核心是提前识别错误并用if判断边界而非依赖except兜底；如平均值函数应先检查空列表、非数字元素、None，再用isinstance验证类型，用if not 0≤x≤100等确保范围合法。
Python函数中做异常处理和边界控制，核心是提前识别可能出错的输入、状态或外部依赖，并用try-except配合明确的判断逻辑把问题拦在执行崩溃之前。
明确函数的合法输入边界
不是所有异常都要靠except兜底，很多问题其实在参数进入函数第一行就能发现。比如一个计算列表平均值的函数，空列表、非数字元素、None传入都属于边界情况，应优先用if检查。
- 检查类型：
isinstance(x, (int, float))比直接运算再捕TypeError更清晰 - 检查范围：
if not 0 比索引越界后捕IndexError更主动 - 检查空值：
if data is None or not data适用于字符串、列表、字典等“falsy”值
用具体异常替代宽泛的except:
写except Exception:或裸except:会掩盖真实问题，调试困难。应根据函数实际可能抛出的异常精准捕捉。
- 文件操作：捕
FileNotFoundError、PermissionError，而不是OSError全包 - 数值计算：捕
ZeroDivisionError、ValueError（如int("abc")），避免误吞KeyboardInterrupt - JSON解析：捕
json.JSONDecodeError（Python 3.5+），它继承自ValueError但信息更准
异常处理后要有明确动作，不沉默失败
捕获异常不是目的，关键是如何响应。返回默认值、重新抛出带上下文的新异常、记录日志、或降级处理，都比空except:或只写pass强。
- 返回安全默认值：
return []代替空列表处理失败，但需文档说明 - 包装并重抛：
raise ValueError(f"无效ID {user_id!r}") from e保留原始 traceback - 记录日志：
logging.warning("配置加载失败，使用默认参数", exc_info=True)
边界与异常逻辑要写进函数文档和类型提示
其他开发者（包括未来的你）需要知道这个函数对什么敏感、哪些输入会触发异常、哪些已内部处理。用 docstring 和 type hints 显式表达。
- Docstring 中写明：
Raises:列出可能抛出的异常及原因 - 用
Optional[str]、Union[int, float]等标注参数/返回值约束 - 必要时加
assert辅助说明（仅用于开发期快速反馈，不替代运行时检查）
