[虾说算法] 若为性能计，非必要，少用异常捕捉

最新推荐文章于 2025-12-09 13:08:18 发布

原创最新推荐文章于 2025-12-09 13:08:18 发布 · 992 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#python #性能优化

什么是异常捕捉

异常捕捉是指在程序运行过程中，遇到异常情况时，通过捕获异常并处理异常，使程序能够继续运行，而不是崩溃。这是现代编程语言里面的一个重要的概念。

例如在Python里面，我们可以使用try…except语句来捕捉异常。

def division(a,b):
    try:
        # 可能会抛出异常的代码
        return a/b
    except ZeroDivisionError:
        # 处理异常的代码
        print("除数不能为0")
        return None

像上面这个函数，我们可以捕捉除数为0的异常。如果没有这个函数，那么这个功能放到整个流程里面，就有可能出现程序中断，如下所示：

在这里插入图片描述

可以看见，如果不用异常捕捉程序在运行到运算的时候，出现了异常，导致程序崩溃，后面的流程就执行不下去了。

而用了异常捕捉，程序在运行到运算的时候，出现了异常，但是我们捕捉到了异常，所以程序没有崩溃，后面的流程继续执行。

这里我们用了一个ZeroDivisionError异常，来捕捉除数为0的异常。以此类推，还可以加上其他的异常，例如类型异常TypeError：

def division(a,b):
    try:
        # 可能会抛出异常的代码
        return a/b
    except ZeroDivisionError:
        # 处理异常的代码
        print("除数不能为0")
        return None
    except TypeError:
        # 处理异常的代码
        print("类型错误")
        return None
    except:
        # 处理异常的代码
        print("其他异常")
        return None

当然，我们不可能列举所有的异常，所以我们可以使用一个通用的异常捕捉，来捕捉所有的异常。

异常捕捉的应用与性能案例

所以，有些写算法的同学，为了方便，会脑洞大开的利用异常来进行逻辑判定，例如判定你输入的是不是数字，就会这样写算法：

def isNumeric(val):
    try:
        val + 1
        return True
    except TypeError:
        return False

在这里插入图片描述

(别笑……这是ArcGIS的官方源码……)

实际上算法是可以成功运行的（效果还不错），如下所示：

在这里插入图片描述

而Python官方对于数值的判定，建议使用的isinstance()或者说type()函数，如下所示：

def isNumeric2(val):
    return isinstance(val, (int, float, complex))

def isNumeric3(val):
    return type(val) == int or type(val) == float or type(val) == complex

运行结果如下：

在这里插入图片描述

在功能一样的情况下，我们来测试一下这几个函数的运行效率，首先是结果True的情况：

在这里插入图片描述

我们发现，如果结果是True，用数学运算的效率是最高的，因为不他走异常捕捉，而且也不走逻辑判断，加法运算是可以直接走CPU的。

其次是type，最后是isinstance的性能。

然后我们来进行false测试：

在这里插入图片描述

我们可以看见，不管是type还是isinstance，在结果是False的情况下，性能要远远高于走try...except的异常捕捉。

这里，从异常捕捉的原理来看，异常发生并进入 except 处理时，会产生明显性能开销，其原因包括：

生成异常对象（如 ValueError 实例），需保存异常追踪信息（调用栈、错误位置等）；
遍历 except 块列表匹配异常类型；
中断正常执行流程，切换到异常处理上下文。

结论：

在对问题可以预见的情况下，不建议用 try-except 替代常规条件判断：如判断字符串是否可转整数，应优先用 str.isdigit() 而非依赖 try int(s) except ValueError（后者在高频调用场景会导致性能瓶颈）。

所以，对于第一个除法代码函数的应用，如果要追求最好性能的话，我们可以在一些可以预期错误的问题上，用isinstance()或者type()函数来替代异常捕捉。

代码如下：


def division(a,b):
    try:
        if not isinstance(a, (int, float, complex)) or not isinstance(b, (int, float, complex)):
            print("非数值无法进行除法运算")
            return None
        elif b == 0:
            print("除数不能为0")
            return None
        # 可能会抛出异常的代码
        return a/b
    except Exception as ex:
        # 处理异常的代码
        print("其他异常", ex)
        return None