Heim >Backend-Entwicklung >Python-Tutorial >Was ist die Debugging-Methode in Python?
Was ist die Debugging-Methode in Python?
- 王林nach vorne
- 2023-05-12 20:13:131353Durchsuche
Protokollierung ist ein Muss
Wenn Sie Ihre Bewerbung ohne Protokollierungseinrichtung schreiben, werden Sie es am Ende bereuen. Ohne Protokolle in der Anwendung ist es schwierig, Fehler zu beheben. Glücklicherweise ist das Einrichten eines einfachen Loggers in Python sehr einfach:
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.')
Das ist alles, was Sie brauchen, um mit dem Schreiben von Protokollen in eine Datei zu beginnen, die so aussieht (Sie können logging.getLoggerClass( ).root.handlers verwenden [0].baseFilenameDateipfad suchen): logging.getLoggerClass().root.handlers[0].baseFilename查找文件路径）：
[12:52:35] {<stdin>:1} ERROR - Some serious error occurred.
[12:52:35] {<stdin>:1} WARNING - Function you are using is deprecated.
这种设置似乎已经足够好了（通常情况下也是如此），但配置良好、格式化良好、可读的日志可以让你的生活更轻松。改进和扩展配置的一种方法是使用日志记录器读取的.ini或.yaml文件。例如，你可以在配置中执行以下操作：
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代码中拥有这种广泛的配置将很难导航、编辑和维护。将内容保存在YAML文件中，可以更轻松地设置和调整多个日志记录程序，这些日志记录程序具有非常特定的设置，如上述设置。
如果你想知道所有这些配置字段的来源，这些都官方文档中记录，其中大多数只是关键字参数，如第一个示例所示。
因此，现在文件中有配置，意味着我们需要以某种方式加载。最简单的方法是使用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，但它支持字典配置，可以使用yaml.safe_load从YAML轻松创建字典配置。如果你倾向于使用旧的.ini文件，那么我只想指出，根据官方文档，使用字典配置是新应用程序的推荐方法。有关更多示例，请查看官方日志记录手册。
日志装饰器
继续前面的日志记录技巧，你可能会遇到需要记录一些错误函数调用的情况。你可以使用日志装饰器来代替修改所述函数的主体，该装饰器将使用特定的日志级别和可选消息记录每个函数调用。让我们看看装饰器：
from functools import wraps, partial
import logging
def attach_wrapper(obj, func=None): # Helper function that attaches function as attribute of an object
if func is None:
return partial(attach_wrapper, obj)
setattr(obj, func.__name__, func)
return func
def log(level, message): # Actual decorator
def decorate(func):
logger = logging.getLogger(func.__module__) # Setup logger
formatter = logging.Formatter(
'%(asctime)s - %(name)s - %(levelname)s - %(message)s')
handler = logging.StreamHandler()
handler.setFormatter(formatter)
logger.addHandler(handler)
log_message = f"{func.__name__} - {message}"
@wraps(func)
def wrapper(*args, **kwargs): # Logs the message and before executing the decorated function
logger.log(level, log_message)
return func(*args, **kwargs)
@attach_wrapper(wrapper) # Attaches "set_level" to "wrapper" as attribute
def set_level(new_level): # Function that allows us to set log level
nonlocal level
level = new_level
@attach_wrapper(wrapper) # Attaches "set_message" to "wrapper" as attribute
def set_message(new_message): # Function that allows us to set message
nonlocal log_message
log_message = f"{func.__name__} - {new_message}"
return wrapper
return decorate
# Example Usage
@log(logging.WARN, "example-param")
def somefunc(args):
return args
somefunc("some args")
somefunc.set_level(logging.CRITICAL) # Change log level by accessing internal decorator function
somefunc.set_message("new-message") # Change log message by accessing internal decorator function
somefunc("some args")
毋庸置疑，这可能需要一点时间才能让你的头脑清醒（你可能只想复制粘贴并使用它）。这里的想法是，log函数接受参数，并将其提供给内部wrapper函数。然后，通过添加附加到装饰器的访问器函数，使这些参数可调整。至于functools.wraps装饰器——若我们在这里不使用它，函数的名称（ func.__name__）将被装饰器的名称覆盖。但这是个问题，因为我们想打印名字。这可以通过functools.wraps将函数名、文档字符串和参数列表复制到装饰器函数来解决。
无论如何，这是上面代码的输出。很整洁，对吧？
2020-05-01 14:42:10,289 - __main__ - WARNING - somefunc - example-param 2020-05-01 14:42:10,289 - __main__ - CRITICAL - somefunc - new-message
__repr__更多可读日志
对代码的简单改进使其更易于调试，就是在类中添加__repr__方法。若你不熟悉这个方法，它所做的只是返回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)
如果如上所示表示对象是不可取的或不可能的，那么好的替代方法是使用<...>表示，例如<_io.TextIOWrapper name='somefile.txt' mode='w' encoding='UTF-8'>。
