Python에서 raise와 raise...의 차이점은 무엇입니까?
이 기사에서 제공하는 내용은 Python에서 raise와 raise의 차이점에 관한 것입니다. 도움이 필요한 친구들이 참고할 수 있기를 바랍니다.
시작하기
Python에서 raise와 raise의 차이점은 무엇인가요?
try: print(1 / 0) except Exception as exc: raise RuntimeError("Something bad happened")
출력:
Traceback (most recent call last): File "test4.py", line 2, in <module> print(1 / 0) ZeropisionError: pision by zero During handling of the above exception, another exception occurred: Traceback (most recent call last): File "test4.py", line 4, in <module> raise RuntimeError("Something bad happened") RuntimeError: Something bad happened
및 raise from
:
try: print(1 / 0) except Exception as exc: raise RuntimeError("Something bad happened") from exc
출력:
Traceback (most recent call last): File "test4.py", line 2, in <module> print(1 / 0) ZeropisionError: pision by zero The above exception was the direct cause of the following exception: Traceback (most recent call last): File "test4.py", line 4, in <module> raise RuntimeError("Something bad happened") from exc RuntimeError: Something bad happened
Analytic
차이점은 from은 예외를 직접 발생시킨 사람을 나타내기 위해 예외 개체에 대한 __cause__ 속성을 설정한다는 것입니다.
예외를 처리할 때 새로운 예외가 발생합니다. from 을 사용하지 않으면 새로운 예외가 처리 중인 예외와 관련이 없을 가능성이 높습니다. 그리고 from은 새로운 예외가 이전 예외로 인해 직접 발생했음을 지적할 수 있습니다. 이러한 이상 현상 간의 상관 관계는 이후의 이상 현상 분석 및 문제 해결에 도움이 됩니다. from 구문에는 제한 사항이 있습니다. 즉, 두 번째 표현식은 다른 예외 클래스나 인스턴스여야 합니다.
예외 핸들러나 finally 블록에서 예외가 발생하면 예외 메커니즘은 기본적으로 암시적으로 작동하여 이전 예외를 새 예외의 __context__ 속성으로 추가합니다.
물론 with_traceback() 메서드를 통해 예외에 대한 컨텍스트 __context__ 속성을 설정할 수도 있으며, 이는 역추적에서 예외 정보를 더 잘 표시할 수도 있습니다.
raise Exception("foo occurred").with_traceback(tracebackobj)
비정상적 상관관계 금지
from 특별한 사용법도 있습니다: raise ... from None , 이는 __suppress_context__ 속성 사양을 설정하여 비정상적인 상관관계를 명시적으로 금지합니다:
try: print(1 / 0) except Exception as exc: raise RuntimeError("Something bad happened") from None
출력:
Traceback (most recent call last): File "test4.py", line 4, in <module> raise RuntimeError("Something bad happened") from None RuntimeError: Something bad happened
Summary
예외 핸들러나 finally 블록에서 예외가 발생하면 Python은 예외에 대한 컨텍스트를 설정합니다. with_traceback()을 통해 수동으로 컨텍스트를 설정하거나 from을 사용하여 예외를 발생시킨 사람을 지정할 수 있습니다. 이러한 방법은 모두 보다 친숙한 예외 추적 정보를 얻고 명확한 예외 컨텍스트를 인쇄하기 위한 것입니다. 컨텍스트를 무시하려면 None 에서 ... 를 발생시켜 예외 컨텍스트의 자동 표시를 비활성화할 수 있습니다.
위 내용은 Python에서 raise와 raise...의 차이점은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











HADIDB : 가볍고 높은 수준의 확장 가능한 Python 데이터베이스 HadIDB (HADIDB)는 파이썬으로 작성된 경량 데이터베이스이며 확장 수준이 높습니다. PIP 설치를 사용하여 HADIDB 설치 : PIPINSTALLHADIDB 사용자 관리 사용자 만들기 사용자 : createUser () 메소드를 작성하여 새 사용자를 만듭니다. Authentication () 메소드는 사용자의 신원을 인증합니다. Fromhadidb.operationimportuseruser_obj = user ( "admin", "admin") user_obj.

