqlite3.connect("my_database.db")) as conn:
    # 执行数据库操作
    pass
# 连接自动关闭

深入理解：异常对象的使用与自定义日志处理

在深入学习之前，我们已经触及了异常处理和日志记录的基础，现在让我们进一步探索，解锁更高级的实践技巧。

16. 异常对象的详细信息

捕获异常时，你可以访问异常对象的属性来获取更多信息，比如使用str(e)或repr(e)查看异常的详细信息。

try:
    # 引发异常的代码
    raise ValueError("演示错误")
except ValueError as e:
    print("错误详情:", str(e))

17. 自定义日志处理器

除了使用默认的日志处理器，你还可以自定义日志处理逻辑，比如发送邮件通知。

import logging
import smtplib

class EmailHandler(logging.Handler):
    def emit(self, record):
        log_entry = self.format(record)
        # 在这里添加发送邮件的逻辑
        print("模拟发送邮件:", log_entry)  # 实际应用中替换为发送邮件的代码

logger = logging.getLogger(__name__)
email_handler = EmailHandler()
email_handler.setLevel(logging.ERROR)
formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')
email_handler.setFormatter(formatter)
logger.addHandler(email_handler)

logger.error("这应该触发一封邮件通知。")

18. 日志过滤器

有时你可能只想记录特定的日志消息，这时可以使用日志过滤器。

class ImportantMessageFilter(logging.Filter):
    def filter(self, record):
        return "重要" in record.getMessage()

logger.addFilter(ImportantMessageFilter())
logger.info("普通信息")
logger.info("重要信息")

19. 异步日志处理

在异步编程中，确保日志记录不会阻塞主程序流是一个挑战。可以利用异步上下文管理器来实现。

import asyncio
import logging

async def async_log(message):
    logging.info(message)

async def main():
    task = asyncio.create_task(async_log("异步日志测试"))
    await task

asyncio.run(main())

20. 性能与日志的最佳实践

• 不要在日志记录的格式化字符串中使用表达式，因为这会增加每次日志记录的计算成本。
• 对于大量日志，考虑日志滚动和归档，避免单个日志文件过大。
• 使用环境变量或配置文件来设置日志级别，以便于不同环境下的灵活调整。

通过这些深入的实践，你不仅能够有效地管理Python程序中的错误和异常，还能提升日志记录的专业性和效率。