在没有专业调试器情况下，如何调试Python代码？

结合Python特性和实用场景，对使用print()调试法的更多进阶技巧总结如下：

结构化输出技巧

1. JSON格式化输出
   复杂数据结构（如嵌套字典、对象）可转换为JSON提高可读性：
2. import json data = {"user": {"id": 123, "tags": ["vip", "active"]}} print(json.dumps(data, indent=2, ensure_ascii=False))
3. → 输出带缩进的中文友好格式
4. 类型与内存信息
   快速检查变量底层信息：
5. x = [1, 2, 3] print(f"{x=}, {type(x)=}, {id(x)=}") # Python 3.8+ 简化写法

动态追踪技巧

3. 执行时间标记
   定位性能瓶颈：
4. from datetime import datetime start = datetime.now() # 待测试代码 print(f"[TIMING] 耗时: {(datetime.now()-start).total_seconds():.3f}s")
5. 调用堆栈跟踪
   显示函数调用链：
6. import inspect print(f"当前调用链: {[f.function for f in inspect.stack()[:3]]}")

条件化输出

5. 调试开关控制
   通过环境变量控制输出：
6. import os DEBUG = os.getenv("DEBUG") == "true" def debug_print(*args): if DEBUG: print("[DEBUG]", *args) debug_print("只在DEBUG模式显示")
7. 重要警告高亮
   使用ANSI颜色标记关键信息：
8. RED = "\033[91m" RESET = "\033[0m" print(f"{RED}!!! 数据异常: {data}{RESET}")

日志式输出

7. 文件与终端双输出
   同时输出到控制台和文件：
8. def dual_print(*args): with open("debug.log", "a") as f: print(*args, file=f) print(*args) dual_print("调试信息已持久化")
9. 时间序列标记
   生成可排序的调试日志：
10. from time import perf_counter_ns print(f"[{perf_counter_ns()}] 事件触发")

高级应用场景

9. Pandas数据预览
   针对DataFrame的调试优化：
10. import pandas as pd df = pd.DataFrame(...) print(df.sample(3)) # 随机抽样 print(df.describe()) # 统计摘要 print(df.memory_usage()) # 内存占用
11. 异步代码调试
    协程执行轨迹追踪：
12. async def task(): print(f"任务状态: {asyncio.current_task().get_name()}")

注意事项

• 生产环境清理：
  可通过__debug__内置变量自动移除调试代码：if __debug__: print("调试信息") # 使用`python -O`运行时不会执行
• 性能影响：
  高频循环中建议用io.StringIO缓存输出，避免频繁I/O操作

这些技巧虽然不如专业调试器强大，但在快速验证、临时诊断和受限环境（如生产服务器）中极具实用价值。建议根据场景选择2-3种组合使用，既能保持代码简洁又能获得关键信息。

将陆续更新 Python 编程相关的学习资料！

作者：ICodeWR

标签：#编程# #python# #在头条记录我的2025# #春日生活打卡季#