Python Debug(调试)的终极指南
即使您编写了清晰可读的代码，即使您是非常有经验的开发人员，奇怪的bug也不可避免地会出现，您将需要以某种方式调试它们。很多人使用一堆print语句来查看代码中发生了什么。这种方法远不是理想的，有更好的方法可以找出代码的错误所在，本文将探讨其中一些问题和应对方法。
日志是必须的
如果在编写应用程序时没有设置日志记录，那么您最终会后悔的。应用程序中没有任何日志会使故障排除变得非常困难。幸运的是，在Python中，建立基本的日志程序非常简单：
import logging
logging.basicConfig(
filename='application.log',
level=logging.WARNING,
format= '[%(asctime)s] {%(pathname)s:%(lineno)d} %(levelname)s - %(message)s',
datefmt='%H:%M:%S'
)
logging.error("Some serious error occurred.")
logging.warning('Function you are using is deprecated.') 这就是所有你需要开始写日志的文件，它看起来像这样,你可以找到文件的路径使用logger . getloggerclass ().root.handlers[0].baseFilename)：
[12:52:35] {<stdin>:1} ERROR - Some serious error occurred.
[12:52:35] {<stdin>:1} WARNING - Function you are using is deprecated. 这种设置看起来似乎已经足够好了(通常情况下也是如此)，但是拥有配置良好、格式化、可读的日志可以使您的工作变得更加容易。改进和扩展配置的一种方法是使用被logger读取的.ini或.yaml文件。举个例子，你可以在配置中做什么：
version: 1
disable_existing_loggers: true
formatters:
standard:
format: "[%(asctime)s] {%(pathname)s:%(lineno)d} %(levelname)s - %(message)s"
datefmt: '%H:%M:%S'
handlers:
console: # handler which will log into stdout
class: logging.StreamHandler
level: DEBUG
formatter: standard # Use formatter defined above
stream: ext://sys.stdout
file: # handler which will log into file
class: logging.handlers.RotatingFileHandler
level: WARNING
formatter: standard # Use formatter defined above
filename: /tmp/warnings.log
maxBytes: 10485760 # 10MB
backupCount: 10
encoding: utf8
root: # Loggers are organized in hierarchy - this is the root logger config
level: ERROR
handlers: [console, file] # Attaches both handler defined above
loggers: # Defines descendants of root logger
mymodule: # Logger for "mymodule"
level: INFO
handlers: [file] # Will only use "file" handler defined above
propagate: no # Will not propagate logs to "root" logger 在python代码中使用这种扩展的配置将很难导航、编辑和维护。将内容保存在YAML文件中，可以通过非常特定的设置(如上面的设置)更容易地设置和调整多个日志记录器。
在文件中有了配置，意味着我们需要加载。最简单的方法做与YAML文件：
import yaml
from logging import config
with open("config.yaml", 'rt') as f:
config_data = yaml.safe_load(f.read())
config.dictConfig(config_data) Python logger实际上并不直接支持YAML文件，但是它支持字典配置，可以使用YAML .safe_load轻松地从YAML创建字典配置。如果您更倾向于使用旧的.ini文件，那么我只想指出，对于新应用程序，根据文档，推荐使用字典configs。
__repr__ 可读的日志
对代码进行简单的改进，使其更具可调试性，可以在类中添加__repr__方法。如果你不熟悉这个方法-它所做的只是返回一个类实例的字符串表示。使用__repr__方法的最佳实践是输出可用于重新创建实例的文本。例如:
class Circle:
def __init__(self, x, y, radius):
self.x = x
self.y = y
self.radius = radius
def __repr__(self):
return f"Rectangle({self.x}, {self.y}, {self.radius})"
...
c = Circle(100, 80, 30)
repr(c)
# Circle(100, 80, 30) 除了__repr__，在调用print(实例)时，执行__str__方法也是一个好主意。有了这两种方法，你可以通过打印你的变量得到很多信息。
针对字典的__missing__方法
如果出于某种原因需要实现自定义dictionary类，那么在尝试访问一些实际上不存在的密钥时，您可能会遇到一些由keyerror引起的错误。为了避免在代码中到处查看丢失了哪个键(key)，你可以实现特殊的__miss__方法，每次KeyError被提出时调用。
class MyDict(dict):
def __missing__(self, key):
message = f'{key} not present in the dictionary!'
logging.warning(message)
return message # Or raise some error instead 上面的实现非常简单，只返回和记录丢失键的消息，但是您还可以记录其他有价值的信息，以便了解代码中出现了什么问题。
调试崩溃的应用程序
如果您的应用程序在您有机会了解其中发生了什么之前就崩溃了，那么您可能会发现这个技巧非常有用。
使用-i参数运行应用程序(python3 -i app.py)会导致程序一退出就启动交互式shell。此时，您可以检查变量和函数。
如果这还不够好，您可以带一个更强大的工具 - pdb - Python调试器。pdb有很多特性，可以单独写一篇文章来说明。但这里有一个例子和最重要的部分的纲要。让我们先看看崩溃脚本：
# crashing_app.py
SOME_VAR = 42
class SomeError(Exception):
pass
def func():
raise SomeError("Something went wrong...")
func() 现在，如果我们用-i参数运行它，我们就有机会调试它：
# Run crashing application
~ $ python3 -i crashing_app.py
Traceback (most recent call last):
File "crashing_app.py", line 9, in <module>
func()
File "crashing_app.py", line 7, in func
raise SomeError("Something went wrong...")
__main__.SomeError: Something went wrong...
>>> # We are interactive shell
>>> import pdb
>>> pdb.pm() # start Post-Mortem debugger
> .../crashing_app.py(7)func()
-> raise SomeError("Something went wrong...")
(Pdb) # Now we are in debugger and can poke around and run some commands:
(Pdb) p SOME_VAR # Print value of variable
42
(Pdb) l # List surrounding code we are working with
2
3 class SomeError(Exception):
4 pass
5
6 def func():
7 -> raise SomeError("Something went wrong...")
8
9 func()
[EOF]
(Pdb) # Continue debugging... set breakpoints, step through the code, etc. 上面的调试会话非常简单地展示了使用pdb可以做什么。程序结束后，我们进入交互式调试会话。首先，导入pdb并启动调试器。此时，我们可以使用所有pdb命令。作为上面的示例，我们使用p命令打印变量，使用l命令列出代码。大部分时间你可能会想要设置断点,可以与b LINE_NO和运行程序,直到断点(c),然后继续与年代,逐页浏览功能的选择可能与w。
堆栈跟踪
假设您的代码是运行在远程服务器上的Flask或Django应用程序，在那里您无法获得交互式调试会话。在这种情况下，你可以使用traceback和sys包来了解你的代码中失败的地方：
import traceback
import sys
def func():
try:
raise SomeError("Something went wrong...")
except:
traceback.print_exc(file=sys.stderr) 在运行时，上面的代码将打印引发的最后一个异常。除了打印异常，您还可以使用traceback包来打印stacktrace (traceback. print_stack())或提取原始堆栈帧，格式化它并进一步检查它(traceback. format_list(traceback.extract_stack()))。
在调试期间重新加载模块
有时，您可能在交互式shell中调试或试验某些函数，并经常对其进行更改。为了使运行/测试和修改的循环更容易，您可以运行importlib.reload(模块)，以避免在每次更改后重新启动交互会话：