調試是開發過程中不可避免的一個環節，在Python中我們使用print、logging、assert等方法進行調試既簡單又實用，但畢竟有其局限性。今天這篇文章為大家帶來三個工具，其中有Python的內置模塊也有第三方庫，它們提供了調試代碼所需的大部分常用功能，將極大的提升我們的開發和bug排除效率。

[[278608]]

1.PDB

pdb是Python中的一個內置模塊，啟用pdb后可以對代碼進行斷點設置和跟蹤調試。為了演示方便，我們準備一個樣例程序pdb_test.py：

def countnumber(number): 
 for i in range(number): 
 print(i) 
if __name__ == '__main__': 
 countnumber(10) 

之后在終端中輸入python -m pdb pdb_test.py命令，進入pdb的調試模式：

這時我們就可以通過各種命令控制代碼執行或者查看當前變量，例如l可以查看所有代碼，n是執行下一步代碼，p可以查看當前變量等等，需要注意的是命令n只會執行主程序中的代碼，如果想要單步執行子函數中的代碼，需要使用s指令，調試效果如下：

可以看到，通過s指令(如果只想在主函數中單步執行可以使用n)和p指令，我們控制程序單步運行并實時查看了相關變量。但是單步執行畢竟是一種效率非常低下的調試方式，尤其當代碼量比較大的時候更是噩夢，這時就需要用到pdb的set_trace()方法，我們對樣例程序pdb_test.py做一點修改：

import pdb 
def countnumber(number): 
 for i in range(number): 
 print(i) 
 pdb.set_trace() 
if __name__ == '__main__': 
 countnumber(10) 

pdb.set_trace()的作用就是在代碼中設置斷點，在pdb調試模式下，使用c命令就會直接跳轉到下一個斷點位置，如果之后沒有其他斷點就會執行完全部代碼，調試效果如下：

除了上面提到的幾個指令以外，pdb還有其他一些比較常用的命令(見下表)，綜合使用基本能夠滿足日常的調試需求。

2.Better-exceptions

better-exceptions是一個Python第三方庫，作者對他的定義是“使異常信息更加美觀和詳盡”。在正式使用之前先說下這個庫的安裝：

• 第一步，使用pip install better_exceptions安裝better-exceptions庫;
• 第二步，使用export BETTER_EXCEPTIONS=1(Linux / OSX)或setx BETTER_EXCEPTIONS 1(Windows)設置環境變量。

現在就可以正常使用better-exceptions進行調試了，為了演示效果更加明顯，我們對上文中的代碼稍作修改作為本次的樣例程序better_test.py：

def divisionnumber(number, div): 
 for i in range(div): 
 print(number / i) 
if __name__ == '__main__': 
 divisionnumber(10, 10) 

很明顯，上面這段代碼在執行過程中會因為分母為0而拋出異常，現在我們執行python better_test.py，看看啟用了better-exceptions后的異常信息是什么樣子的：

從上面這幅圖可以看出better-exceptions對異常信息的修改主要體現在兩個方面：

• 一是對產生異常的代碼進行了顏色標注;
• 二是對產生異常的代碼中的相關變量值進行了輸出(包括函數等對象);

這樣一來，很多時候我們只需要根據better-exceptions輸出的輔助信息就能判斷產生異常的位置和原因，而不必像以前一樣再次查看源代碼并觀察運行結果，正如作者所說：Pretty and more helpful。

但是，過多的信息輸出也會有問題，那就是當代碼層級結構比較復雜的時候，better-exceptions輸出的輔助信息可能會非常之多，就比如上面的divisionnumber函數，他所在的地址信息多數時候我們并不關心，為了屏蔽這些“垃圾”信息，我們可以在代碼中加一行：

better_exceptions.MAX_LENGTH = XXX 

XXX是允許顯示的最大字符長度，比如這里設置為10，再來運行better_test.py這個程序就會是下面的結果：

可以看到，對函數divisionnumber的注釋只顯示了最開始的"

除了上面提到的功能之外，better-exceptions還可以和logging還有django無縫接入，這使得它的應用更加靈活，關于這方面內容大家可以查看項目文檔。

