为什么你的Python总报错?80%是这几个习惯导致的

上周排查bug，一个简单的数据处理脚本，居然有5个不同的错误。看着满屏的报错信息，我突然意识到：很多Python错误，其实不是技术问题，而是习惯问题。

今天就来盘点那些导致Python频繁报错的坏习惯，以及如何改正它们。相信我，改掉这些习惯，你的代码报错率至少能降低80%。

往期阅读>>>

Python 20 个文本分析的库：效率提升 10 倍的秘密武器

Python 金融定价利器FinancePy库深度解析

Python 为什么会成为AI时代的头部语言

Python 40个常用的列表推导式

Python 50个提高代码开发效率的方法

Python 自动检测服务HTTPS证书过期时间并发送预警

Python 自动化操作Redis的15个实用脚本

Python 自动化管理Jenkins的15个实用脚本，提升效率

Python copyparty搭建轻量的文件服务器的方法

Python 实现2FA认证的方法，提升安全性

Python 封装20个常用API接口，提升开发效率

App2Docker：如何无需编写Dockerfile也可以创建容器镜像

Python 集成 Nacos 配置中心的方法

Python 35个JSON数据处理方法

Python 字典与列表的20个核心技巧

Python 15个文本分析的库，提升效率

Python 15个Pandas技巧，提升数据分析效率

Python 运维中30个常用的库，提升效率

Python调用远程接口的方法

Python 提取HTML文本的方法，提升效率

Python 应用容器化方法：实现“一次部署，处处运行”

Python 自动化识别Nginx配置并导出为excel文件，提升Nginx管理效率

Python 5个常见的异步任务处理框架

Python数据科学常见的30个库

Python 50个实用代码片段，优雅高效

坏习惯1：变量命名随意，自己都看不懂

错误示范：

# 这是什么意思？三个月后你还记得吗？a = 10b = 20c = a+b# c是什么？总和？平均值？x = get_data()  # x是什么数据？y = process(x)  # process做了什么？z = save(y)     # 保存到哪里？# 更糟糕的：使用内置函数名list = [1, 2, 3]  # 覆盖了list()函数str = "hello"# 覆盖了str()函数

导致的问题：

1. TypeError: 'list' object is not callable（覆盖了内置函数）

2. NameError: name 'total' is not defined（变量名记错）

3. 代码难以理解，调试困难

正确做法：

# 使用有意义的变量名student_count = 10average_score = 85.5total_amount = calculate_total(price, quantity)# 集合类型加后缀user_list = ["张三", "李四"]config_dict = {"host": "localhost", "port": 8080}name_set = {"Alice", "Bob"}# 布尔值用is_、has_开头is_valid = Truehas_permission = Falseis_connected = check_connection()# 函数名用动词开头defcalculate_average(scores):returnsum(scores) /len(scores)defvalidate_email(email):return"@"inemail# 常量用大写MAX_RETRIES = 3DEFAULT_TIMEOUT = 30API_BASE_URL = "https://api.example.com"

命名规范检查：

# 安装pylint检查命名# pip install pylint# pylint your_script.py# 或者使用flake8插件# pip install flake8-naming# flake8 your_script.py

坏习惯2：不处理None，导致AttributeError

错误示范：

# API返回可能是Noneuser_data = fetch_user_data(user_id)# 直接访问属性，可能报错email = user_data["email"]  # 如果user_data是None，TypeErrorname = user_data.get("name")  # 如果user_data是None，AttributeError# 函数可能返回Noneresult = find_user_by_email(email)result.send_notification()  # 如果result是None，AttributeError

导致的问题：

• AttributeError: 'NoneType' object has no attribute 'xxx'

• TypeError: 'NoneType' object is not subscriptable

正确做法：

# 方法1：明确检查Noneuser_data = fetch_user_data(user_id)ifuser_dataisnotNone:email = user_data.get("email", "default@example.com")name = user_data.get("name", "未知用户")else:# 处理None情况email = "default@example.com"name = "未知用户"# 方法2：使用or提供默认值user_data = fetch_user_data(user_id) or {}email = user_data.get("email", "default@example.com")# 方法3：使用Walrus运算符（Python 3.8+）if (data := fetch_user_data(user_id)) isnotNone:process_data(data)# 方法4：使用try-excepttry:user_data = fetch_user_data(user_id)email = user_data["email"]except (TypeError, KeyError):email = "default@example.com"# 方法5：使用Optional类型提示fromtypingimportOptionaldeffind_user(user_id: str) ->Optional[dict]:"""明确表示可能返回None"""# 实现...pass# 使用时IDE会提示可能为Noneuser = find_user("123")ifuser:  # IDE会提示检查Noneemail = user["email"]