除了__repr__之外，实现__str__方法也是一个好主意，默认情况下，在调用print(instance)时使用该方法。使用这两种方法，只需打印变量即可获得大量信息。
__missing__字典的Dunder方法
如果你出于任何原因需要实现自定义字典类，那么当你尝试访问一些实际上不存在的键时，可能会因为KeyError而出现一些bug。为了避免不得不在代码中四处查看缺少的键，可以实现特殊的__missing__方法，每次引发KeyError
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
Dieses Setup scheint gut genug zu sein (und ist es normalerweise auch), aber gut konfiguriert, gut formatiert , lesbare Protokolle können Ihnen das Leben erleichtern. Eine Möglichkeit, Ihre Konfiguration zu verbessern und zu erweitern, besteht darin, eine .ini- oder .yaml-Datei zu verwenden, die der Logger liest. Sie könnten beispielsweise Folgendes in der Konfiguration tun:
# crashing_app.py
SOME_VAR = 42
class SomeError(Exception):
pass
def func():
raise SomeError("Something went wrong...")
func()
Eine derart umfangreiche Konfiguration im Python-Code wäre schwierig zu navigieren, zu bearbeiten und zu verwalten. Das Speichern des Inhalts in einer YAML-Datei erleichtert die Einrichtung und Optimierung mehrerer Logger mit sehr spezifischen Einstellungen wie den oben genannten.
Wenn Sie sich fragen, wo all diese Konfigurationsfelder herkommen: Diese sind in der offiziellen Dokumentation dokumentiert und die meisten davon sind nur Schlüsselwortargumente, wie im ersten gezeigt Beispiel.
Jetzt haben wir also die Konfiguration in der Datei, was bedeutet, dass wir sie irgendwie laden müssen. Der einfachste Weg ist die Verwendung einer YAML-Datei: 🎜
# Run crashing application
~ $ python3 -i crashing_app.py
Traceback (most recent call last):
File "crashing_app.py", line 9, in <module>
func()
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.
Python Logger unterstützt YAML-Dateien eigentlich nicht direkt, unterstützt aber die 🎜dictionary🎜-Konfiguration, die mit yaml.safe_load Erstellen Sie ganz einfach Wörterbuchkonfigurationen aus YAML. Wenn Sie lieber die alten .ini-Dateien verwenden möchten, möchte ich nur darauf hinweisen, dass laut offizieller Dokumentation die Verwendung der Wörterbuchkonfiguration der empfohlene Ansatz für neue Anwendungen ist. Weitere Beispiele finden Sie im offiziellen Protokollierungshandbuch. 🎜
Dekorator protokollieren 🎜
Fahren Sie mit den vorherigen Protokollierungstipps fort. Möglicherweise treten einige Fehler auf, die protokolliert werden müssen Funktionsaufrufsituation. Anstatt den Hauptteil dieser Funktion zu ändern, können Sie einen Protokollierungsdekorator verwenden, der jeden Funktionsaufruf mit einer bestimmten Protokollebene und einer optionalen Nachricht protokolliert. Werfen wir einen Blick auf die Dekorateure: 🎜
import traceback
import sys
def func():
try:
raise SomeError("Something went wrong...")
except:
traceback.print_exc(file=sys.stderr)
Unnötig zu erwähnen, dass es eine Weile dauern kann, bis Sie es verstanden haben (Sie können es einfach kopieren, einfügen und verwenden). Die Idee hier ist, dass die Funktion log Argumente akzeptiert und sie der inneren Funktion wrapper bereitstellt. Machen Sie diese Parameter dann anpassbar, indem Sie dem Dekorator Zugriffsfunktionen hinzufügen. Was den Dekorator functools.wraps betrifft – wenn wir ihn hier nicht verwenden, wird der Name der Funktion ( func.__name__) durch den Namen des Dekorators überschrieben . Dies ist jedoch ein Problem, da wir den Namen drucken möchten. Dies kann gelöst werden, indem functools.wraps den Funktionsnamen, die Dokumentzeichenfolge und die Argumentliste in die Dekoratorfunktion kopiert. 🎜
Wie auch immer, hier ist die Ausgabe des obigen Codes. Ziemlich ordentlich, oder? 🎜
>>> 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..."
