一、前言
Python 其實一直有一個相對弱的部分，就是廣大的生態系與眾多的套件中，因為寫法比較模糊，沒有很多靜態語言的風格，故在執行過程中，如果要知道問題出在哪，就將會是很大的問題。
而在常見的異常處理中，也很難針對錯誤的地方找到真正的錯誤，往往套件越複雜，或是導入的套件越多、層數越多，該功能能抓出準確問題的能力也就越困難。
故這篇文章會向大家介紹常見而且我個人覺得實用的做法，但在一開始，我希望先大概介紹一下（不會實作這件事）單元測試的邏輯與情境，以便讓各位在未來的環境中，對於程式碼 debug、異常處理、維護與修改中，有更深一層的理解，就讓我們開始吧！
（以下概念暫時不懂沒關係，但我還是希望讀者可以先至少知道這件事的存在，未來用到會至少有聽過？）
二、Unit Test
單元測試（Unit test）是什麼?
這邊稍微介紹一下單元測試的核心理念，通常我們在跑程式碼的時候，最擔心的就是程式碼出錯，而單元（Unit）這個概念更可以理解成一整包程式碼中的每個部件，小到變數的存取與呼叫，大到整個物件的呼叫與繼承（OOP），都是可以被測試的一環。
或許有人會問：「我一個簡單的邏輯，為何要寫兩份程式碼；2分鐘的任務，變成5分鐘的理由是啥呢？」
答案也很簡單，隨著程式碼的更迭、累積，後續維護的可能不是開發者，那系統越來越多功能時，如何保證程式碼的每個功能都能運作正常呢？
這時後平時所寫好的測試就會是一個非常適合迭代的行為，當然，測試分成很多種這邊不展開講，但可以基本理解的就是，測試的目標是為了維持程式過段時間仍然可以正常運作。即便加了新功能，只要一跑，就會知道過去的舊功能是否仍然可以執行，也更可以知道是否會有預期外的錯誤會發生。
好了，說了個大概後，就進入的今天的重點，錯誤一旦發生，程式該怎麼辦呢？
三、異常處理(try…except)
1. 捕獲異常狀況的處理原則
對於程式碼的錯誤處理，與其說是針對錯誤去做某些事，不如說是針對可以預期的幾種錯誤去做對應的解決方案，這類型問題在程式運算流程中。
只要資料來源、存取、處理、甚至於套件的使用與繼承，都不是自己可以完全控制的時候(有時候甚至連自己可以100%控制都得做)，基本上都會需要做捕捉異常的事情。
這部分可以探討的很細，關於 Desgin pattern（設計原則）中有針對該議題提到的相關的細節，這邊不會特別展開說。
至於到底何時該做，何時不該做，大概的分水嶺可以分成：
（1）這部分功能、函式等等，是不能出錯的
def not_error_func(a ,b, c):
return a + b + c例如上述函式，知道回傳是三個函數的計算，所以我們可以知道丟進去的參數勢必是 int 或是 float等可計算數值。
那這時候這種功能如果非常的硬性，可以做以下兩種作法：
A. 直接在創建函式時就確認參數是數值，故如果丟進去的參數不是可計算數值，則會報錯
def not_error_func(a=int, b=int, c=float):
return a + b + cB. 在內部寫異常處理
def not_error_func(a, b, c):
try:
return a + b + c
except Exception as e:
print(e)
print(not_error_func(345, 34, "56"))輸出結果：
unsupported operand type(s) for +: 'int' and 'str'
None雖然用 Exception 捕捉到了錯誤，但這樣的捕捉其實是給人看的，程式很難針對其作法做出其他行為，這部分底下會一併解釋。
（2）可以出錯，但有一定的預期錯誤範圍
這部分的錯誤比較偏向於在 web 上使用別人的 API，或是呼叫別人的數據庫，因為你不能準確確定對方來源的資料格式是否會變，或是內容可以改版後型態會變，甚至變數名稱會變。
那自然就很難針對該情形去寫完整的異常處理。假設以下資料為API回傳的資料，我們希望可以將資料內部的 vol 相加：
test_data = {
"code": 0,
"status": 200,
"data": [
{
"symbol": "BTCUSDT",
"price": "30000",
"amount": "3",
"base": "USDT",
"asset": "BTC",
"vol": "32130",
"status": True
},
{
"symbol": "ETHUSDT",
"price": "2000",
"amount": "3",
"base": "USDT",
"asset": "BTC",
"vol": "32130",
"status": True
},
]
}想當然，因為vol是str，所以相加肯定是會報錯的，故函式可以將相加的數據強制轉成數值：
def get_data(data):
sum_vol = []
for d in data['data']:
sum_vol.append(float(d['vol']))
return sum(sum_vol)
print(get_data(api_back))但這樣會有幾種問題：
- 每次資料進來都要做一次型態轉換，那萬一他已經是 float 還要再做一次不是很浪費效能嗎？
- 如果我們預期了 vol(volume) 的簡寫，有可能在未來變成 volume 呢？
def get_data_correct(data):
try:
sum_vol = []
for d in data['data']:
sum_vol.append(d['vol'])
return sum(sum_vol)
except KeyError:
# 如果 vol 被換成了 volume
sum_vol = []
for d in data['data']:
sum_vol.append(d['volume'])
return sum(sum_vol)
except TypeError:
# 如果 vol 的數值 value 被換成了 字串 value
# 例如 "vol": 123 -> "vol": "123"
sum_vol = []
for d in data['data']:
sum_vol.append(float(d['vol']))
return sum(sum_vol)2. 幾種常見的捕獲錯誤的狀況
try:
fh = open("ourfile_123", "r")
print("read doc: {}".format(fh))
except IOError:
print('file write failed: {}'.format(IOError))
else:
print('file write done.')
