Python 错误处理与单元测试

Python（04）学习笔记

发布于 2025-04-13

1. Python 异常处理基础

1.1 基本异常处理结构

try:
    # 可能引发异常的代码
    result = 10 / 0
except ZeroDivisionError:
    # 处理特定类型异常的代码
    print("不能除以零！")
else:
    # 没有异常时执行的代码
    print("计算成功完成")
finally:
    # 无论是否发生异常都会执行的代码
    print("清理资源...")

1.2 常见的内置异常类型

以下是 Python 中一些最常见的内置异常类型，按类别组织：

基础异常

异常类型	描述	典型场景
`Exception`	常规异常的基类	自定义异常的基类
`SystemExit`	由 `sys.exit()` 触发	程序正常退出
`KeyboardInterrupt`	用户按下中断键	用户按下 Ctrl+C

数据操作异常

异常类型	描述	典型场景
`TypeError`	类型不匹配	`"2" + 2`（字符串与整数相加）
`ValueError`	值不合适	`int("abc")`（非数字字符串转整数）
`AttributeError`	属性不存在	`"hello".missing_method()`
`NameError`	变量未定义	使用未定义的变量
`IndexError`	索引超出范围	`my_list[100]`（列表越界）
`KeyError`	字典键不存在	`my_dict["不存在的键"]`

文件和 I/O 异常

异常类型	描述	典型场景
`FileNotFoundError`	文件不存在	`open("不存在的文件.txt")`
`PermissionError`	权限不足	写入只读文件
`IsADirectoryError`	是目录而非文件	尝试作为文件打开目录
`TimeoutError`	操作超时	网络连接超时

算术异常

异常类型	描述	典型场景
`ZeroDivisionError`	除以零	`10 / 0` 或 `10 % 0`
`OverflowError`	数值溢出	超大数运算
`FloatingPointError`	浮点数计算错误	浮点计算精度问题

其他重要异常

异常类型	描述	典型场景
`ImportError`	导入模块失败	`import 不存在的模块`
`ModuleNotFoundError`	找不到模块	模块路径错误
`RuntimeError`	一般运行时错误	运行时检测到的未分类错误
`NotImplementedError`	未实现的方法	抽象方法没有被子类实现
`RecursionError`	递归过深	无限递归或超出最大递归深度
`SyntaxError`	语法错误	代码不符合 Python 语法
`IndentationError`	缩进错误	不一致的缩进

2. 高级异常处理技术

2.1 异常链式传递

Python 3 引入了异常链式传递机制，使用 raise ... from ... 语法：

try:
    int("非数字")
except ValueError as e:
    raise RuntimeError("数据转换失败") from e

这种方式可以保留原始异常信息，同时提供更高级别的错误上下文。

2.2 自定义异常类

为特定应用场景创建自定义异常可以使代码更具表达力：

class ConfigError(Exception):
    """配置文件相关错误的基类"""
    pass

class ConfigFileNotFoundError(ConfigError):
    """配置文件不存在时触发"""
    pass

class ConfigParseError(ConfigError):
    """配置文件格式错误时触发"""
    pass

2.3 上下文管理器与异常处理

使用 with 语句可以简化资源管理和异常处理：

with open("data.txt", "r") as file:
    content = file.read()
    # 文件会自动关闭，即使发生异常

3. Python 单元测试基础

3.1 unittest 框架

unittest 是 Python 标准库中的单元测试框架：

import unittest

def add(a, b):
    return a + b

class TestAddFunction(unittest.TestCase):
    def test_add_integers(self):
        self.assertEqual(add(1, 2), 3)

    def test_add_floats(self):
        self.assertAlmostEqual(add(1.1, 2.2), 3.3)

    def test_add_strings(self):
        self.assertEqual(add("hello ", "world"), "hello world")

if __name__ == "__main__":
    unittest.main()

3.2 pytest 框架

pytest 是一个第三方测试框架，提供了更简洁的语法：

# test_add.py
def add(a, b):
    return a + b

def test_add_integers():
    assert add(1, 2) == 3

def test_add_floats():
    assert abs(add(1.1, 2.2) - 3.3) < 0.00001

def test_add_strings():
    assert add("hello ", "world") == "hello world"

运行测试只需命令 pytest test_add.py。

3.3 常用断言方法

无论使用 unittest 还是 pytest，理解各种断言方法对编写有效的测试至关重要：

断言方法	用途	示例
`assertEqual`	判断两个值相等	`self.assertEqual(1+1 2)`
`assertNotEqual`	判断两个值不相等	`self.assertNotEqual(1+1 3)`
`assertTrue`	判断表达式为真	`self.assertTrue(1 < 2)`
`assertFalse`	判断表达式为假	`self.assertFalse(1 > 2)`
`assertRaises`	判断是否引发指定异常	`self.assertRaises(ZeroDivisionError lambda: 1/0)`
`assertIn`	判断元素在容器中	`self.assertIn(1 [1 2 3])`
`assertNotIn`	判断元素不在容器中	`self.assertNotIn(4 [1 2 3])`
`assertIsNone`	判断对象为 None	`self.assertIsNone(None)`
`assertIsNotNone`	判断对象不为 None	`self.assertIsNotNone(0)`

4. 错误处理与单元测试的结合

4.1 测试异常处理

import unittest

def divide(a, b):
    if b == 0:
        raise ValueError("被除数不能为零")
    return a / b

class TestDivideFunction(unittest.TestCase):
    def test_divide_normal(self):
        self.assertEqual(divide(10, 2), 5)

    def test_divide_zero(self):
        # 验证是否正确引发异常
        with self.assertRaises(ValueError) as context:
            divide(10, 0)
        # 验证异常消息
        self.assertIn("被除数不能为零", str(context.exception))

4.2 使用 mock 进行单元测试

from unittest.mock import Mock, patch
import unittest

def get_user_data(user_id):
    # 假设这个函数调用外部 API
    response = fetch_from_api(f"/users/{user_id}")
    return response.json()

class TestGetUserData(unittest.TestCase):
    @patch('__main__.fetch_from_api')
    def test_get_user_data(self, mock_fetch):
        # 创建一个模拟 response 对象
        mock_response = Mock()
        mock_response.json.return_value = {"id": 1, "name": "测试用户"}
        mock_fetch.return_value = mock_response

        # 测试函数
        result = get_user_data(1)

        # 验证结果
        self.assertEqual(result, {"id": 1, "name": "测试用户"})
        # 验证 fetch_from_api 被正确调用
        mock_fetch.assert_called_once_with("/users/1")

4.3 测试覆盖率

pip install coverage
coverage run -m pytest test_module.py
coverage report -m

这会生成一个测试覆盖率报告，显示每个模块的覆盖率以及未被测试覆盖的代码行。