### 让Python程序显示详细的错误信息 当遇到Python程序静默失败的情况时，可以采取多种方法来确保能够捕获并查看详细的错误信息。 #### 使用`try...except`语句捕捉异常 通过编写带有`try...except`结构的代码片段，可以在发生异常时执行特定的操作。这不仅有助于防止程序突然终止，还可以记录或展示有用的调试信息[^1]。 ```python def divide_numbers(a, b): try: result = a / b print(f"The division result is {result}") except ZeroDivisionError as e: print(f"An error occurred: {e}") ``` #### 启用更详尽的日志记录 为了更好地跟踪应用程序的行为，在代码中集成日志功能是非常有益的做法。利用Python内置模块`logging`可以帮助设置不同级别的日志输出，从而更容易定位问题所在。 ```python import logging # 配置基本的日志参数 logging.basicConfig(level=logging.DEBUG, format='%(asctime)s %(levelname)s:%(message)s') def process_large_file(file_path): try: with open(file_path, 'r') as file: data = file.read() # 假设这里有一些复杂的处理逻辑... processed_data = some_complex_operation(data) if not save_to_disk(processed_data): # 如果保存失败，则抛出自定义异常 raise IOError("Failed to write the output.") except Exception as ex: logging.error(f"Processing failed for file '{file_path}': {ex}", exc_info=True) process_large_file('/path/to/large/file.txt') ``` 上述例子展示了如何配置日志级别以及格式化字符串，并且在捕获到任意类型的异常(`Exception`)之后调用了`exc_info=True`选项以便于获取完整的堆栈追踪信息[^2]。 #### 设置全局异常钩子 对于那些难以预料会在何处发生的未被捕获异常，可以通过安装自定义的异常挂钩函数来实现整个应用范围内的监控。这样即使是在多线程或多进程中也能有效地收集崩溃报告。 ```python import threading import sys original_hook = sys.excepthook def custom_exception_handler(exc_type, exc_value, traceback_obj): """Global exception handler that logs uncaught exceptions.""" original_hook(exc_type, exc_value, traceback_obj) # 调用默认处理器 logger.critical( f"\n\n{'-'*80}\nUncaught exception:\nType={str(exc_type)}\nValue={str(exc_value)}" "\nTraceback=\n", exc_info=(exc_type, exc_value, traceback_obj)) sys.excepthook = custom_exception_handler threading.excepthook = lambda args: custom_exception_handler(args.exc_type, args.exc_value, args.exc_traceback) if __name__ == "__main__": while True: pass # Simulate an infinite loop causing program hang or crash. ``` 这段脚本修改了标准库中的两个属性——`sys.excepthook`用于主线程和其他非守护线程；而`threading.excepthook`则针对所有新启动的工作线程设置了相同的异常回调机制[^4]。