这款 Python 调试神器推荐收藏

大家好，对于每个程序开发者来说，调试几乎是必备技能。

代码写到一半卡住了，不知道这个函数执行完的返回结果是怎样的？调试一下看看

代码运行到一半报错了，什么情况？怎么跟预期的不一样？调试一下看看

调试的方法多种多样，不同的调试方法适合不同的场景和人群。

如果你是刚接触编程的小萌新，对很多工具的使用还不是很熟练，那么 print 和 log 大法好；
如果你在本地（Win或者Mac）电脑上开发，那么 IDE 的图形化界面调试无疑是最适合的；
如果你在服务器上排查BUG，那么使用 PDB 进行无图形界面的调试应该是首选；
如果你要在本地进行开发，但是项目的进行需要依赖复杂的服务器环境，那么可以了解下 PyCharm 的远程调试；

除了以上，今天明哥再给你介绍一款非常好用的调试工具，它能在一些场景下，大幅度提高调试的效率，那就是 PySnooper，它在 Github 上已经收到了 13k 的 star，获得大家的一致好评。

有了这个工具后，就算是小萌新也可以直接无门槛上手，从此与 print 说再见~

文章目录

- 技术提升
- 1. 快速安装
- 2. 简单案例
- 3. 详细使用
- - 2.1 重定向到日志文件
  - 2.2 跟踪非局部变量值
  - 2.3 设置跟踪函数的深度
  - 2.4 设置调试日志的前缀
  - 2.5 设置最大的输出长度
  - 2.6 支持多线程调试模式
  - 2.7 自定义对象的格式输出

技术提升

技术要学会分享、交流，不建议闭门造车。一个人走的很快、一堆人可以走的更远。

本文来自技术群粉丝的分享、推荐，资料、代码、数据、技术交流提升，均可加交流群获取，群友已超过2000人，添加时切记的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。

方式①、添加微信号：pythoner666，备注：来自 CSDN + python
方式②、微信搜索公众号：Python学习与数据挖掘，后台回复：加群

1. 快速安装

执行下面这些命令进行安装 PySnooper

$ python3 -m pip install pysnooper  
  
# 或者  
$ conda install -c conda-forge pysnooper  
  
# 或者  
$ yay -S python-pysnooper

2. 简单案例

下面这段代码，定义了一个 demo_func 的函数，在里面生成一个 profile 的字典变量，然后去更新它，最后返回。

代码本身没有什么实际意义，但是用来演示 PySnooper 已经足够。

import pysnooper  
  
@pysnooper.snoop()  
def demo_func():  
    profile = {}  
    profile["name"] = "写代码的明哥"  
    profile["age"] = 27  
    profile["gender"] = "male"  
  
    return profile  
  
def main():  
    profile = demo_func()  
  
main()

现在我使用终端命令行的方式来运行它

[root@iswbm ~]# python3 demo.py   
Source path:... demo.py  
17:52:49.624943 call         4 def demo_func():  
17:52:49.625124 line         5     profile = {}  
New var:....... profile = {}  
17:52:49.625156 line         6     profile["name"] = "写代码的明哥"  
Modified var:.. profile = {'name': '写代码的明哥'}  
17:52:49.625207 line         7     profile["age"] = 27  
Modified var:.. profile = {'name': '写代码的明哥', 'age': 27}  
17:52:49.625254 line         8     profile["gender"] = "male"  
Modified var:.. profile = {'name': '写代码的明哥', 'age': 27, 'gender': 'male'}  
17:52:49.625306 line        10     return profile  
17:52:49.625344 return      10     return profile  
Return value:.. {'name': '写代码的明哥', 'age': 27, 'gender': 'male'}  
Elapsed time: 00:00:00.000486

可以看到 PySnooper 把函数运行的过程全部记录了下来，包括：

代码的片段、行号等信息，以及每一行代码是何时调用的？
函数内局部变量的值如何变化的？何时新增了变量，何时修改了变量。
函数的返回值是什么？
运行函数消耗了多少时间？

而作为开发者，要得到这些如此详细的调试信息，你需要做的非常简单，只要给你想要调试的函数上带上一顶帽子（装饰器） – @pysnooper.snoop() 即可。

3. 详细使用

2.1 重定向到日志文件

@pysnooper.snoop() 不加任何参数时，会默认将调试的信息输出到标准输出。

对于单次调试就能解决的 BUG ，这样没有什么问题，但是有一些 BUG 只有在特定的场景下才会出现，需要你把程序放在后面跑个一段时间才能复现。

这种情况下，你可以将调试信息重定向输出到某一日志文件中，方便追溯排查。

@pysnooper.snoop(output='/var/log/debug.log')  
def demo_func():  
    ...

