对于 python 代码的调试我们通常都是使用 IDE 自带的调试功能。但是 IDE 提供的调试功能存在局限性，例如在测试服务器上调试代码，但是又不可能在测试服务器上安装 IDE 进行调试。这时我们就可以利用下面所讲解的三个工具进行调试。

零、准备调试代码

在讲解三个调试工具前，我们先编写待调试的代码。代码很简单，就是计算两个数的商。我们在编写代码的时候故意留下了除数为 0 的 bug。

def division(start, end):
  for i in range(start, end, -1):
    num1 = i
    num2 = i - 1
    result = num1 / num2
    print(result)


if __name__ == '__main__':
  division(10, 0)

一、PySnooper

PySnooper 是 Python 的第三方工具库，它可以精确的显示代码的执行时间、执行顺序和代码中的局部变量值的变化等。 PySnooper 使用方法很简单，只需要将它作为装饰器来使用即可。下面我们来看一下具体使用步骤：

安装 PySnooper

1. 在控制台输入如下命令：

pip install pysnooper

等待两秒钟后 PySnooper 安装完成。

2. 加入 PySnooper

首先需要引入 PySnooper

import pysnooper

接着在需要测试的函数上加上 pysnooper 装饰器

@pysnooper.snoop()
def division(start, end):
  for i in range(start, end, -1):
    num1 = i
    num2 = i - 1
    result = num1 / num2
    print(result)


if __name__ == '__main__':
  division(10, 0)

调试代码
在控制台输入命令：

python text.py

运行代码后，控制台输出如下内容

上图只截取了 PySnooper 输出日志的开头内容和最后结尾的内容。从截图中我们可以看到 PySnooper 输出了每行代码的运行顺序、运行时间和代码运行中变量值的变化，以及报错信息。在实际项目中 PySnooper 输出的日志内容会很多，在控制台查看会很不方便，这时我们可以将日志输出到本地文件中，我们只需在 PySnooper 装饰器中加入日志保存路径即可:

@pysnooper.snoop('/app/project_log.log')

一些公司对日志输出会有要求，比如每行日志要以某某字符串开头，这时只需在装饰器中加入需要字符穿即可：

@pysnooper.snoop(prefix='MyCompanyName: ')

上述所讲的都是 PySnooper 装饰器的常用参数，例如监控自定义表达式、监控底层函数、多线程等 PySnooper 同样支持，具体参数可以在官方项目文档中查看。
前面我们所讲的都是在函数上利用装饰器来监控整个函数，但是在实际项目中往往一个函数内容会很多，如果监控整个函数会导致输出的日志过多，这时我们就可以利用 PySnooper 的局部监控功能来监控函数中需要监控的代码片段。现在我们来修改一下代码，只监控输出的值：

import pysnooper

def division(start, end):
  for i in range(start, end, -1):
    with pysnooper.snoop():
      num1 = i
      num2 = i - 1
      result = num1 / num2
    print(result)


if __name__ == '__main__':
  division(10, 0)

上述代码运行后我们就会发现输出的内容少了很多。

二、Better-exceptions

Better-exceptions 同样是 Python 的第三方工具库，它出现的原因是其实很简单就是“美化异常信息”（是不是感觉作者很任性）。 Better-exceptions 主要使用了 Python 的 sys 模块的 excepthook 方法，这个方法在当系统抛出异常时，解释器就会调用它，同时传递三个参数：异常类、异常实例和 traceback 对象，这就说明我们可以重写这个方法来捕获系统异常。但是，因为我们可以重写 excepthook 方法来捕获系统异常，因此 Better-exceptions 对与 Web 框架来说是不起任何作用的，因为 Web 框架都已经处理了系统抛出的异常，不会再以 hook 的方式触发 Better-exceptions 。下面我们就来看一下该怎么用。

安装 Better-exceptions

首先在控制台输入如下命令：

pip install better-exceptions

等待两秒钟后 Better-exceptions 安装完成。

接着我们在控制台输入如下代码，来设置环境变量：

setx BETTER_EXCEPTIONS 1

调试代码
在控制台输入命令：

python text.py

代码运行后，控制台输出如下图：

从上面的图我们可以看到，Better-exceptions 对异常代码进行了着色，并对产生异常的变量值进行了输出。通过这两项内容我们就可以很快捷的看到具体报错位置和报错原因。

这里有需要注意的地方就是，在 Windows 系统下输出的日志会存在乱码问题，这是因为 Better-exceptions 的编码格式造成的。要解决这个问题我们只需要修改 better-exceptions 目录下的 encoding.py 文件，讲文件中的 ENCODING = locale.getpreferredencoding()修改为 ENCODING = 'utf-8'即可。

三、PDB

PDB 是 Python 内置的模块，我们可以利用 PDB 设置断点和跟踪调试。 PDB 的使用不需要再安装第三方插件，只需要在命令行输入如下命令：

python -m pdb Test.py

命令执行后将会进入 PDB 调试模式。如果需要在代码中加入断点，只需要在需要加入断点的位置加入 pdb.set_trace()即可。当进入到 PDB 模式后，输入 c 就可以从当前断点直接跳转到下一个断点，如果后续没有断点，则会将剩余代码执行完。当然，如果需要单步执行代码，在控制台输入 s 指令，但是有时主函数会调用大量的其他函数，这时在命令行输入 n 就可以只在主函数中执行单步调试。除了上述指令外，PDB 还有其他指令，如下表：

指令 说明 l 显示所有代码 n 执行下一条代码 c 执行当前断点后面的代码，知道代码执行完毕 b x 在代码的第X行设置断点 clear 清除全部断点 s 单步执行 s function_name 进入 function_name 函数内部执行 q 退出PDB a 打印所有参数值 p 打印指定变量值 r 忽略剩余断点，将剩余代码执行完毕

四、总结

我们讲解了 PySnooper 、Better-exceptions 和 PDB 的用法，这三种方法一般都使用在服务器上，这里我推荐使用Better-exceptions，因为它对代码的侵入性很小，几乎不需要改变代码。

 以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。