测试开发日记：python代码调试神器，工作提效利器

在程序开发过程中，代码的运行往往会和我们预期的结果有所差别。于是，我们需要清楚代码运行过程中到底发生了什么？代码哪些模块运行了，哪些模块没有运行？输出的局部变量是什么样的。我们一般会加一些调试语句，比如加一些print或者log。代码少还好说，如果是大型项目，面对众多 print 的输出结果，可能不太好定位。下面推荐python的PySnooper包

PySnooper 是个什么东西？

PySnooper是一款成熟的调试器，与logging和iceream的作用类似，可以通过pip install PySnooper安装

为什么PySnooper 能从其他智能调试工具中脱颖而出？

因为你可以在不需要进行任何设置的情况下将其用于糟糕的、庞大的企业代码库中。

 PySnooper 主要作用

1、重定向到日志

import pysnooper
@pysnooper.snoop(output='../debug.log')
def demo_func():
    dict_list = dict()
    dict_list["name"] = "dyf"
    dict_list["age"] = 18
    dict_list["gender"] = "female"    return dict_list

demo_func()

2、跟踪非局部变量

跟踪非局部变量值  PySnooper 是以函数为单位进行调试的，它默认只会跟踪函数体内的局部变量，若想跟踪全局变量，可以给 pysnooper.snoop() 加上 watch 参数

import pysnooper

out = {"foo": "bar"}
@pysnooper.snoop(watch='out["foo"]')
def demo_func():
    dict_list = dict()
    dict_list["name"] = "dyf"
    dict_list["age"] = 18
    dict_list["gender"] = "female"
    return dict_list
demo_func()

3、设置跟踪函数的深度

#当你使用 PySnooper 调试某个函数时，若该函数中还调用了其他函数，PySnooper 是不会傻傻的跟踪进去的。如果你想继续跟踪该函数中调用的其他函数，可以通过指定 depth 参数来，设置跟踪深度（不指定的话默认为 1）

# 跟踪函数中调用其他函数的执行过程
@pysnooper.snoop(depth=2)  
def demo_func_new():
    return '我是一个函数'

@pysnooper.snoop(depth=2)
def demo_func():
    demo = demo_func_new()
    print(demo)
    dict_list = dict()
    dict_list["name"] = "dyf"
    dict_list["age"] = 18
    dict_list["gender"] = "female"
    return dict_list
demo_func()

4、设置调试日志的前缀

#当你在使用 PySnooper 跟踪多个函数时，调试的日志会显得杂乱无章，不方便查看。在这种情况下，PySnooper 提供了一个参数，方便你为不同的函数设置不同的标志，方便查看日志时进行区分

#4、设置调试日志的前缀
@pysnooper.snoop(output="../debug.log", prefix="demo_func: ")

5、设置最大的输出长度

默认情况下，PySnooper 输出的变量和异常信息，如果超过 100 个字符，被会截断为 100 个字符。当然你也可以通过指定参数 进行修改

@pysnooper.snoop(max_variable_length=200）             # 限制长度为200
@pysnooper.snoop(max_variable_length=None）            # 不限制长度

6、支持多线程调试模式

PySnooper 同样支持多线程的调试，通过设置参数 thread_info=True，它就会在日志中打印出是在哪个线程对变量进行的修改。

如果感觉文章对你有帮助的话可以点个关注，欢迎关注公众号：橙好测试开发，可以免费获得测试开发学习资料！