1、捕获异常

https://zhuanlan.zhihu.com/p/321408784

try:<语句>
except Exception as e:print('异常说明',e)

1 捕获所有异常
包括键盘中断和程序退出请求（用 sys.exit() 就无法退出程序了，因为异常被捕获了），因此慎用。try:<语句>
except:print('异常说明')
2 捕获指定异常
try:<语句>
except <异常名>:print('异常说明')
万能异常：try:<语句>
except Exception:print('异常说明')
一个例子：try:f = open("file-not-exists", "r")
except IOError as e:print("open exception: %s: %s" %(e.errno, e.strerror))

2、捕获并判断异常类型
参考：https://blog.csdn.net/weixin_35757704/article/details/128490868

异常的完整代码是：
try:raise Exception("wa")
except:print("报错")
else:print("没有报错")
finally:print("程序关闭")

当异常发生时，会将异常的信息保存到sys.exc_info()这个方法中

import sys
import ostry:raise RuntimeError('这里有个报错')
except Exception as e:except_type, except_value, except_traceback = sys.exc_info()except_file = os.path.split(except_traceback.tb_frame.f_code.co_filename)[1]exc_dict = {"报错类型": except_type,"报错信息": except_value,"报错文件": except_file,"报错行数": except_traceback.tb_lineno,}print(exc_dict)

主动抛出异常

raise Exception("0不能做分母")

2、退出程序

https://zhuanlan.zhihu.com/p/426492312

退出python进程，你可能听说过很多种方法，包括exit(),sys.exit(), os._exit(), quit()，这些方法都可以让进程退出，那么他们有什么区别呢。

下表是对这4种方法的对比
函数 适用场景 是否抛出SystemExit异常
exit 交互式环境 是
quit 交互式环境 是
sys.exit 主进程 是
os._exit 子进程 否
exit和quit都适用于在交互式环境下使用，他们都是内置函数，都抛出SystemExit异常
os._exit 不会抛出SystemExit 异常，一旦执行，进行就退出，因此你来不及做一些清理工作
sys.exit 会抛出SystemExit异常，你可以捕获这个异常，做一些请求工作
sys.exit是python退出程序最常用最正式的一种做法，你必须在调用时指明退出码，退出码为0表示正常退出，其他表示非正常退出。

import systry:sys.exit(3)
except SystemExit as e:print(f'进程退出，退出码是{e.code}')
使用e.code可以获得退出码，程序可以根据退出码不同执行相应的清理工作。

python终止代码运行
方法一：
import sys
sys.exit() # 退出当前程序，但不重启shell
方法二：
exit() # 退出当前程序，并重启shell
方法三：
quit() # 与exit()效果一样，退出并重启shell

3、进程共享变量

Value、Array是通过共享内存的方式共享数据
Manager是通过共享进程的方式共享数据。
'spawn’开启多进程程数据拷贝

 	num=multiprocessing.Value('d',1.0)#num=0arr=multiprocessing.Array('i',range(10))#arr=range(10)p=multiprocessing.Process(target=func1,args=(num,arr))

	manager=Manager()list1=manager.list([1,2,3,4,5])dict1=manager.dict()array1=manager.Array('i',range(10))value1=manager.Value('i',1)

进程间共享变量
如果希望不同进程读写同一个变量，需要做特殊的声明。multiprocessing提供了两种实现方式，一种是共享内存，一种是使用服务进程。共享内存只支持两种数据结构Value和Array。
子进程和主进程访问的count在内存中的地址是相同的。这里有两点需要注意：

• 1.multiprocessing.Value对象和Process一起使用的时候，可以像上面那样作为全局变量使用，也可以作为传入参数使用。但是和Pool一起使用的时候，只能作为全局变量使用，作为传入参数使用会报错。 RuntimeError: Synchronized objects should only be shared between processes through inheritance
• 2.多个进程读写共享变量的时候，要注意操作是否是进程安全的。对于前面的累加计数器，虽然是一个语句，但是涉及到读和写，和进程的局域临时变量，这个操作不是进程安全的。多进程的累加的时候，会出现不正确的结果。需要给cls.count += 1加上锁。加锁的方式，可以使用外部的锁，也可以直接使用get_lock()方法。
• 3.共享内存支持的数据结构有限，另一种共享变量的方式是使用服务进程管理需要共享的变量，其他进程操作共享变量的时候通过和服务进程的交互实现。这种方式支持列表、字典等类型，而且可以实现多台机器之间共享变量。但是速度要比共享内存的方式慢。另外，这种方式可以用作Pool的传入参数。同样的，对于非进程安全的操作，也需要加锁。

4、进程异常捕获（非阻塞）

1.multiprocessing.Process捕获不了异常

p = multiprocessing.Process(target=taskimg_execute, args=(start_img,))
p.start()

2.pool捕获不了，只能通过函数接收

def throw_error(e):print("error回调方法: ", e)return {'code': 440, 'msg': '进程创建异常'+str(e), 'data': {'status': 400}}pool = multiprocessing.Pool(processes = 3)
pool.apply_async(taskimg_execute, (start_img,),rror_callback=throw_error)  pool.close()

4、multiprocessing的Pool所起的进程中再起进程

众所周知，multiprocessing是Python内建的多进程库。似乎它的Pool有一个问题是，当起了多进程后，在这些进程中很难再起新的进程，因为会报错 - AssertionError: daemonic processes are not allowed to have children.
参考：https://blog.csdn.net/nirendao/article/details/128945428
而如果不使用 multiprocessing 的 Pool，只是使用其 Process，则相对简单很多，只要在创建 Process 的时候，令其daemon参数为False即可；或者完全不写daemon参数也可以，因为它默认就是False的。