3年前我写了一篇文章 Python classic, static, class and abstract methods，现在似乎到了更新的时候，今天我想来剖析和讨论 Python 异常。
剖析异常基础类
Python 异常的基础类名为 BaseException。这个类在程序和库中很少用，更多时候它被当成是异常的实现细节。为了了解异常是怎么实现的，我们可以阅读 CPython 源码中的 Objects/exceptions.c 文件。在这个文件中你可以看到 BaseException 类中定义的所有基础方法和异常的属性。而我们常用的 Exception 类则继承于 BaseException，该类只包含如下代码：
另外一些直接继承 BaseException 的类是 GeneratorExit、SystemExit 和 KeyboardInterrupt。而其他内置的异常一般直接从 Exception 类中继承。你可以通过 pydoc2 exceptions 或者 pydoc3 builtins 命令来查看整个异常的结构。
这里是在 Python 2 和 3 中通过这个 脚本 生成的内置异常继承结构图。
https://coyee.com/uploads/img/20160813/111701_AtY7.png（查看大图）
https://coyee.com/uploads/img/20160813/111702_OPKJ.png（查看大图）
BaseException.__init__ 签名是BaseException.__init__(*args)。这个初始化方法保存了许多参数，都传入到的args属性上。 从exceptions.c 的源代码中可以看出这一点，在Python2 与Python3中都是这样的：
只有BaseException.__str__ 方法用到了args 属性。这个方法使用self.args将异常转换为字符串：
上面的代码转换为 Python是这样的：
因此，异常信息应该被当作唯一一个参数传入给 BaseException.__init__ 方法。
正确的定义异常类
正如你可能已经知道了，在Python中，异常有可能在任何地方被抛出。最基本的异常类叫Exception ，它可用于程序的任何地方。在编码中，没有程序或库直接抛出Exception -这对我们来说还不够。
自从将所有的异常设计为都继承这个顶级的 Exception类，这个类可以很方便的用于捕获所有异常：
为了合理准确的定义你的异常类，这里有一些规范与编程技巧,你可以做为参照：
必须继承 Exception类:
class MyOwnError(Exception):
pass
利用前面提到的BaseException.__str__: 它将传递给BaseException.__init__ 方法的第一个参数打印出来，所以通常在调用 BaseException.__init__ 方法时，只传递一个参数 ．
当创建类库时，可以定义一个继承于Exception的基类．客户在使用类库时，会更方便的捕捉任何异常：
在编写任何关于shose的代码时，这段代码将会很有用，除了ShoeError．例如，Django 对异常并没有拆分的很细，这导致我们很难捕获 "Django抛出的任何异常"．
提供关于异常的详细信息．这是很有价值的，它可以正确的记录日志，做进一步操作甚至恢复：
然后，任何代码都可以检查异常，并根据异常做进一步处理：
例如，这里检测到违反SQL外键约束时，利用 Gnocchi 抛出特定的应用程序异常(NoSuchArchivePolicy)：
在需要的时候继承内置的异常类型．这将使编程变得更方便，不需要为你的程序或类库编写特定的异常：
这将允许更多程序在不知道你定义的异常类型情况下，使用通用方式来捕获异常．如果一个程序知道如何处理ValueError, 它将不需要任何特定的代码或修改。
本文由 負愚侕歸、dreampuff、coyee参与翻译。
End
如果有人质疑大数据？不妨把这两个视频转给他
视频：大数据到底是什么 都说干大数据挣钱 1分钟告诉你都在干什么
人人都需要知道 关于大数据最常见的10个问题
从底层到应用，那些数据人的必备技能
如何高效地学好 R?
一个程序员怎样才算精通Python？
排名前50的开源Web爬虫用于数据挖掘
33款可用来抓数据的开源爬虫软件工具
在中国我们如何收集数据？全球数据收集大教程
PPT：数据可视化，到底该用什么软件来展示数据？
干货｜电信运营商数据价值跨行业运营的现状与思考
大数据分析的集中化之路 建设银行大数据应用实践PPT
【实战PPT】看工商银行如何利用大数据洞察客户心声？
六步，让你用Excel做出强大漂亮的数据地图
数据商业的崛起 解密中国大数据第一股——国双
双11剁手幕后的阿里“黑科技” OceanBase/金融云架构/ODPS/dataV
金融行业大数据用户画像实践
“讲述大数据在金融、电信、工业、商业、电子商务、网络游戏、移动互联网等多个领域的应用，以中立、客观、专业、可信赖的态度，多层次、多维度地影响着最广泛的大数据人群
搜索「36大数据」或输入36dsj.com查看更多内容。
投稿/商务/合作:[email protected]
