Python 6.2 调试
2016-01-26 14:39
375 查看
调试
程序一次写完并且运行正常的概率非常低,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,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:
>>>n =0
用print()最大的坏处就是将来还要删除它,想想程序到处都是print(),运行结果也包含很多垃圾信息。所以,我们有第二种方法。
断言
凡是可以使用print()来辅助查看的地方都可以使用断言(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语句就会抛出assertionError:
AsserationError: 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解释器可以用-o参数来关闭assert。
关闭后,你可以把所有的assert语句当成pass看。
logging
把print()替换为logging是第三种方法,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,发现出了ZeroDivisionError外,没有任何信息,怎么回事?
再import logging之后添加一条配置再试试;
import logging
logging.bascConfig(level =logging.INFO)
看到输出了。
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几个级别,当我们指定level =logging.INFO,logging.debug就不起作用了。这样一来,就可以放心的输出不同级别的信息,也不用删除,最后统一控制输出那个级别的信息。
logging的另一个好处就是通过简单的配置,一条语句可以输出到不同的文件,比如console和文件。
pdb
第四种是启动Python的调试器pdb,让程序单步运行,可以随时查看运行状态。我们先准备好程序:
s ='0'
n =int(s)
print(10/n)
然后启动Python调试器pdb,让程序单步运行。
(pdb)1
pdb(n)
:
pdb(q)
这种通过pdb在命令行调试的方法理论上是万能的,但是实在是太麻烦了,当代码量很大时,该办法显得笨拙。
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_tarce(),就可以设置一个断点:
import pdb
s ='0'
n =int(s)
pdb.set_trace()
print(10/n)
运行代码,程序会在pdb.set_trace()暂停并进入pdb调试环境,可以使用命令p查看变量,或者用命令c继续执行。
IDE
如果要比较爽的设置断点,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: 另外,Eclipse加上pydev插件也可以调试Python程序。
小结:
写程序最痛苦的莫过于调试,程序往往会以你意想不到的流程执行,这时候需要调试。
虽然IDE调试起来比较简单,但是最终,你发现logging才是终极武器。
程序一次写完并且运行正常的概率非常低,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,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:
>>>n =0
用print()最大的坏处就是将来还要删除它,想想程序到处都是print(),运行结果也包含很多垃圾信息。所以,我们有第二种方法。
断言
凡是可以使用print()来辅助查看的地方都可以使用断言(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语句就会抛出assertionError:
AsserationError: 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解释器可以用-o参数来关闭assert。
关闭后,你可以把所有的assert语句当成pass看。
logging
把print()替换为logging是第三种方法,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,发现出了ZeroDivisionError外,没有任何信息,怎么回事?
再import logging之后添加一条配置再试试;
import logging
logging.bascConfig(level =logging.INFO)
看到输出了。
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几个级别,当我们指定level =logging.INFO,logging.debug就不起作用了。这样一来,就可以放心的输出不同级别的信息,也不用删除,最后统一控制输出那个级别的信息。
logging的另一个好处就是通过简单的配置,一条语句可以输出到不同的文件,比如console和文件。
pdb
第四种是启动Python的调试器pdb,让程序单步运行,可以随时查看运行状态。我们先准备好程序:
s ='0'
n =int(s)
print(10/n)
然后启动Python调试器pdb,让程序单步运行。
$ 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1来查看代码:
(pdb)1
(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,但是实在是太麻烦了,当代码量很大时,该办法显得笨拙。
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_tarce(),就可以设置一个断点:
import pdb
s ='0'
n =int(s)
pdb.set_trace()
print(10/n)
运行代码,程序会在pdb.set_trace()暂停并进入pdb调试环境,可以使用命令p查看变量,或者用命令c继续执行。
$ 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这个方法比直接启动pdb单步执行效率要高很多,但是也快不到哪去。
IDE
如果要比较爽的设置断点,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: 另外,Eclipse加上pydev插件也可以调试Python程序。
小结:
写程序最痛苦的莫过于调试,程序往往会以你意想不到的流程执行,这时候需要调试。
虽然IDE调试起来比较简单,但是最终,你发现logging才是终极武器。
相关文章推荐
- Python动态类型的学习---引用的理解
- Python3写爬虫(四)多线程实现数据爬取
- 垃圾邮件过滤器 python简单实现
- 下载并遍历 names.txt 文件,输出长度最长的回文人名。
- Linux 自检和 SystemTap
- install and upgrade scrapy
- Scrapy的架构介绍
- Centos6 编译安装Python
- 使用Python生成Excel格式的图片
- 让Python文件也可以当bat文件运行
- [Python]推算数独
- Python中zip()函数用法举例
- Python中map()函数浅析
- Python将excel导入到mysql中
- Python在CAM软件Genesis2000中的应用
- 使用Shiboken为C++和Qt库创建Python绑定
- FREEBASIC 编译可被python调用的dll函数示例