mea*_*ade 452 python assert raise assertion
assert作为标准代码的一部分使用而不是仅仅用于调试目的,是否存在性能或代码维护问题？
是
assert x >= 0, 'x is less than zero'
好或坏比
if x < 0:
raise Exception, 'x is less than zero'
另外,有没有办法设置业务规则if x < 0 raise error,总是在没有try/except/finally这样的情况下进行检查,如果在整个代码中的任何时候x小于0都会引发错误,就像你assert x < 0在函数的开头设置一样,在函数内的任何地方哪里x变得少于0则引发异常？
Dee*_*tan 713
应该使用断言来测试不应该发生的条件.目的是在程序状态损坏的情况下尽早崩溃.
异常应该用于可能发生的错误,并且您应该几乎总是创建自己的异常类.
例如,如果您正在编写一个函数来从配置文件读取到一个dict,则文件中的格式不正确应该会引发一个ConfigurationSyntaxError,而您可能assert不会返回None.
在您的示例中,if x是通过用户界面或外部源设置的值,最好是异常.
如果x仅在同一程序中由您自己的代码设置,请使用断言.
Joh*_*Mee 348
优化编译时,将删除"assert"语句.所以,是的,有性能和功能差异.
在编译时请求优化时,当前代码生成器不会为assert语句发出任何代码.- Python 2.6.4 Docs
如果您使用assert实现应用程序功能,然后优化部署到生产,您将受到"但它在工作中开发"缺陷的困扰.
Nad*_*mli 139
当x在整个函数中变得小于零时能够自动抛出错误.您可以使用类描述符.这是一个例子:
class LessThanZeroException(Exception):
pass
class variable(object):
def __init__(self, value=0):
self.__x = value
def __set__(self, obj, value):
if value < 0:
raise LessThanZeroException('x is less than zero')
self.__x = value
def __get__(self, obj, objType):
return self.__x
class MyClass(object):
x = variable()
>>> m = MyClass()
>>> m.x = 10
>>> m.x -= 20
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "my.py", line 7, in __set__
raise LessThanZeroException('x is less than zero')
LessThanZeroException: x is less than zero
Lut*_*elt 123
assert假设您与四位同事Alice,Bernd,Carl和Daphne一起处理了200,000行代码.他们调用你的代码,你调用他们的代码.
然后assert有四个角色:
告知Alice,Bernd,Carl和Daphne您的代码所期望的内容.
假设您有一个处理元组列表的方法,如果这些元组不是不可变的,程序逻辑可能会中断:
def mymethod(listOfTuples):
assert(all(type(tp)==tuple for tp in listOfTuples))
这比文档中的等效信息更可靠,更易于维护.
通知计算机代码期望的内容.
assert从代码的调用者强制执行适当的行为.如果你的代码调用Alices和Bernd的代码调用你的代码,那么没有assert,如果程序在Alices代码崩溃,Bernd可能会认为这是Alice的错,Alice调查并可能认为这是你的错,你调查并告诉Bernd它实际上是他的.失去了很多工作.
有了断言,无论谁接到电话都是错误的,他们很快就会发现这是他们的错,而不是你的错.爱丽丝,伯恩德,你们都受益匪浅.节省了大量的时间.
告诉读者您的代码(包括您自己)在某些时候代码所取得的成就.
假设你有一个条目列表,每个条目都可以是干净的(这很好),或者它可以是smorsh,trale,gullup或者闪烁(这些都是不可接受的).如果它是smorsh它必须是unmorshed; 如果它是trale它必须是baludoed; 如果它是gullup它必须小跑(然后也可能节奏); 如果它闪烁,它必须再次闪烁,除了星期四.你明白这个想法:这很复杂.但最终结果是(或应该)所有条目都是干净的.Right Thing(TM)要做的是总结清洁循环的效果
assert(all(entry.isClean() for entry in mylist))
对于每个试图理解精彩循环实现的确切内容的人来说,这个陈述让人头疼.而这些人中最常见的可能就是你自己.
告知计算机您的代码在某些时候已经实现了什么.
你是否曾经忘记在小跑后调整需要它的条目,这assert将节省你的一天,并避免你的代码打破亲爱的达芙妮的后期.
在我看来,assert文档(1和3)和安全(2和4)的两个目的同样有价值.
告知人们甚至可能比告知计算机更有价值,因为它可以防止assert目标捕获的错误(在案例1中)和任何情况下的大量后续错误.
out*_*tis 21
除了其他答案之外,断言本身会抛出异常,但只会抛出AssertionErrors.从功利主义的角度来看,当你需要对你捕获的异常进行细粒度控制时,断言是不适合的.
Jas*_*ker 18
这种方法唯一真正错误的是使用assert语句很难做出非常具描述性的异常.如果您正在寻找更简单的语法,请记住您也可以这样做:
class XLessThanZeroException(Exception):
pass
def CheckX(x):
if x < 0:
raise XLessThanZeroException()
def foo(x):
CheckX(x)
#do stuff here
另一个问题是使用assert进行正常的条件检查是因为它很难使用-O标志禁用调试断言.
