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： ~~~ ~~~ 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： ~~~ ~~~ $ python3 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： ~~~ ~~~ 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，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`： ~~~ ~~~ $ python3 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`： ~~~ ~~~ $ python3 -O err.py Traceback (most recent call last): ... ZeroDivisionError: division 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： ~~~ ~~~ 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： ~~~ ~~~ import logging logging.basicConfig(level=logging.INFO) ~~~ ~~~ 看到输出了： ~~~ ~~~ $ python3 err.py INFO:root:n = 0 Traceback (most recent call last): File "err.py", line 8, 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： ~~~ ~~~ # err.py s = '0' n = int(s) print 10 / n ~~~ ~~~ 然后启动： ~~~ ~~~ $ python3 -m pdb err.py > /Users/michael/Github/learn-python3/samples/debug/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： ~~~ ~~~ (Pdb) l 1 # err.py 2 -> s = '0' 3 n = int(s) 4 print 10 / n ~~~ ~~~ 输入命令`n`可以单步执行代码： ~~~ ~~~ (Pdb) n > /Users/michael/Github/learn-python3/samples/debug/err.py(3)<module>() -> n = int(s) (Pdb) n > /Users/michael/Github/learn-python3/samples/debug/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： ~~~ ~~~ (Pdb) p s '0' (Pdb) p n 0 ~~~ ~~~ 输入命令`q`结束调试，退出程序： ~~~ ~~~ (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： ~~~ ~~~ # err.py import pdb s = '0' n = int(s) pdb.set_trace() # 运行到这里会自动暂停 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： ~~~ ~~~ $ python3 err.py > /Users/michael/Github/learn-python3/samples/debug/err.py(7)<module>() -> print 10 / n (Pdb) p n 0 (Pdb) c Traceback (most recent call last): File "err.py", line 7, in <module> print 10 / n ZeroDivisionError: division by zero ~~~ ~~~ 这个方式比直接启动pdb单步调试效率要高很多，但也高不到哪去。 ### 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PyCharm： [](http://www.jetbrains.com/pycharm/)[http://www.jetbrains.com/pycharm/](http://www.jetbrains.com/pycharm/) 另外，[Eclipse](http://eclipse.org/)加上[pydev](http://pydev.org/)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。 ### 参考源码 [do_assert.py](https://github.com/michaelliao/learn-python3/blob/master/samples/debug/do_assert.py) [do_logging.py](https://github.com/michaelliao/learn-python3/blob/master/samples/debug/do_logging.py) [do_pdb.py](https://github.com/michaelliao/learn-python3/blob/master/samples/debug/do_pdb.py)