生成器通过异常处理提升程序健壮性。默认情况下，未捕获的异常会终止迭代，如除零错误直接抛出；可在生成器内用 try-except 捕获并跳过非法值，保持运行；通过 throw() 方法可从外部注入异常，触发内部逻辑处理；调用 close() 时引发 GeneratorExit，用于资源清理，需重新抛出以确保正确关闭。掌握这些机制可实现安全的惰性计算。
生成器是 Python 中一种强大的工具，它允许我们按需生成值，节省内存并提升性能。但在使用生成器时，可能会遇到各种异常情况，比如数据格式错误、文件读取失败或用户中断操作。合理地在生成器中处理异常，能让程序更健壮、更安全。
生成器中的异常传播机制
生成器函数在执行过程中如果发生异常且未被捕获，异常会向外抛出，并终止生成器的迭代。
例如：
def data_reader(data_list):
for item in data_list:
yield 1 / item
gen = data_reader([1, 2, 0, 4])
print(next(gen)) # 输出 1.0
print(next(gen)) # 输出 0.5
print(next(gen)) # 抛出 ZeroDivisionError
当遍历到 0 时，ZeroDivisionError 被触发并直接抛出。这种行为是默认的异常传播方式。
立即学习“Python免费学习笔记（深入）”；
在生成器内部捕获异常
我们可以在生成器内部使用 try-except 捕获异常，选择继续执行或跳过问题项。
示例：跳过非法输入
def safe_reciprocal(data_list):
for item in data_list:
try:
yield 1 / item
except ZeroDivisionError:
print(f”跳过零值: {item}”)
except TypeError:
print(f”类型错误，跳过: {item}”)
这样即使遇到异常，生成器仍可继续运行，不会中断整个流程。
从外部向生成器抛入异常
通过 throw() 方法，可以在生成器暂停时手动引发异常。
这在协程或状态机中特别有用。
def monitor():
try:
while True:
value = yield
if value raise ValueError(“负数不被允许”)
except ValueError as e:
print(f”捕获异常: {e}”)
finally:
print(“监控结束”)
m = monitor()
next(m) # 启动生成器
m.send(10) # 正常
m.throw(ValueError(“测试异常”)) # 主动抛入异常
调用 throw 后，异常会在生成器当前暂停点触发，并由内部的 except 捕获。
关闭生成器时的清理工作
使用 close() 方法关闭生成器时，会自动引发 GeneratorExit 异常，可用于资源清理。
def file_reader(filename):
f = open(filename)
try:
for line in f:
yield line.strip()
except GeneratorExit:
print(“生成器被关闭，正在关闭文件”)
f.close()
raise # 必须重新抛出 GeneratorExit
确保 close() 调用后文件能正确释放，避免资源泄漏。
基本上就这些。掌握异常处理在生成器中的应用，能让你写出更稳定、更可控的惰性计算逻辑。关键是理解异常如何进出生成器，并善用 try-except 和生成器方法如 throw 与 close。
以上就是Python 异常处理在生成器中的应用的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1380916.html
微信扫一扫 
支付宝扫一扫 
