这篇文章主要介绍了调试Python程序代码的几种方法总结,文中代码基于Python2.x版本,需要的朋友可以参考下

　　程序能一次写完并正常运行的概率很小，基本不超过1%。总会有各种各样的bug需要修正。有的bug很简单，看看错误信息就知道，有的bug很复杂，我们需要知道出错时，哪些变量的值是正确的，哪些变量的值是错误的，因此，需要一整套调试程序的手段来修复bug。

　　第一种方法简单直接粗暴有效，就是用print把可能有问题的变量打印出来看看：

　　?

1 2 3 4 5 6 7 8 9 10 # err.py def foo(s): n = int(s) print '>>> n = %d' % n return 10 / n   def main(): foo('0')   main()

　　执行后在输出中查找打印的变量值：

　　?

1 2 3 4 5 $ python err.py >>> n = 0 Traceback (most recent call last): ... ZeroDivisionError: integer division or modulo by zero

　　用print最大的坏处是将来还得删掉它，想想程序里到处都是print，运行结果也会包含很多垃圾信息。所以，我们又有第二种方法。

　　断言

　　凡是用print来辅助查看的地方，都可以用断言(assert)来替代：

　　?

1 2 3 4 5 6 7 8 # err.py def foo(s): n = int(s) assert n != 0, 'n is zero!' return 10 / n   def main(): foo('0')

　　assert的意思是，表达式n != 0应该是True，否则，后面的代码就会出错。

　　如果断言失败，assert语句本身就会抛出AssertionError：

　　?

1 2 3 4 $ python err.py Traceback (most recent call last): ... AssertionError: n is zero!

　　程序中如果到处充斥着assert，和print相比也好不到哪去。不过，启动Python解释器时可以用-O参数来关闭assert：

　　?

1 2 3 4 $ python -O err.py Traceback (most recent call last): ... ZeroDivisionError: integer division or modulo by zero

　　关闭后，你可以把所有的assert语句当成pass来看。

　　logging

　　把print替换为logging是第3种方式，和assert比，logging不会抛出错误，而且可以输出到文件：

　　?

1 2 3 4 5 6 7 # err.py import logging   s = '0' n = int(s) logging.info('n = %d' % n) print 10 / n

　　logging.info()就可以输出一段文本。运行，发现除了ZeroDivisionError，没有任何信息。怎么回事?

　　别急，在import logging之后添加一行配置再试试：

　　?

1 2 import logging logging.basicConfig(level=logging.INFO)

　　看到输出了：

　　?

1 2 3 4 5 6 $ python err.py INFO:root:n = 0 Traceback (most recent call last): File "err.py", line 8, in <module> print 10 / n ZeroDivisionError: integer division or modulo by zero

　　这就是logging的好处，它允许你指定记录信息的级别，有debug，info，warning，error等几个级别，当我们指定level=INFO时，logging.debug就不起作用了。同理，指定level=WARNING后，debug和info就不起作用了。这样一来，你可以放心地输出不同级别的信息，也不用删除，最后统一控制输出哪个级别的信息。

　　logging的另一个好处是通过简单的配置，一条语句可以同时输出到不同的地方，比如console和文件。

　　pdb

　　第4种方式是启动Python的调试器pdb，让程序以单步方式运行，可以随时查看运行状态。我们先准备好程序：

　　?

1 2 3 4 # err.py s = '0' n = int(s) print 10 / n

　　然后启动：

　　?

1 2 3 $ python -m pdb err.py > /Users/michael/Github/sicp/err.py(2)<module>() -> s = '0'

　　以参数-m pdb启动后，pdb定位到下一步要执行的代码-> s = '0'。输入命令l来查看代码：

　　?

1 2 3 4 5 6 (Pdb) l 1 # err.py 2 -> s = '0' 3 n = int(s) 4 print 10 / n [EOF]

　　输入命令n可以单步执行代码：

　　?

1 2 3 4 5 6 (Pdb) n > /Users/michael/Github/sicp/err.py(3)<module>() -> n = int(s) (Pdb) n > /Users/michael/Github/sicp/err.py(4)<module>() -> print 10 / n

　　任何时候都可以输入命令p 变量名来查看变量：

　　?

1 2 3 4 (Pdb) p s '0' (Pdb) p n 0

　　输入命令q结束调试，退出程序：

　　?

1 2 3 4 5 (Pdb) n ZeroDivisionError: 'integer division or modulo by zero' > /Users/michael/Github/sicp/err.py(4)<module>() -> print 10 / n (Pdb) q

　　这种通过pdb在命令行调试的方法理论上是万能的，但实在是太麻烦了，如果有一千行代码，要运行到第999行得敲多少命令啊。还好，我们还有另一种调试方法。

　　pdb.set_trace()

　　这个方法也是用pdb，但是不需要单步执行，我们只需要import pdb，然后，在可能出错的地方放一个pdb.set_trace()，就可以设置一个断点：

　　?

1 2 3 4 5 6 7