2.2 跟踪非局部变量值

PySnooper 是以函数为单位进行调试的，它默认只会跟踪函数体内的局部变量，若想跟踪全局变量，可以给 pysnooper.snoop() 加上 watch 参数

out = {"foo": "bar"}  
  
@pysnooper.snoop(watch=('out["foo"]'))  
def demo_func():  
    ...

如此一来，PySnooper 会在 out["foo"] 值有变化时，也将其打印出来

watch 参数，接收一个可迭代对象（可以是list 或者 tuple），里面的元素为字符串表达式，什么意思呢？看下面例子就知道了

@pysnooper.snoop(watch=('out["foo"]', 'foo.bar', 'self.foo["bar"]'))  
def demo_func():  
    ...

和 watch 相对的，pysnooper.snoop() 还可以接收一个函数 watch_explode，表示除了这几个参数外的其他所有全局变量都监控。

@pysnooper.snoop(watch_explode=('foo', 'bar'))  
def demo_func():  
    ...

2.3 设置跟踪函数的深度

当你使用 PySnooper 调试某个函数时，若该函数中还调用了其他函数，PySnooper 是不会傻傻的跟踪进去的。

如果你想继续跟踪该函数中调用的其他函数，可以通过指定 depth 参数来设置跟踪深度（不指定的话默认为 1）。

@pysnooper.snoop(depth=2)  
def demo_func():  
 ...

2.4 设置调试日志的前缀

当你在使用 PySnooper 跟踪多个函数时，调试的日志会显得杂乱无章，不方便查看。

在这种情况下，PySnooper 提供了一个参数，方便你为不同的函数设置不同的标志，方便你在查看日志时进行区分。

@pysnooper.snoop(output="/var/log/debug.log", prefix="demo_func: ")  
def demo_func():  
    ...

效果如下

2.5 设置最大的输出长度

默认情况下，PySnooper 输出的变量和异常信息，如果超过 100 个字符，被会截断为 100 个字符。

当然你也可以通过指定参数进行修改

@pysnooper.snoop(max_variable_length=200）  
def demo_func():  
    ...

您也可以使用max_variable_length=None它从不截断它们。

@pysnooper.snoop(max_variable_length=None）  
def demo_func():  
    ...

2.6 支持多线程调试模式

PySnooper 同样支持多线程的调试，通过设置参数 thread_info=True，它就会在日志中打印出是在哪个线程对变量进行的修改。

@pysnooper.snoop(thread_info=True)  
def demo_func():  
    ...

效果如下

2.7 自定义对象的格式输出

pysnooper.snoop() 函数有一个参数是 custom_repr，它接收一个元组对象。

在这个元组里，你可以指定特定类型的对象以特定格式进行输出。

这边我举个例子。

假如我要跟踪 person 这个 Person 类型的对象，由于它不是常规的 Python 基础类型，PySnooper 是无法正常输出它的信息的。

因此我在 pysnooper.snoop() 函数中设置了 custom_repr 参数，该参数的第一个元素为 Person，第二个元素为 print_persion_obj 函数。

PySnooper 在打印对象的调试信息时，会逐个判断它是否是 Person 类型的对象，若是，就将该对象传入 print_persion_obj 函数中，由该函数来决定如何显示这个对象的信息。

class Person:pass  
  
def print_person_obj(obj):  
    return f"<Person {obj.name} {obj.age} {obj.gender}>"  
  
@pysnooper.snoop(custom_repr=(Person, print_person_obj))  
def demo_func():  
    ...

完整的代码如下

import pysnooper  
  
class Person:pass  
  
  
def print_person_obj(obj):  
    return f"<Person {obj.name} {obj.age} {obj.gender}>"  
  
@pysnooper.snoop(custom_repr=(Person, print_person_obj))  
def demo_func():  
    person = Person()  
    person.name = "写代码的明哥"  
    person.age = 27  
    person.gender = "male"  
  
    return person  
  
def main():  
    profile = demo_func()  
  
main()

运行一下，观察一下效果。

如果你要自定义格式输出的有很多个类型，那么 custom_repr 参数的值可以这么写

@pysnooper.snoop(custom_repr=((Person, print_person_obj), (numpy.ndarray, print_ndarray)))  
def demo_func():  
    ...

还有一点我提醒一下，元组的第一个元素可以是类型（如类名Person 或者其他基础类型 list等），也可以是一个判断对象类型的函数。

也就是说，下面三种写法是等价的。

# 【第一种写法】  
@pysnooper.snoop(custom_repr=(Person, print_persion_obj))  
def demo_func():  
    ...  
  
  
# 【第二种写法】  
def is_persion_obj(obj):  
    return isinstance(obj, Person)  
  
@pysnooper.snoop(custom_repr=(is_persion_obj, print_persion_obj))  
def demo_func():  
    ...  
  
  
# 【第三种写法】  
@pysnooper.snoop(custom_repr=(lambda obj: isinstance(obj, Person), print_persion_obj))  
def demo_func():  
    ...