英语语言文字断言在这里的意义上使用发誓,肯定,出来的事.它并不意味着"检查"或"应该".这意味着你作为一名程序员在这里发表了宣誓声明:
# I solemnly swear that here I will tell the truth, the whole truth,
# and nothing but the truth, under pains and penalties of perjury, so help me FSM
assert answer == 42
如果代码是正确的,除了单事件干扰,硬件故障等,没有断言将失败.这就是为什么程序对最终用户的行为不得受到影响的原因.特别是,即使在特殊的程序条件下,断言也不会失败.它永远不会发生.如果它发生了,那么程序员应该为之奋斗.
如前所述,当您的代码不应该达到某一点时,应该使用断言,这意味着存在错误.我可以看到使用断言的最有用的原因可能是一个不变/前/后条件.这些在循环或函数的每次迭代的开始或结束时必须是真的.
例如,一个递归函数(2个单独的函数,因此1处理错误的输入,另一个处理错误的代码,导致很难用递归区分).如果我忘记编写if语句,那会出现问题.
def SumToN(n):
if n <= 0:
raise ValueError, "N must be greater than or equal to 0"
else:
return RecursiveSum(n)
def RecursiveSum(n):
#precondition: n >= 0
assert(n >= 0)
if n == 0:
return 0
return RecursiveSum(n - 1) + n
#postcondition: returned sum of 1 to n
这些循环不变量通常可以用断言表示.
无论如何，如果您正在处理依赖于assert正常运行的代码，那么添加以下代码将确保启用断言：
try:
assert False
raise Exception('Python assertions are not working. This tool relies on Python assertions to do its job. Possible causes are running with the "-O" flag or running a precompiled (".pyo" or ".pyc") module.')
except AssertionError:
pass
请记住“先使其发挥作用，然后才能使其快速发挥作用”。
任何程序中很少有一部分与其速度相关。如果事实证明它是一个性能问题，您总是可以将其排除或简化assert——而且大多数人永远不会这样做。
务实一点：
假设您有一个处理非空元组列表的方法，并且如果这些元组不是不可变的，则程序逻辑将中断。你应该写：
def mymethod(listOfTuples):
assert(all(type(tp)==tuple for tp in listOfTuples))
如果您的列表往往有十个条目，这可能没问题，但如果有一百万个条目，这可能会成为问题。但是，您不必完全放弃这张有价值的支票，只需将其降级为
def mymethod(listOfTuples):
assert(type(listOfTuples[0])==tuple) # in fact _all_ must be tuples!
这很便宜，但无论如何都可能捕获大多数实际的程序错误。
嗯，这是一个悬而未决的问题，我有两个方面想谈谈：何时添加断言以及如何编写错误消息。
向初学者解释一下 - 断言是可能引发错误的语句，但您不会发现它们。他们通常不应该被抚养，但在现实生活中，他们有时确实会被抚养。这是一种严重的情况，代码无法从中恢复，我们称之为“致命错误”。
接下来，它用于“调试目的”，虽然正确，但听起来很不屑一顾。我更喜欢“声明不应该被违反的不变量”公式，尽管它对不同的初学者有不同的作用......有些“只是明白”，而其他人要么找不到任何用处，要么替换正常的异常，甚至用它控制流量。
在 Python 中，assert是一个语句，而不是一个函数！（记住assert(False, 'is true')不会加注。但是，把它放在一边：
何时以及如何编写可选的“错误消息”？
此acually适用于单元测试框架，其通常具有许多专用的方法来做断言（assertTrue(condition)，assertFalse(condition), assertEqual(actual, expected)等）。它们通常还提供一种对断言进行评论的方法。
在一次性代码中，您可以在没有错误消息的情况下进行操作。
在某些情况下，断言无需添加任何内容：
def dump(something): assert isinstance(something, Dumpable) # ...
但除此之外，消息对于与其他程序员（有时是您的代码的交互式用户，例如在 Ipython/Jupyter 等中）进行通信很有用。
给他们信息，而不仅仅是泄露内部实现细节。
代替：
assert meaningless_identifier <= MAGIC_NUMBER_XXX, 'meaningless_identifier is greater than MAGIC_NUMBER_XXX!!!'
写：
assert meaningless_identifier > MAGIC_NUMBER_XXX, 'reactor temperature above critical threshold'
或者甚至：
assert meaningless_identifier > MAGIC_NUMBER_XXX, f'reactor temperature({meaningless_identifier }) above critical threshold ({MAGIC_NUMBER_XXX})'
我知道，我知道 - 这不是静态断言的情况，但我想指出消息的信息价值。
这可能是有争议的，但阅读以下内容让我很受伤：
assert a == b, 'a is not equal to b'
这是两个相互矛盾的东西，并排在一起。因此，每当我对代码库产生影响时，我都会通过使用诸如“必须”和“应该”之类的额外动词来推动指定我们想要什么，而不是说我们不想要什么。
assert a == b, 'a 必须等于 b'
然后，获取AssertionError: a must be equal to b也是可读的，并且该语句在代码中看起来很合乎逻辑。此外，您可以在不阅读回溯的情况下从中获得一些东西（有时甚至不可用）。