fh.close()結果：
file write failed: <class 'OSError'>3. 常見的使用情境
（1）SyntaxError 語法錯誤
這類很常見但是通常 pycharm 都幫你做了，原則上不需要特別寫。
（2）TypeError 對象類型與要求不符合
try:
print(INPUT) # 使用者丟入的參數動作
except TypeError as e:
# 如果使用 ("1"+1) 會得到：
# can only concatenate str (not "int") to str
# 因為python認為這是 字串要去拼接另一個字串
# 如果使用 (1+"1") 會得到：
# unsupported operand type(s) for +: 'int' and 'str'
# python 認為這是數字要去加一個字串
print(e)
except IndexError as e: # 超出 list 的序列範圍
# 例如 aaa = [1,2,3,4] 但跟程式要 aaa[7]
print(e)
except KeyError as e: # 字典裡不存在的key
# kkk = {
# "a1": 1,
# "a2": 2,
# "a3": 3,
# "a4": 4
# }
# 但跟程式說要執行 kkk['b]
print(e)
except ValueError as e:
# 詳見"仔細說明1"
# 這邊很常發生在 int('5.0') 這種結果下
# 這種問題正確解法是 int(float('5.0'))
print(e)
except ZeroDivisionError as e:
# 3/0 時會發生(分母等於0時）
print(e)
except Exception as e:
# 詳見"仔細說明2"
print(e)
4. 詳細說明
（1）int(‘5.0’)：
這問題很常發生在各式型別轉來轉去的時候，雖然我們很習慣將 int(“30”)轉為 30 的數值，
但其實在 “5.0”時，python 對於轉型別的自動調整中，是必須先轉成浮點數 float，才能轉成整數 int 哦。
（2）except Exception as e:
這個雖然很常用，但因為這種做法往往只是捕捉錯誤，而且是很廣泛的捕捉，故比較常使用在無法精確控制的錯誤中，
而且這種做法在系統越來越大之後，反而會因為很不精確的捕獲，進而造成 debug 追溯問題的混輪情形。
5. 補充
或許有人會問說：「為何上面的 def get_data_correct(data): 做法要做三次一樣的？」
這邊可以給各位一個理想中的範例：
def get_data_failed(data):
sum_vol = []
for d in data['data']:
try:
sum_vol.append(d['vol'])
except TypeError as e:
print(e)
return sum(sum_vol)這樣就好了為何需要做三次一樣的 sum_vol = [] 以及底下的動作呢？
原因是因為發生錯誤的其實是在 sum_vol 這個資料儲存過程內，可是過程中又包含了for 迴圈，這時候如果中斷，那原本的資料則會卡在一半，for 迴圈也跑到一半。
所以如果要對整個行為進行錯誤處理，則會需要將全部的動作們都包到一個 try 內，好讓程式在出錯時，可以直接安全地跳出來哦！
四、小結
雖然這邊看似講了不少，但其實錯誤處理還有很多類型與處理方式，像是主動發起錯誤、自訂錯誤類型與回傳內容。
乃至於 assert 的用法，都各有其錯誤處理的使用情境，對於是否要放錯誤處理，以及怎麼處理，這個是個大議題，展開討論文章就寫不完啦！不過大致上可以理解成寫程式的重點在於追求正確，
錯誤處理就留給那些自己無法控制的情形就好囉！這章節大概就到這邊，如果有任何想要提問討論的，都歡迎下方留言哦！
量化通粉絲社群，一起討論程式交易！
