Python函数异常处理的核心是精准识别边界并预判失效点，在关键位置设防御性检查；需明确输入校验、分类型捕获异常、定义清晰的边界行为、显式管理资源，而非盲目try...except。
Python函数异常处理的核心不是“捕获所有错误”，而是精准识别边界、预判失效点，并在关键位置设置防御性检查。盲目用try...except包裹整个函数，往往掩盖真实问题，反而增加调试难度。
明确输入边界，优先做参数校验
很多异常源于非法输入，比如除零、索引越界、类型不匹配。与其等运行时报错，不如在函数开头主动验证。
- 检查必填参数是否为
None或空值（如if not data:需注意0、False等falsy值是否合理） - 对数值型参数限定范围：
if not isinstance(x, (int, float)) or x 100: - 对容器类参数检查长度或键是否存在：
if 'name' not in user_dict:
区分异常类型，避免宽泛捕获
用except Exception:会吞掉KeyboardInterrupt、SystemExit等系统级信号，也难以定位具体问题。应按实际可能抛出的异常精细化处理。
- 文件操作优先捕获
FileNotFoundError和PermissionError，而非OSError全包 - JSON解析用
json.JSONDecodeError（Python 3.5+），比ValueError更准确 - 网络请求可捕获
requests.exceptions.Timeout和requests.exceptions.ConnectionError分别应对
边界外行为要定义清晰，不默认静默失败
当输入超出预期范围时，函数不应“假装成功”。需明确返回值语义或抛出带上下文的异常。
立即学习“Python免费学习笔记（深入）”；
- 返回
None或空列表前，确认调用方能正确处理该情况（否则建议抛出ValueError） - 自定义异常类可携带原始输入和当前上下文：
raise InvalidRangeError(f"score {score} out of [0, 100]") - 对非关键路径的边界（如日志写入失败），可用
logging.warning记录，但不中断主流程
资源与状态边界需显式管理
函数若涉及文件句柄、数据库连接、锁等资源，其生命周期必须与逻辑边界对齐，不能依赖GC回收。
- 优先使用
with语句确保资源释放，即使发生异常 - 在
finally块中清理非托管资源（如手动关闭socket） - 修改全局状态或缓存前，先校验前置条件是否满足，避免留下不一致状态
异常处理不是兜底手段，而是接口契约的一部分。把边界想清楚、检查做在前面、异常分得明白，函数才真正可靠。