__repr__ Besser lesbare Protokolle 🎜
Einfache Verbesserungen am Code vorzunehmen Um das Debuggen zu vereinfachen, fügen Sie der Klasse eine __repr__-Methode hinzu. Wenn Sie mit dieser Methode nicht vertraut sind, gibt sie lediglich eine Zeichenfolgendarstellung der Klasseninstanz zurück. Die beste Vorgehensweise bei der Verwendung der Methode __repr__ besteht darin, Text auszugeben, der zum Neuerstellen der Instanz verwendet werden kann. Zum Beispiel: 🎜rrreee
Wenn das Obige darauf hindeutet, dass das Objekt unerwünscht oder unmöglich ist, dann ist die Verwendung von Zusätzlich zu <...> code> eine gute Alternative bedeutet zum Beispiel Verwenden Sie diese Methode. Mit diesen beiden Methoden können Sie viele Informationen erhalten, indem Sie einfach die Variablen drucken. 🎜<_io.TextIOWrapper name='somefile.txt' mode='w' binding='UTF-8'>. 🎜__repr__ ist es auch eine gute Idee, die Methode __str__ standardmäßig nach dem Aufruf von print (instance)
__missing__ Dunder-Methode für Wörterbuch 🎜
Wenn Sie es aus irgendeinem Grund benötigen Implementieren Sie eine benutzerdefinierte Wörterbuchklasse. Wenn Sie versuchen, auf einige Schlüssel zuzugreifen, die tatsächlich nicht vorhanden sind, können aufgrund von KeyError einige Fehler auftreten. Um zu vermeiden, dass Sie in Ihrem Code nach einem fehlenden 🎜Schlüssel🎜 suchen müssen, können Sie eine spezielle __missing__-Methode implementieren, die jedes Mal aufgerufen wird, wenn ein KeyError ausgelöst wird. 🎜rrreee🎜Die obige Implementierung ist sehr einfach, sie gibt lediglich Nachrichten mit fehlendem 🎜Schlüssel🎜 zurück und protokolliert sie. Sie können aber auch andere wertvolle Informationen protokollieren, um mehr Kontext zu Fehlern zu erhalten, die in Ihrem Code auftreten. 🎜
调试崩溃的应用程序
如果你的应用程序在你有机会看到其中发生了什么之前崩溃，你可能会发现这个技巧非常有用。
-i使用参数-i ( python3 -i app.py)运行应用程序会导致它在程序退出后立即启动交互式 shell。此时你可以检查变量和函数。
如果这还不够好，可以使用更大的hammer-pdb-Python调试器。pdb有相当多的特性，可以保证文章的独立性。但这里是一个例子和最重要的部分概要。让我们先看看我们的小崩溃脚本：
# crashing_app.py
SOME_VAR = 42
class SomeError(Exception):
pass
def func():
raise SomeError("Something went wrong...")
func()
现在，如果我们使用-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, in <module>
func()
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如何使用pdb。程序终止后，我们进入交互式调试会话。首先，我们导入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命令打印列表代码。大多数情况下，你可能希望设置断点，你可以使用b LINE_NO来设置断点，并运行程序，直到达到断点（c），然后继续使用s单步执行函数，也可以使用w打印堆栈轨迹。有关命令的完整列表，你可以转到官方pdb文档。
检查堆栈轨迹
例如，假设你的代码是在远程服务器上运行的Flask或Django应用程序，你无法在其中获得交互式调试会话。在这种情况下，你可以使用traceback和sys包来了解代码中的错误：
import traceback
import sys
def func():
try:
raise SomeError("Something went wrong...")
except:
traceback.print_exc(file=sys.stderr)
运行时，上面的代码将打印引发的最后一个异常。除了打印例外，你还可以使用traceback包打印堆栈轨迹（traceback.print_stack()）或提取原始堆栈帧，对其进行格式化并进一步检查（traceback.format_list(traceback.extract_stack())）。
在调试期间重新加载模块
有时，你可能正在调试或试验交互式shell中的某些函数，并对其进行频繁更改。为了使运行/测试和修改的循环更容易，你可以运行importlib.reload(module)以避免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..."
这个技巧更多的是关于效率而不是调试。能够跳过一些不必要的步骤，使你的工作流程更快、更高效，这总是很好的。通常，不时地重新加载模块是一个好主意，因为它可以帮助你避免调试同时已经修改过多次的代码。
Das obige ist der detaillierte Inhalt vonWas ist die Debugging-Methode in Python?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!