None安全工具：

# 使用pydantic确保数据完整性frompydanticimportBaseModel, FieldfromtypingimportOptionalclassUser(BaseModel):name: stremail: strage: Optional[int] = None# 明确标注可选字段# 使用后不会出现意外的Noneuser = User(name="张三", email="zhang@example.com")print(user.age)  # 输出: None，但不会报错

坏习惯3：错误使用可变默认参数

经典坑爹错误：

defadd_item(item, items=[]):"""添加项目到列表"""items.append(item)returnitems# 看起来没问题？print(add_item(1))  # [1]print(add_item(2))  # 期望[2]，实际[1, 2]！print(add_item(3))  # 期望[3]，实际[1, 2, 3]！# 原因：默认参数在函数定义时只创建一次# 所有调用共享同一个列表对象

导致的问题：

• 数据污染，不同调用之间相互影响

• 难以发现的bug，测试时正常，生产环境异常

• UnboundLocalError（在函数内修改后又被读取）

正确做法：

# 方法1：使用None作为默认值defadd_item(item, items=None):ifitemsisNone:items = []  # 每次调用创建新列表items.append(item)returnitems# 方法2：使用不可变类型defcreate_user(name, permissions=()):  # 元组是不可变的return {"name": name, "permissions": list(permissions)}# 方法3：使用functools.partialfromfunctoolsimportpartialdefprocess_data(data, config=None):ifconfigisNone:config = {}# 处理数据returnprocessed_data# 创建特定配置的版本process_with_defaults = partial(process_data, config={"mode": "fast"})# 方法4：使用数据类fromdataclassesimportdataclass, fieldfromtypingimportList@dataclassclassShoppingCart:items: List[str] = field(default_factory=list)  # 每次创建新列表defadd_item(self, item):self.items.append(item)

检测工具：

# 使用pylint检测# pylint会警告：Dangerous default value [] as argument# 使用flake8插件# pip install flake8-bugbear# 会检测到：B006 Do not use mutable data structures for argument defaults

坏习惯4：异常处理过于宽泛

错误示范：

# 捕获所有异常，隐藏真正问题try:result = risky_operation()save_to_database(result)send_email_notification()exceptException:  # 捕获所有异常print("出错了")  # 什么错？不知道# 捕获异常但不处理try:process_file("data.txt")except:pass# 静默失败，难以调试# 错误的异常顺序try:parse_json(data)exceptExceptionase:  # 太宽泛，放在前面print(f"错误: {e}")exceptjson.JSONDecodeError:  # 永远不会执行print("JSON解析错误")

导致的问题：

1. 隐藏真正的bug

2. 难以调试和定位问题

3. 资源泄漏（文件、连接未关闭）

4. 程序状态不一致

正确做法：

# 原则1：只捕获你能处理的异常try:config = load_config("config.yaml")exceptFileNotFoundError:# 文件不存在，使用默认配置config = get_default_config()exceptyaml.YAMLErrorase:# 配置文件格式错误，记录日志logger.error(f"配置文件格式错误: {e}")# 可以选择退出或使用默认值config = get_default_config()# 让其他异常（如内存不足）向上传播# 原则2：从具体到一般try:response = requests.get(url, timeout=10)response.raise_for_status()  # 检查HTTP状态data = response.json()exceptrequests.Timeout:logger.warning(f"请求超时: {url}")returnNoneexceptrequests.HTTPErrorase:logger.error(f"HTTP错误 {e.response.status_code}: {url}")returnNoneexceptjson.JSONDecodeError:logger.error(f"响应不是有效的JSON: {url}")returnNoneexceptExceptionase:# 最后捕获一般异常，记录详细信息logger.exception(f"未知错误: {e}")raise# 重新抛出，让上层处理# 原则3：使用else和finallytry:connection = create_database_connection()cursor = connection.cursor()exceptConnectionErrorase:logger.error(f"数据库连接失败: {e}")raiseelse:# 只有try成功时才执行try:cursor.execute("SELECT * FROM users")results = cursor.fetchall()exceptDatabaseErrorase:logger.error(f"查询失败: {e}")results = []finally:# 确保游标关闭cursor.close()finally:# 无论成功失败都执行ifconnection:connection.close()# 原则4：使用上下文管理器fromcontextlibimportsuppress# 忽略特定异常（明确知道可以忽略）withsuppress(FileNotFoundError):os.remove("temp_file.txt")# 使用with语句自动管理资源withopen("data.txt", "r") asf:content = f.read()  # 文件会自动关闭

