開發過程中，這種報錯堆棧大家應該都不陌生：
Traceback (most recent call last):
File "app.py", line 10, in <module\>
ZeroDivisionError: division by zero程序崩潰，服務中斷，用户體驗歸零。
但 Python 提供的異常處理機制，遠不止是為了防止程序閃退。它的核心價值在於讓系統在遇到不可預見的錯誤時實現“軟着陸”，記錄關鍵現場信息，並維持服務的可用性。
本文我們直接介紹生產環境中真正有效的異常處理模式，這些工作可以讓代碼從“能跑”進階到“完美”的工作。
基礎 Try/Except 的本質
先看最基本的防禦形態：
try:
result=10/0
exceptZeroDivisionError:
print("Can't divide by zero!")
這代碼的作用很簡單：攔截異常，輸出提示，避免進程直接退出。但這只是構建防禦體系的第一步。
精確捕獲多種異常
實際業務邏輯往往比單一除零錯誤複雜得多。與其寫一堆嵌套的判斷，不如在一個邏輯塊中精確處理多種可能的失敗路徑：
try:
user_input = int(input("Enter a number: "))
print(10 / user_input)
except ZeroDivisionError:
print("Cannot divide by zero.")
except ValueError:
print("Please enter a valid number.")
一次嘗試，分流處理。這種寫法不僅邏輯清晰，而且將錯誤處理的責任明確化了。
兜底的finally
涉及資源管理時，清理工作是硬性的要求。無論業務邏輯是否跑通，資源都必須釋放。
finally塊就是為此存在的：
try:
f=open("file.txt")
data=f.read()
exceptFileNotFoundError:
print("File not found!")
finally:
f.close()
即便中間崩了，
finally裏的代碼也會雷打不動地執行。這是防止資源泄露的最後一道防線。
上下文管理器：超越 Try-Finally
如果你還在用
try-finally來僅僅處理文件關閉，那有點過時了。Python 的
with語句才是處理這類資源的標準範式：
with open("file.txt") as f:
data = f.read()
這種寫法優雅得多，它在底層自動處理了文件的打開和關閉，即便發生異常也不會有句柄泄露。這就是 Pythonic 的魅力。
主動拋出與自定義異常
有時候，標準庫的異常不足以描述業務層面的錯誤。與其返回含糊的
False或
-1，不如直接
raise異常，讓調用者明確知道發生了什麼：
def withdraw(amount):
if amount < 0:
raise ValueError("Amount must be positive")
對於複雜的業務系統，定義專門的異常類是更好的實踐：
class TooYoungError(Exception):
pass
def register(age):
if age < 18:
raise TooYoungError("You must be 18+ to register.")
這樣做讓代碼自帶文檔屬性，測試用例寫起來也更直觀。
生產環境拒絕 Print
在本地調試用
print()沒問題，但在生產環境，這是絕對要禁止的。你需要的是結構化的日誌。
import logging
logging.basicConfig(level=logging.ERROR)
try:
1 / 0
except ZeroDivisionError as e:
logging.error("Error occurred", exc_info=True)
使用
logging模塊，你能拿到完整的堆棧跟蹤（Stack Trace）、時間戳和上下文信息。這些日誌可以被導流到文件、報警系統或者 ELK 等日誌分析平台，這才是排查線上事故的正確姿勢。
警惕“萬能捕獲”陷阱
有些代碼為了圖省事，寫成這樣：
try:
risky_function()
except:
pass
這種寫法極度危險。裸露的
except會吞掉所有錯誤，包括
SystemExit和
KeyboardInterrupt，甚至連你寫錯的變量名引發的
NameError都會被掩蓋。結果就是 Bug 永遠找不到，程序行為變得不可預測。
如果你必須捕獲所有異常，至少要記錄下來：
except Exception as e:
print(f"Error: {e}")
當然最好的策略永遠是：明確捕獲你預期的錯誤，記錄它，根據情況選擇重試或退出。
引入重試機制
在涉及網絡請求或外部 API 調用時，瞬時故障很常見。與其直接報錯，不如給個重試的機會。寫個裝飾器來實現帶有退避策略（Backoff）的重試邏輯是個不錯的方案：
import time
def retry(func):
def wrapper(*args, **kwargs):
for i in range(3):
try:
return func(*args, **kwargs)
except Exception as e:
print(f"Retry {i+1}/3 failed: {e}")
time.sleep(2)
return wrapper
@retry
def flaky_function():
raise ValueError("Something failed")
flaky_function()
在實際工程中，推薦直接使用像
tenacity這樣成熟的庫，不過理解這背後的模式是非常重要的。
總結
區分一個普通的 Python 開發者和資深工程師的標準，往往不在於誰能寫出更炫的算法，而在於誰能寫出更具韌性的系統。
異常處理決定了當意外發生時，用户面對的是一個冷冰冰的白屏，還是一條友好的提示；運維面對的是一團亂麻，還是一份清晰可查的日誌。
軟件出錯不是概率問題，而是時間問題。防禦性編程，就是為了那一刻做準備。
https://avoid.overfit.cn/post/66d32467b4614351ba289ccad4b0d09c
作者：Alisha
