还在用 print 调试？这 3 个 Debug 技巧让你效率翻倍

告别低效的 print 调试！通过 IDE 断点调试、日志系统配置与 PySnooper 自动化追踪，让程序问题无处遁形，**调试不是玄学，而是可复现的科学！

1. 断点调试：让代码进入子弹时间

断点调试是开发者最常用的调试工具，它让程序在指定位置暂停，逐行观察变量状态和执行路径，是定位问题的利器。

1.1 为何断点调试碾压 print？

[!note] 使用断点调试时，请使用 IDE 工具，本文以 Pycharm 为例，其他 IDE 工具与此类似。

1.2 断点调试三步法

1. 设置断点：在代码行号左侧点击出现红点。

2. 启动调试：鼠标右击，调试或者点击右上角小昆虫的图标即可 DEBUG

3.逐行探查：

调试时代码会在断点（红点）处暂停，并显示执行过程中变量具体的值；
点击下方控制栏中的小箭头可以逐行查看代码执行效果，或者撤销执行，也可以快速执行到下一个断点处；

控制栏处也会记录每次循环中的变量类型和变量值，方便查看！

2. 日志系统：程序运行的黑匣子

Logging 是 Python 标准库中的日志记录工具，用于替代 print 调试，提供更专业、灵活的日志管理功能。

2.1 日志 vs print：

# print 调试（业余版）  
print(f"当前用户ID: {user_id}，操作状态: {status}")  

# 日志系统（专业版）  
import logging  
logger.info("用户操作审计", extra={"user_id": 123, "status": "SUCCESS"})  

核心优势：

1. 分级管控：从 DEBUG 开发细节到 CRITICAL 系统崩溃，按需过滤信息
2. 持久化存储：自动写入文件，避免终端输出被冲刷丢失
3. 结构化输出：支持 JSON 格式，方便接入 ELK 等日志分析平台
4. 线程/进程安全：多任务环境下精准记录操作时序

2.2 日志配置模板

import logging

logging.basicConfig(
    level=logging.DEBUG,  # 设置日志级别
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',  # 日志格式
    handlers=[
        logging.FileHandler("app.log"),  # 输出到文件
        logging.StreamHandler()          # 输出到终端
    ]
)

# 记录日志
logging.debug("这是一条调试信息")
logging.info("这是一条普通信息")
logging.warning("这是一条警告信息")
logging.error("这是一条错误信息")
logging.critical("这是一条严重错误信息")

核心参数：

日志级别：
日志级别从低到高分为以下 5 级，我们可以对错误进行分级调试，仅展示错误类型。

我们用一个除 0 计算作为示例

import logging

#基础日志配置
logging.basicConfig(
    level=logging.DEBUG,
    format='%(levelname)s - %(message)s',
    handlers=[
        logging.FileHandler("error.log"),
        logging.StreamHandler()
    ]
)

#关键函数，用日志记录错误
def divide(x, y):
    try:
        logging.debug(f"尝试计算 {x}/{y}")
        result = x / y
        logging.info(f"计算结果: {result}")
        return result
    except ZeroDivisionError as e:
        logging.error("除零错误！", exc_info=True)  # 记录完整异常堆栈
        raise

#触发错误
divide(10, 0)  # 此调用会抛出错误并被日志捕获

由于进行了除 0 计算，代码肯定会报错，日志系统能够完整的记录对应的错误类型、内容、时间，长期保存。

3. PySnooper：让代码自动调试

PySnooper 是一个通过装饰器自动记录代码执行过程的 Python 调试工具，让你不用写 print 也能看透代码的每一步操作。

特点：

• 自动追踪变量变化
• 可视化代码执行路径
• 捕获异常堆栈信息

3.1 PySnooper vs print 调试对比

3.2 具体使用方法

安装：

pip install pysnooper  

使用方法：

在代码前面加一段装饰器，然后将你需要关注的变量加入监控列表，就能自动记录。

import pysnooper

@pysnooper.snoop(
    output="debug.log",  # 输出到文件
    watch=("number", "sum")  # 监控关键变量

我们用一个经典的猜数字游戏来举例：

"""
@file: PySnooper测试.py.py
@author: lingxiaotian
@date: 2025/2/26 18:08
"""
# Copyright (c) 2025, 凌小添
# All rights reserved.

import pysnooper
import random

@pysnooper.snoop(
    color=False,
    output="game_debug.log",  # 输出到文件
    watch=("target_number", "guess_count")  # 监控关键变量
)
def guess_number_game():
    target_number = random.randint(1, 5)
    guess_count = 0

    print("欢迎来到猜数字游戏！数字在1~5之间")

    while True:
        user_input = input("请输入你的猜测：")
        guess_count += 1

        if not user_input.isdigit():
            raise ValueError("必须输入数字！")

        guess = int(user_input)

        if guess == target_number:
            print(f"恭喜！你用了 {guess_count} 次猜中答案 {target_number}")
            break
        elif guess < target_number:
            print("猜小了，再试试！")
        else:
            print("猜大了，再试试！")

# 启动游戏
guess_number_game()

代码运行后，pysnooper模块会自动记录时间点和监控变量值的变化情况。

4. 小结

本文三大调试方法对比

⚠️ 注意事项：

1. 断点调试：

• 避免设置过多断点，影响执行效率

2. 日志系统：

• 生产环境使用 WARNING 及以上级别，避免日志爆炸
• 启用日志轮转（RotatingFileHandler）防止磁盘占满

3.PySnooper：

• 调试完成后及时移除装饰器，避免性能损耗
• 复杂场景推荐结合日志系统使用