Python在Ubuntu中的调试技巧有哪些

在Ubuntu下调试Python代码，其实有不少实用方法。别以为只有print大法一条路——下面这些技巧，能帮你更快定位问题，让代码跑得更顺畅。

先从最经典的开始说：Python自带的pdb模块。它是个交互式源代码调试器，支持断点、单步执行、查看变量值。只要在代码里插入一行：

import pdb; pdb.set_trace()

程序运行到这一行就会自动进入调试模式，像踩了个刹车一样停下，让你慢慢查。很多老手都靠这个快速揪出逻辑错误。

如果你用的是PyCharm、VSCode这类集成开发环境，它们内置的图形化调试工具更直观。设置断点只需点一下行号，变量值实时显示，还能逐行跟进去——对可视化操作友好的开发者来说，效率提升不是一点半点。

当然，有些场景不适合用图形界面（比如服务器命令行），那就试试日志记录。Python的logging模块非常灵活：

import logging
logging.basicConfig(level=logging.DEBUG)
logging.debug('This is a debug message')

通过设置不同日志级别（DEBUG、INFO、WARNING等），你可以在不中断程序的情况下持续追踪运行状态。这招在分析异步任务或定时作业时尤其管用。

另一个轻便的技巧是assert语句：

assert x > 0, "x must be positive"

它能帮你检查代码中的假设是否成立。一旦条件不满足，程序会立刻抛出AssertionError并停止，相当于一个“自我检查哨”。在开发阶段频繁使用，能减少不少低级错误。

如果觉得pdb的交互体验不够顺手，可以看看第三方工具：ipdb（基于pdb，但集成了IPython的补全和高亮）、pdbpp（增加了语法高亮和更友好的输出），还有号称“一行搞定”的PySnooper——只需在函数上加个装饰器，它就能自动打印每行代码的执行轨迹和变量变化，适合快速排查。

对于更底层的调试，比如程序卡住或出现奇怪的系统错误，strace这类系统调用跟踪工具能派上用场。它能监控Python进程的每一次系统调用和信号，帮你看清楚程序到底在跟内核做什么交互。不过这招比较进阶，通常用在极端场景。

别忘了性能分析工具——虽然它们严格来说不是调试器，但很多运行时问题（比如内存泄漏、CPU跑满）其实源于性能瓶颈。cProfile可以给出函数调用耗时排名，Py-Spy则能实时采样Python进程的调用栈。用它们先定位到最耗资源的地方，再针对性调试，事半功倍。

说到根本预防，单元测试是最值得投入的长期策略。Python内置的unittest框架能帮你编写可重复的测试用例，每次改动代码后跑一遍，就能快速发现回归问题。配合pytest使用，写测试甚至比写代码还顺手。

另外，代码审查也是一种被低估的调试手段。当你把代码拿给同事看，或者发布到社区请求review，别人常常一眼就能发现你忽略的边界情况或逻辑漏洞——旁观者清，真的不假。

最后，版本控制系统（比如Git）几乎是现代开发的必备。当新提交引入了bug，你可以通过git bisect快速定位到是哪次变更搞的鬼，然后回滚或修复。配合清晰的提交信息，调试效率能再上一个台阶。

把这十种方法组合使用，大部分调试场景都能覆盖。关键是别等出问题了才想起它们——养成良好的开发习惯，让工具帮你提前堵住漏洞，才是最聪明的做法。