Python 报错跳过（Error Skipping）完整教程#

目标：帮助你快速定位为什么代码会报错、如何在执行过程中“跳过”错误并继续往下跑，以及常见的坑与解决办法。

1. 引言#

在日常数据清洗、网络爬虫、并行计算等任务中，不想因为单个异常就导致整个程序崩溃。Python 的 try...except 机制让我们可以灵活地处理错误，但往往写得不够优雅、缺乏可维护性。本文从原因分析出发，给出 3 种分步骤的解决方案，并附带常见问题解答，助你在任何脚本中实现“报错跳过”。

说明：以下示例均使用 Python 3.10+，但大部分代码在 3.8/3.9 也能正常运行。

2. 原因分析#

关键点：错误往往是可预期的 异常情况，不是完全不可处理。我们需要在代码层面判断、捕获并决定是否“跳过”。

3. 3 种分步骤的解决方案#

方案 A：基础 try...except + continue#

最常见、最直观。适用于循环内部的单个处理单元。

for item in data_list:
    try:
        process(item)          # 可能抛异常的逻辑
    except (ValueError, TypeError) as e:
        print(f"[WARN] 处理 {item} 失败: {e}")
        continue                # 跳过该条记录，继续下一条
    except Exception as e:
        # 捕获不可预期异常，记录后继续
        log.exception(f"不可预期错误: {e}")
        continue

优点：代码简洁，错误信息可直接打印/记录。
缺点：对异常类型需要手动列举，易漏。

步骤拆解#

1. 包裹目标逻辑：将可能抛异常的代码放在 try 块内。
2. 细化异常捕获：按业务需求列出具体异常；使用 Exception 捕获所有。
3. 记录与跳过：在 except 内记录信息（print、logging），然后 continue 或 pass。

方案 B：使用 contextlib.suppress#

当你想抑制特定异常而不打断程序时，suppress 是最轻量的方案。

from contextlib import suppress

with suppress(FileNotFoundError, PermissionError):
    with open("config.json", "r") as f:
        config = json.load(f)
# 程序继续执行

优点：不需要手写 try...except，代码更简洁。
缺点：无法自定义日志，所有被抑制的异常会被“吞掉”，不易追踪。

步骤拆解#

1. 导入 suppress。
2. 列出想抑制的异常。
3. 将可抛异常的代码放在 with suppress(...) 块中。

适用于“如果文件不存在就用默认值，直接忽略”这类场景。

方案 C：自定义错误处理装饰器#

如果你在多处需要相同的错误跳过逻辑，写一个装饰器可以大幅提升可维护性。

import functools
import logging

def skip_errors(*exc_classes, log_level=logging.WARNING):
    """装饰器：捕获指定异常，记录日志后返回 None"""
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            try:
                return func(*args, **kwargs)
            except exc_classes as e:
                logging.log(log_level, f"跳过 {func.__name__} 出错: {e}")
                return None
        return wrapper
    return decorator

# 用法
@skip_errors(ValueError, TypeError)
def parse_int(s: str):
    return int(s)

result = parse_int("abc")   # 记录警告，返回 None

优点：可复用且易维护，所有错误信息集中记录。
缺点：如果函数返回 None 与业务意义冲突，需要注意。

步骤拆解#

1. 定义装饰器：接收要捕获的异常类型。
2. 包装函数：使用 try...except 统一处理。
3. 调用：在需要跳过错误的地方使用 @skip_errors。

4. 常见问题解答（FAQ）#

5. 小结#

• 错误跳过 是一个 “容错” 的设计理念。
• 选择合适的方案取决于 执行粒度（单条记录 vs 整个文件）与 错误类型（可预期 vs 随机）。
• 始终记录错误，即使你在生产环境中不想让它阻塞业务。
• 对于 大规模处理，建议使用 装饰器 或 错误日志文件，避免在控制台打印过多信息。

实践建议：先在本地调试时使用 print，上线后改为 logging 并设置合适的日志级别；并在错误日志里记录 行号、异常类型 与 上下文，方便后期排查。祝你写出既稳健又可维护的 Python 程序！