Python 代碼調試：十個調試 Python 代碼的技巧
調試是編程過程中不可或缺的一部分，尤其是在開發復雜的Python應用程序時。有效的調試技巧可以幫助你快速定位問題，提高開發效率。今天，我們就來聊聊10個調試Python代碼的技巧。
1. 使用 print 語句
最簡單的調試方法就是使用 print 語句。雖然簡單，但非常有效。通過在關鍵位置打印變量的值，你可以了解程序的執行流程和數據狀態。
def add(a, b):
print(f"Adding {a} and {b}") # 打印輸入參數
result = a + b
print(f"Result: {result}") # 打印計算結果
return result
add(3, 5)輸出結果：
Adding 3 and 5
Result: 82. 使用 assert 語句
assert 語句用于檢查條件是否為真，如果不為真則拋出 AssertionError。這有助于你在開發過程中捕獲錯誤假設。
def divide(a, b):
assert b != 0, "除數不能為零" # 檢查除數不為零
return a / b
divide(10, 2)
# divide(10, 0) # 這會拋出 AssertionError3. 使用 logging 模塊
print 語句雖然簡單，但在大型項目中管理起來比較麻煩。logging 模塊提供了更靈活的日志記錄方式。
import logging
logging.basicConfig(level=logging.DEBUG, format='%(asctime)s - %(levelname)s - %(message)s')
def multiply(a, b):
logging.debug(f"Multiplying {a} and {b}")
result = a * b
logging.debug(f"Result: {result}")
return result
multiply(4, 5)輸出結果：
2023-10-01 12:00:00,000 - DEBUG - Multiplying 4 and 5
2023-10-01 12:00:00,001 - DEBUG - Result: 204. 使用調試器
Python 自帶了一個強大的調試器 pdb（Python Debugger）。你可以使用它來逐步執行代碼，檢查變量值，設置斷點等。
import pdb
def factorial(n):
result = 1
for i in range(1, n + 1):
result *= i
pdb.set_trace() # 設置斷點
return result
factorial(5)運行上述代碼后，程序會在 pdb.set_trace() 處暫停，你可以使用以下命令進行調試：
- n：執行下一行
- c：繼續執行
- p variable：打印變量的值
5. 使用 try-except 塊
try-except 塊可以捕獲異常并處理，避免程序崩潰。你可以在 except 塊中添加調試信息。
def safe_divide(a, b):
try:
result = a / b
except ZeroDivisionError:
print("除數不能為零")
return None
return result
safe_divide(10, 0)輸出結果：
除數不能為零6. 使用 ipdb 調試器
ipdb 是 pdb 的增強版，提供了更友好的交互界面。你可以通過 pip install ipdb 安裝它。
import ipdb
def complex_function(a, b, c):
x = a + b
y = b * c
z = x - y
ipdb.set_trace() # 設置斷點
return z
complex_function(3, 4, 5)7. 使用 IDE 內置調試工具
現代 IDE（如 PyCharm、VSCode）提供了強大的調試工具，支持設置斷點、單步執行、查看變量值等功能。這些工具通常比 pdb 更加用戶友好。
8. 使用 traceback 模塊
traceback 模塊可以幫助你獲取和打印詳細的錯誤堆棧信息，這對于調試復雜問題非常有用。
import traceback
def nested_function():
raise ValueError("這是一個錯誤")
def outer_function():
try:
nested_function()
except Exception as e:
print("捕獲到異常:")
traceback.print_exc()
outer_function()輸出結果：
捕獲到異常:
Traceback (most recent call last):
File "example.py", line 10, in outer_function
nested_function()
File "example.py", line 6, in nested_function
raise ValueError("這是一個錯誤")
ValueError: 這是一個錯誤9. 使用 unittest 進行單元測試
編寫單元測試可以幫助你驗證代碼的正確性，發現潛在的問題。
import unittest
def square(x):
return x * x
class TestSquare(unittest.TestCase):
def test_positive(self):
self.assertEqual(square(3), 9)
def test_negative(self):
self.assertEqual(square(-3), 9)
if __name__ == '__main__':
unittest.main()10. 使用 timeit 模塊進行性能調試
timeit 模塊可以幫助你測量代碼的執行時間，優化性能瓶頸。
import timeit
def slow_function():
sum = 0
for i in range(1000000):
sum += i
return sum
def fast_function():
return sum(range(1000000))
print("慢函數執行時間:", timeit.timeit(slow_function, number=1))
print("快函數執行時間:", timeit.timeit(fast_function, number=1))輸出結果：
慢函數執行時間: 0.213456
快函數執行時間: 0.001234實戰案例：調試一個簡單的 web 應用
假設你正在開發一個簡單的 Flask 應用，遇到一個問題：用戶提交表單后，服務器返回 500 錯誤。我們需要調試這個問題。
from flask import Flask, request, jsonify
import logging
app = Flask(__name__)
logging.basicConfig(level=logging.DEBUG, format='%(asctime)s - %(levelname)s - %(message)s')
@app.route('/submit', methods=['POST'])
def submit_form():
data = request.json
logging.debug(f"Received data: {data}")
if not data or 'name' not in data:
return jsonify({"error": "缺少 name 參數"}), 400
name = data['name']
logging.debug(f"Processing name: {name}")
if not name:
return jsonify({"error": "name 不能為空"}), 400
# 模擬處理邏輯
result = f"Hello, {name}!"
logging.debug(f"Result: {result}")
return jsonify({"message": result})
if __name__ == '__main__':
app.run(debug=True)在這個例子中，我們使用了 logging 模塊來記錄請求和處理過程中的信息。通過查看日志，我們可以快速定位問題所在。此外，app.run(debug=True) 啟用了 Flask 的調試模式，可以在發生錯誤時顯示詳細的錯誤信息。
總結
本文介紹了10個調試Python代碼的技巧，包括使用 print 語句、assert 語句、logging 模塊、調試器、try-except 塊、ipdb 調試器、IDE 內置調試工具、traceback 模塊、unittest 單元測試和 timeit 性能調試。
