Python3之调试

　　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：

　　err3.py

def foo(s):
    n=int(s)
    print('>>>n=%d' % n)
    return 10 / n
def main():
    foo('0')
main()

　　运行结果，在输出中可以查找到打印的变量值

>>>n=0
Traceback (most recent call last):
  File "err3.py", line 7, in <module>
    main()
  File "err3.py", line 6, in main
    foo('0')
  File "err3.py", line 4, in foo
    return 10 / n
ZeroDivisionError: division by zero

　　用print()最大的坏处是程序调试完毕需要删除，程序到处都是print(),运行结果也包含大量垃圾信息。所以，我们又有第二种方法

        do_assert.py

　　断言

def foo(s):
    n = int(s)
    assert n != 0, 'n is zero!'
    return 10 / n

def main():
    foo('0')

main()

　　assert的意思是，表达式n!=0应该是True，否则，根据程序运行的逻辑，后面的代码肯定会出错

　　如果断言失败,assert语句本身就会抛出AssertionError

　　运行结果

Traceback (most recent call last):
  File "do_assert.py", line 12, in <module>
    main()
  File "do_assert.py", line 10, in main
    foo('0')
  File "do_assert.py", line 6, in foo
    assert n != 0, 'n is zero!'
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：

python3 -O do_assert.py

　　运行结果

Traceback (most recent call last):
  File "do_assert.py", line 12, in <module>
    main()
  File "do_assert.py", line 10, in main
    foo('0')
  File "do_assert.py", line 7, in foo
    return 10 / n
ZeroDivisionError: division by zero

　　关闭后,可以把所有的assert语句当成pass来看

　　

　　logging

　　把print()替换成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

　　err4.py

import logging
#logging.basicConfig(level=logging.INFO)
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

Traceback (most recent call last):
  File "err4.py", line 6, in <module>
    print(10/n)
ZeroDivisionError: division by zero

 　　修改增加配置

import logging
logging.basicConfig(level=logging.INFO)
s='0'
n=int(s)
logging.info('n=%d'%n)
print(10/n)

 　　运行结果

INFO:root:n=0
Traceback (most recent call last):
  File "err4.py", line 6, in <module>
    print(10/n)
ZeroDivisionError: division 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的调速器pdb，让程序以单步方式运行，可以随时查看运行状态

　　err5.py

#err5.py
s='0'
n=int(s)
print(10 / n)

 　　启动

python3 -m pdb err5.py 

 　　以参数-m pdb启动后，pdb定位到下一步要执行的代码->s='0'

> /nas/scripts/python/learn-python3/samples/debug/err5.py(2)<module>()
-> s='0'

 　　可以输入字母l来查看代码

(Pdb) l
  1  	#err5.py
  2  ->	s='0'
  3  	n=int(s)
  4  	print(10 / n)

 　　输入n可以单步执行代码

(Pdb) n
> /nas/scripts/python/learn-python3/samples/debug/err5.py(3)<module>()
-> n=int(s)

> /nas/scripts/python/learn-python3/samples/debug/err5.py(4)<module>()
-> print(10 / n)

(Pdb) n
ZeroDivisionError: division by zero
> /nas/scripts/python/learn-python3/samples/debug/err5.py(4)<module>()
-> print(10 / n)

 　　任何时候都可以输入p 加变量名查看变量

(Pdb) p s
'0'

 　　输入q结束调试

　　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：

　　err6.py

#err6.py
import pdb
s='0'
n=int(s)
#运行到这来会自动暂停
pdb.set_trace()
print(10 / n)

 　　运行代码，程序会自动在pdb.set_trace()暂停并进入pdb调试环境，可以用命令p查看变量，或者用命令c继续运行：

(base) [root@prd-zabbix debug]# python3 err6.py 
> /nas/scripts/python/learn-python3/samples/debug/err6.py(7)<module>()
-> print(10 / n)
(Pdb) p n
0
(Pdb) c
Traceback (most recent call last):
  File "err6.py", line 7, in <module>
    print(10 / n)
ZeroDivisionError: division by zero

 　　

　　IDE

　　如果要比较爽地设置断点、单步执行，就需要一个支持调试功能的IDE。目前比较好的Python IDE有：

　　Visual Studio Code：https://code.visualstudio.com/，需要安装Python插件。

　　PyCharm：http://www.jetbrains.com/pycharm/

　　另外，Eclipse加上pydev插件也可以调试Python程序。

　　

　　小结

　　写程序最痛苦的事情莫过于调试，程序往往会以你意想不到的流程来运行，你期待执行的语句其实根本没有执行，这时候，就需要调试了。

虽然用IDE调试起来比较方便，但是最后你会发现，logging才是终极武器。