您好,登錄后才能下訂單哦!
Python的異常處理能力非常強大,但是用不好也會帶來負面的影響。我平時寫程序的過程中也喜歡使用異常,雖然采取防御性的方式編碼會更好,但是交給異常處理會起到偷懶作用。偶爾會想想異常處理會對性能造成多大的影響,于是今天就試著測試了一下。
允許使用異常, 但必須小心。
異常是一種跳出代碼塊的正??刂屏鱽硖幚礤e誤或者其它異常條件的方式。
正常操作代碼的控制流不會和錯誤處理代碼混在一起. 當某種條件發(fā)生時, 它也允許控制流跳過多個框架. 例如, 一步跳出N個嵌套的函數(shù), 而不必繼續(xù)執(zhí)行錯誤的代碼。
可能會導致讓人困惑的控制流. 調用庫時容易錯過錯誤情況。
異常必須遵守特定條件:
像這樣觸發(fā)異常: raise MyException("Error message")
或者 raise MyException
. 不要使用兩個參數(shù)的形式( raise MyException, "Error message"
)或者過時的字符串異常( raise "Error message"
)。
模塊或包應該定義自己的特定域的異?;? 這個基類應該從內建的Exception類繼承. 模塊的異?;悜摻凶觥盓rror”。
class Error(Exception): pass
永遠不要使用 except
: 語句來捕獲所有異常, 也不要捕獲 Exception
或者 StandardError
, 除非你打算重新觸發(fā)該異常, 或者你已經在當前線程的最外層(記得還是要打印一條錯誤消息). 在異常這方面, Python非常寬容, except
: 真的會捕獲包括Python語法錯誤在內的任何錯誤. 使用 except: 很容易隱藏真正的bug。
盡量減少try/except塊中的代碼量. try塊的體積越大, 期望之外的異常就越容易被觸發(fā). 這種情況下, try/except塊將隱藏真正的錯誤。
使用finally子句來執(zhí)行那些無論try塊中有沒有異常都應該被執(zhí)行的代碼. 這對于清理資源常常很有用, 例如關閉文件。
當捕獲異常時, 使用 as 而不要用逗號. 例如
try: raise Error except Error as error: pass
采取比較簡單直觀的對照實驗。
先定義一個裝飾器,用來計算每個函數(shù)執(zhí)行所需時間:
def timer(func): import time def wrapper(*args, **kwargs): startTime = time.time() f = func(*args, **kwargs) endTime = time.time() passTime = endTime - startTime print "執(zhí)行函數(shù)%s使用了%f秒" % (getattr(func, "__name__"), passTime) return f return wrapper
然后用該裝飾器裝飾測試的函數(shù)即可。
再定義一個叫do_something的函數(shù),這個函數(shù)中就做一件事,把1賦值給變量a。在每個測試函數(shù)中,都會調用這個函數(shù)1000000次。
do_something:
def do_something(): a = 1
我根據情況設計了不同的測試組:
測試組1(直接執(zhí)行耗時操作):
@timer def test1(): for _ in xrange(1000000): do_something()
測試組2(耗時操作放在try中執(zhí)行,不拋出錯誤):
@timer def test2(): try: for _ in xrange(1000000): do_something() except Exception: do_something() else: pass finally: pass
測試組3(try放耗時操作中,try每一次操作,不拋出錯誤):
@timer def test3(): for _ in xrange(1000000): try: do_something() except Exception: do_something() else: pass finally: pass
測試組4(try放耗時操作中,try每一次操作并進行異常處理(捕捉拋出的特定異常)):
@timer def test4(): zero = 0 for _ in xrange(1000000): try: if zero == 0: raise ZeroDivisionError except ZeroDivisionError: do_something() else: pass finally: pass
測試組5(try放耗時操作中,try每一次操作并進行異常處理(捕捉所有異常 try…except BaseException)):
@timer def test5(): zero = 0 for _ in xrange(1000000): try: if zero == 0: raise ZeroDivisionError except BaseException: do_something() else: pass finally: pass
測試組6(try放耗時操作中,try每一次操作并進行異常處理(捕捉所有異常 不帶任何異常類型)):
@timer def test6(): zero = 0 for _ in xrange(1000000): try: if zero == 0: raise ZeroDivisionError except: do_something() else: pass finally: pass
測試組7(耗時操作放在except中):
@timer def test7(): zero = 0 try: if zero == 0: raise ZeroDivisionError except ZeroDivisionError: for _ in xrange(1000000): do_something() else: pass finally: pass
測試組8(防御式編碼):
@timer def test8(): zero = 0 for _ in xrange(1000000): if zero == 0: do_something()
執(zhí)行結果
以上就是本文關于Python異常對代碼運行性能的影響實例解析的全部內容,希望對大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站其他相關專題,如有不足之處,歡迎留言指出。感謝朋友們對本站的支持!
免責聲明:本站發(fā)布的內容(圖片、視頻和文字)以原創(chuàng)、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。