异常处理工具：

# 自定义异常类，建立异常层次classAppError(Exception):"""应用基础异常"""passclassValidationError(AppError):"""数据验证错误"""passclassDatabaseError(AppError):"""数据库错误"""def__init__(self, message, sql=None, params=None):self.sql = sqlself.params = paramssuper().__init__(message)# 使用时defsave_user(user_data):ifnotvalidate_user(user_data):raiseValidationError("用户数据无效")try:db.execute("INSERT INTO users VALUES (?, ?)",                   [user_data["name"], user_data["email"]])exceptsqlite3.Errorase:raiseDatabaseError("保存用户失败", sql=sql, params=params) frome

坏习惯5：不理解Python的作用域规则

常见错误：

# 错误1：在函数内修改全局变量count = 0defincrement():count += 1# UnboundLocalError: local variable 'count' referenced before assignment# 错误2：循环变量泄漏foriinrange(5):process(i)print(i)  # 输出4，i仍然存在！# 错误3：闭包变量捕获defcreate_multipliers():return [lambdax: i*xforiinrange(5)]multipliers = create_multipliers()print(multipliers[0](2))  # 期望0，实际8（i=4）print(multipliers[1](2))  # 期望2，实际8（i=4）# 错误4：类属性与实例属性混淆classUser:users = []  # 类属性def__init__(self, name):self.name = nameself.users.append(self)  # 修改的是类属性！user1 = User("张三")user2 = User("李四")print(user1.users)  # [user1, user2]print(user2.users)  # [user1, user2] 同一个列表！

正确做法：

# 解决方案1：明确声明全局变量count = 0defincrement():globalcount# 明确声明使用全局变量count += 1# 更好的方案：使用返回值defincrement_counter(current):returncurrent+1count = increment_counter(count)# 解决方案2：避免循环变量泄漏foriinrange(5):process(i)# i在这里不可访问（Python 3中，for循环变量作用域仅限于循环内）# 或者使用列表推导式results = [process(i) foriinrange(5)]# 解决方案3：闭包变量立即绑定defcreate_multipliers():return [lambdax, i=i: i*xforiinrange(5)]  # 使用默认参数立即绑定# 或者使用partialfromfunctoolsimportpartialdefcreate_multipliers():return [partial(lambdai, x: i*x, i) foriinrange(5)]# 解决方案4：正确使用类属性和实例属性classUser:all_users = []  # 类属性，所有实例共享def__init__(self, name):self.name = name# 实例属性，每个实例独立self.friends = []  # 实例属性User.all_users.append(self)  # 修改类属性要指定类名@classmethoddefget_user_count(cls):returnlen(cls.all_users)  # 使用cls访问类属性# 使用property管理属性访问classUser:def__init__(self, name):self._name = name# 私有属性@propertydefname(self):returnself._name@name.setterdefname(self, value):ifnotvalue:raiseValueError("姓名不能为空")self._name = value

作用域调试技巧：

# 查看局部变量和全局变量defmy_function():x = 10y = 20print(locals())  # 输出局部变量print(globals().keys())  # 输出全局变量名# 使用dis模块查看字节码importdisdeftest_scope():x = 1definner():returnx+1returninner()dis.dis(test_scope)  # 查看变量作用域

坏习惯6：忽略类型提示，运行时才发现类型错误

错误示范：

# 没有类型提示，只能运行时才发现错误defcalculate_total(price, quantity):returnprice*quantity# 调用时result = calculate_total("100", 2)  # 返回"100100"，不是200！result = calculate_total(100, "2")  # TypeError: can't multiply sequence by non-int# 更复杂的例子defprocess_data(data):# data是什么类型？字典？列表？字符串？returndata["value"] *2# 如果data是列表，KeyError！

