异常常见类型、异常处理语法、补充、实战、生成器对象、表达式

• 异常常见类型
• 异常处理语法结构
• 异常处理补充
• 异常处理实战应用
• 生成器
  • 生成器对象
  • 生成器函数
  • 生成器练习题
• yield其他用法
• 生成器表达式

异常常见类型

SyntaxError:Python 语法错误
NameError:未声明/初始化对象 (没有属性)
IndexError:序列中没有此索引(index)
KeyError:映射中没有这个键
IndentationError:缩进错误

异常处理语法结构

try/except语句用来检测try语句块中的错误，从而让except语句捕获异常信息并处理，如果你不想在异常发生时结束你的程序，只需在try里捕获它
1.基本语法结构
try:
      待监测的代码(可能会出错的代码)
except 错误类型:
      针对上述错误类型制定的方案
# 2.查看错误的信息
try:
      待监测的代码(可能会出错的代码)
except 错误类型 as e:   # e就是系统提示的错误信息
      针对上述错误类型制定的方案
3.针对不同的错误类型制定不同的解决方案
try:
    待监测的代码(可能会出错的代码)
except 错误类型1 as e:   # e就是系统提示的错误信息
    针对上述错误类型1制定的方案
except 错误类型2 as e:  # e就是系统提示的错误信息
    针对上述错误类型2制定的方案
except 错误类型3 as e:  # e就是系统提示的错误信息
    针对上述错误类型3制定的方案
4.万能异常 Exception/BaseException
try:
    待监测的代码(可能会出错的代码)
except Exception as e:   # e就是系统提示的错误信息
    针对各种常见的错误类型全部统一处理

try:
    待监测的代码(可能会出错的代码)
except BaseException as e:   # e就是系统提示的错误信息
    针对各种常见的错误类型全部统一处理

5.结合else使用
try:
    待监测的代码(可能会出错的代码)
except Exception as e:  # e就是系统提示的错误信息
    针对各种常见的错误类型全部统一处理
else:
    try的子代码正常运行结束没有任何的报错后 再执行else子代码
6.结合finally使用
try:
    待监测的代码(可能会出错的代码)
except Exception as e:
    针对各种常见的错误类型全部统一处理
else:
    try的子代码正常运行没有任何的报错后 再执行else子代码
finally:
     无论try的子代码是否报错 最后都要执行finally子代码

异常处理补充

1.断言(assert)  通过一系列的手段获取来的数据，断言数据属于什么类型，如果不对则直接报错，对则正常执行下面的代码
name = 'jason'
assert isinstance(name, str)  # assert通过一系列的手段获取来的数据，断言数据属于什么类型，如果不对则直接报错，对则正常执行下面的代码
print('字符串')
name.strip()


2.主动抛异常(raise)  raise语句主动触发异常
name = 'jason'
if name == 'jason':
    raise Exception('不能过')
else:
    print('正常走')

异常处理实战应用

1.异常处理能尽量少用就少用
2.被try监测的代码能尽量少就尽量少
3.当代码中可能会出现一些无法控制的情况报错才应该考虑使用
eg:使用手机访问网络软件 断网
编写网络爬虫程序请求数据 断网

课堂练习
使用while循环+异常处理+迭代器对象 完成for循环迭代取值的功能
l1 = [11, 22, 33, 44, 55, 66, 77, 88, 99]

l11 = l1.__iter__()
while True:
    try:
         print(l11.__next__())

    except Exception as e:
        break

生成器

在 Python 中，使用了 yield 的函数被称为生成器。跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。调用一个生成器函数，返回的是一个迭代器对象。

生成器对象

本质：迭代器对象
迭代器对象是编译器提供给我们的，现成的
生成器对象是根据迭代器的原理，我们自己敲的，主要依赖__ iter__ 与__ next__方法 以及 yield关键字


创建生成器对象：
方式一：调用带yield关键字的函数
方式二：生成器表达式

作用：优化代码，提供一种不依赖于索引的取值方式，并在需要数据时一个一个取出，节省了占用空间

生成器函数

当函数体代码中有yield关键字，那么函数名第一次加括号调用不会执行函数体代码，而是由普通的函数变成了迭代器对象（生成器）返回值
def index():
    print('你瞅啥')
    yield

print(index)  # <function index at 0x000001F499F7A5E0>
res = index()
print(res)  # <generator object index at 0x0000021E18BACA50>

yield可以在函数体代码中出现多次，每次调用__ next__方法都会从上往下执行直到遇到yield代码停留在此处
def index():
    print('你瞅啥')
    yield 1
    print('瞅你咋地')
    yield 2
    print('爱瞅瞅')
    yield 3

print(index)
res = index()
print(res)

res.__next__() # 你瞅啥
res.__next__() # 瞅你咋地
res.__next__() # 爱瞅瞅

yield后面如果有数据值，则会像return一样返回回去，如果有多个数据值逗号隔开，那么也会自动组织成元组返回
def index():
    print('你瞅啥')
    yield 1, 2, 3
    print('瞅你咋地')
    yield 2
    print('爱瞅瞅')
    yield 3

print(index)
res = index()
print(res)

print(res.__next__()) # 你瞅啥 (1, 2, 3)
print(res.__next__()) # 瞅你咋地 2
print(res.__next__()) # 爱瞅瞅 3

生成器练习题

# 编写生成器，实现range方法的功能
# 1.先以两个参数的功能编写
def my_range(start_num, end_num):
    while start_num < end_num:
        yield start_num
        start_num += 1

for i in my_range(1, 10):
    print(i)

# 2.再考虑一个参数的情况
def my_range(start_num, end_num=None):
    if not end_num:
        end_num = start_num
        start_num = 0
    while start_num < end_num:
        yield start_num
        start_num += 1
for i in my_range(100):
    print(i)

# 3.最后考虑三个参数的情况
def my_range(start_num, end_num=None, step=1):
    if step < 1:
        step = 1
    if not end_num:
        end_num = start_num
        start_num = 0
    while start_num < end_num:
        yield start_num
        start_num += step
for i in my_range(1, 100, 2):
    print(i)
for i in my_range(1, 5):
    print(i)
for i in my_range(10):
    print(i)

yield其他用法

def index(name,food=None):
    print(f'{name}准备干午饭!!!')
    while True:
        food = yield
        print(f'{name}正在吃{food}')
res = index('jason')
res.__next__()
res.send('烧烤')  # 传值并自动调用__next__方法
res.send('火锅')  # 传值并自动调用__next__方法
res.send('钵钵鸡')  # 传值并自动调用__next__方法

生成器表达式

l1 = (i**2 for i in range(10) if i > 3)
print(l1)  # <generator object <genexpr> at 0x000001A793439C10>


# 面试题（掌握技巧）
def add(n, i):  # 普通函数 返回两个数的和  求和函数
    return n + i
def test():  # 生成器
    for i in range(4):
        yield i
g = test()  # 激活生成器
for n in [1, 10]:
    g = (add(n, i) for i in g)
    """
    第一次for循环
        g = (add(n, i) for i in g)
    第二次for循环
        g = (add(10, i) for i in (add(10, i) for i in g))
    """
res = list(g)
print(res)

#A. res=[10,11,12,13]
#B. res=[11,12,13,14]
#C. res=[20,21,22,23] 正确答案
#D. res=[21,22,23,24]