本篇内容主要讲解“Python Debug调试的方法是什么”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python Debug调试的方法是什么”吧!
网站建设哪家好，找创新互联公司！专注于网页设计、网站建设、微信开发、小程序制作、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了青龙免费建站欢迎大家使用！
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] {:1} ERROR - Some serious error occurred. [12:52:35] {: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, infunc() 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：
>>> import func from module >>> func() "This is result..." # Make some changes to "func" >>> func() "This is result..." # Outdated result >>> from importlib import reload; reload(module) # Reload "module" after changes made to "func" >>> func() "New result..."
到此，相信大家对“Python Debug调试的方法是什么”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！