正确做法：

# 添加类型提示fromtypingimportList, Dict, Optional, Uniondefcalculate_total(price: float, quantity: int) ->float:"""计算总价    Args:        price: 单价，浮点数        quantity: 数量，整数    Returns:        总价，浮点数    """returnprice*quantity# 复杂类型提示defprocess_users(users: List[Dict[str, Union[str, int]]],filter_active: bool = True) ->List[str]:"""处理用户列表    Args:        users: 用户字典列表，每个字典包含name和age        filter_active: 是否只过滤活跃用户    Returns:        用户名列表    """iffilter_active:return [user["name"] foruserinusersifuser.get("active", True)]return [user["name"] foruserinusers]# 使用mypy进行静态检查# pip install mypy# mypy your_script.py# 运行时类型检查（使用pydantic）frompydanticimportBaseModel, validatorclassUser(BaseModel):name: strage: intemail: str@validator('age')defvalidate_age(cls, v):ifv<0:raiseValueError("年龄不能为负数")returnv# 自动验证类型user = User(name="张三", age=25, email="zhang@example.com")# 如果类型错误，会在创建时立即报错

坏习惯7：文件操作不关闭资源

错误示范：

# 忘记关闭文件file = open("data.txt", "r")content = file.read()# 忘记file.close()，可能导致资源泄漏# 在异常情况下文件未关闭file = open("data.txt", "r")try:content = file.read()process(content)  # 可能抛出异常finally:file.close()  # 正确，但容易忘记

导致的问题：

• 文件描述符泄漏

• 数据可能未写入磁盘

• 其他进程无法访问文件

正确做法：

# 方法1：使用with语句（推荐）withopen("data.txt", "r") asfile:content = file.read()# 文件会自动关闭# 方法2：处理多个文件withopen("input.txt", "r") asinfile, open("output.txt", "w") asoutfile:content = infile.read()outfile.write(content.upper())# 方法3：使用pathlib（更现代）frompathlibimportPathfile_path = Path("data.txt")content = file_path.read_text()  # 自动管理文件# 写入文件file_path.write_text("新内容")# 方法4：数据库连接等资源importsqlite3withsqlite3.connect("database.db") asconn:cursor = conn.cursor()cursor.execute("SELECT * FROM users")results = cursor.fetchall()# 连接会自动关闭和提交

如何改掉这些坏习惯？

第一步：代码审查清单每次提交代码前，检查这些问题：

1. [ ] 变量命名是否清晰？

2. [ ] 是否处理了可能的None值？

3. [ ] 是否使用了可变默认参数？

4. [ ] 异常处理是否恰当？

5. [ ] 是否添加了类型提示？

6. [ ] 资源是否正确关闭？

第二步：使用自动化工具

# 安装代码检查工具pip install pylint flake8 mypy black# 配置预提交钩子# .pre-commit-config.yamlrepos:- repo: https://github.com/pre-commit/pre-commit-hooks    rev: v4.4.0    hooks:- id: trailing-whitespace- id: end-of-file-fixer- id: check-yaml- repo: https://github.com/psf/black    rev: 23.3.0    hooks:- id: black- repo: https://github.com/pycqa/flake8    rev: 6.0.0    hooks:- id: flake8

第三步：建立团队规范

# coding_standards.py"""团队编码规范"""# 1. 所有函数必须有类型提示# 2. 所有异常必须明确处理# 3. 所有资源必须使用with语句# 4. 变量名必须清晰# 5. 提交前必须通过mypy检查

第四步：定期重构每周花1小时，重构一段旧代码：

1. 添加缺失的类型提示

2. 改进变量命名

3. 优化异常处理

4. 添加文档字符串

好的编程习惯就像好的卫生习惯：每天刷牙很麻烦，但能避免牙疼。每天多花5分钟检查代码，能避免5小时的调试。优秀的开发者不是不写bug，而是不让bug活到生产环境。

如果你觉得这篇文章有用，欢迎点赞、转发、收藏、留言、推荐❤！