2 시간 이내에 Python의 기본 프로그래밍 개념과 기술을 배울 수 있습니다. 1. 변수 및 데이터 유형을 배우기, 2. 마스터 제어 흐름 (조건부 명세서 및 루프), 3. 기능의 정의 및 사용을 이해하십시오. 4. 간단한 예제 및 코드 스 니펫을 통해 Python 프로그래밍을 신속하게 시작하십시오.

해시 값으로 저장되기 때문에 MongoDB 비밀번호를 Navicat을 통해 직접 보는 것은 불가능합니다. 분실 된 비밀번호 검색 방법 : 1. 비밀번호 재설정; 2. 구성 파일 확인 (해시 값이 포함될 수 있음); 3. 코드를 점검하십시오 (암호 하드 코드 메일).

Python은 웹 개발, 데이터 과학, 기계 학습, 자동화 및 스크립팅 분야에서 널리 사용됩니다. 1) 웹 개발에서 Django 및 Flask 프레임 워크는 개발 프로세스를 단순화합니다. 2) 데이터 과학 및 기계 학습 분야에서 Numpy, Pandas, Scikit-Learn 및 Tensorflow 라이브러리는 강력한 지원을 제공합니다. 3) 자동화 및 스크립팅 측면에서 Python은 자동화 된 테스트 및 시스템 관리와 같은 작업에 적합합니다.

MySQL 데이터베이스 성능 최적화 안내서 리소스 집약적 응용 프로그램에서 MySQL 데이터베이스는 중요한 역할을 수행하며 대규모 트랜잭션 관리를 담당합니다. 그러나 응용 프로그램 규모가 확장됨에 따라 데이터베이스 성능 병목 현상은 종종 제약이됩니다. 이 기사는 일련의 효과적인 MySQL 성능 최적화 전략을 탐색하여 응용 프로그램이 고 부하에서 효율적이고 반응이 유지되도록합니다. 실제 사례를 결합하여 인덱싱, 쿼리 최적화, 데이터베이스 설계 및 캐싱과 같은 심층적 인 주요 기술을 설명합니다. 1. 데이터베이스 아키텍처 설계 및 최적화 된 데이터베이스 아키텍처는 MySQL 성능 최적화의 초석입니다. 몇 가지 핵심 원칙은 다음과 같습니다. 올바른 데이터 유형을 선택하고 요구 사항을 충족하는 가장 작은 데이터 유형을 선택하면 저장 공간을 절약 할 수있을뿐만 아니라 데이터 처리 속도를 향상시킬 수 있습니다.

데이터 전문가는 다양한 소스에서 많은 양의 데이터를 처리해야합니다. 이것은 데이터 관리 및 분석에 어려움을 겪을 수 있습니다. 다행히도 AWS Glue와 Amazon Athena의 두 가지 AWS 서비스가 도움이 될 수 있습니다.

Redis 서버를 시작하는 단계에는 다음이 포함됩니다. 운영 체제에 따라 Redis 설치. Redis-Server (Linux/MacOS) 또는 Redis-Server.exe (Windows)를 통해 Redis 서비스를 시작하십시오. Redis-Cli Ping (Linux/MacOS) 또는 Redis-Cli.exe Ping (Windows) 명령을 사용하여 서비스 상태를 확인하십시오. Redis-Cli, Python 또는 Node.js와 같은 Redis 클라이언트를 사용하여 서버에 액세스하십시오.

Redis의 대기열을 읽으려면 대기열 이름을 얻고 LPOP 명령을 사용하여 요소를 읽고 빈 큐를 처리해야합니다. 특정 단계는 다음과 같습니다. 대기열 이름 가져 오기 : "큐 :"와 같은 "대기열 : my-queue"의 접두사로 이름을 지정하십시오. LPOP 명령을 사용하십시오. 빈 대기열 처리 : 대기열이 비어 있으면 LPOP이 NIL을 반환하고 요소를 읽기 전에 대기열이 존재하는지 확인할 수 있습니다.