還有一點需要提醒大家，如果你是在windows下使用，可能會出現下圖中的亂碼問題，這是由于better-exceptions的內設編碼格式所導致的。

解決的辦法是在安裝后，對better_exceptions目錄下的encoding.py文件第10行代碼進行如下修改：

# 原代碼： 
ENCODING = locale.getpreferredencoding() 
# 修改為： 
ENCODING = 'utf-8' 

3.PySnooper

PySnooper也是一個Python的第三方庫，他的特點是能夠精準的顯示每條代碼的執行順序、執行時間以及隨之帶來的局部變量的改變等等。值得一提的是，作為一個發布不滿半年的庫，PySnooper在github上已經達到了1.2W星，其受歡迎程度可見一斑。

PySnooper的使用可以說是非常的方便，直接在代碼中以裝飾器的形式調用就可以了。當然在引用前你得使用pip install pysnooper或者conda install -c conda-forge pysnooper安裝這個庫。我們還是舉一個例子來進行演示，樣例代碼如下：

import pysnooper 
import random 
@pysnooper.snoop() 
def foo(): 
 lst = [] 
 for i in range(10): 
 lst.append(random.randrange(1, 1000)) 
 lower = min(lst) 
 upper = max(lst) 
 mid = (lower + upper) / 2 
 print(lower, mid, upper) 
foo() 

在上面這段代碼中，我們先是生成10個1到1000之間的隨機數，然后計算他們之中的最大最小值和中位數，唯一的不同在于第三行多了一條語句@pysnooper.snoop()，我們運行以下代碼，發現除了正常的print結果之外，多了許多內容(內容太多，下面只顯示一部分)：

19:51:57.704857 call 16 def foo(): 
19:51:57.705860 line 17 lst = [] 
New var:....... lst = [] 
19:51:57.705860 line 18 for i in range(10): 
New var:....... i = 0 
19:51:57.705860 line 19 lst.append(random.randrange(1, 1000)) 
Modified var:.. lst = [758] 
19:51:57.705860 line 18 for i in range(10): 
Modified var:.. i = 1 
.................... 
19:51:57.706818 line 22 upper = max(lst) 
New var:....... upper = 927 
19:51:57.706818 line 23 mid = (lower + upper) / 2 
New var:....... mid = 552.0 
19:51:57.706818 line 24 print(lower, mid, upper) 
19:51:57.706818 return 24 print(lower, mid, upper) 
Return value:.. None 

這都是PySnooper跟蹤監控的結果，正如上面所說，他準確記錄的每條代碼的運行時間、順序以及相關的變量值。

作為一個星標1.2W+的項目，PySnooper的功能肯定不會這么簡單，@pysnooper.snoop()中是可以接收參數的，比如我們覺得輸出內容太多，可以考慮把信息記錄到log日志中，這個功能只需要加一個log文件定位參數就能搞定：

@pysnooper.snoop('file.log') 

@pysnooper.snoop()支持的參數還有很多，分別對應了不同的功能，例如監控自定義表達式、監控底層函數、支持多線程等等，詳見項目文檔。

此外，pysnooper還支持局部監控，一般來說我們寫的代碼都比較長，而需要監控的只是其中的一小部分，這時候就可以把需要監控的代碼放到一個block里。我們修改下剛才的代碼，只對計算最大最小值和中位數的部分進行監控，修改后的代碼如下：

import pysnooper 
import random 
def foo(): 
 lst = [] 
 for i in range(10): 
 lst.append(random.randrange(1, 1000)) 
 with pysnooper.snoop(): 
 lower = min(lst) 
 upper = max(lst) 
 mid = (lower + upper) / 2 
 print(lower, mid, upper) 
foo() 

運行之后發現監控信息精簡了很多：

New var:....... lst = [562, 341, 552, 353, 628, 302, 430, 188, 955, 108] 
New var:....... i = 9 
20:02:47.359272 line 21 lower = min(lst) 
New var:....... lower = 108 
20:02:47.359272 line 22 upper = max(lst) 
New var:....... upper = 955 
20:02:47.360269 line 23 mid = (lower + upper) / 2 

使用with pysnooper.snoop()模式依然保留了對各種參數的支持，個人認為這種模式更加符合實踐需求。

小結：

今天介紹了三個不借助IDE就能方便使用的調試工具，三個工具的調試思路和適用場景也各不相同，大家可以根據需要靈活選用。不過話說回來，我個人最喜歡的還是PySnooper，你最喜歡哪一款呢?