DeBug Python代码全靠print函数？换用这个一天2K+Star的工具吧

print 函数已老，DeBug 该靠 PySnooper 了～

小搭档们，你们都奈何 DeBug Python 代码？是不是常用 print 大法？在本文先容的这个项目中，deBug Python 代码再也不必要 print 了。只要给有疑问的代码加上装饰器，各类信息一览无余，找堕落误也就很是简朴了。

这个名为 PySnooper 的项目是刚开源的，仅仅一天就得到了 2K+ 的 Star 量，虽然这「一天」还没竣事，这个保藏量也会继承革新。

项目地点：https://github.com/cool-RR/pysnooper

Python 奈何 DeBug？

假如写着写着模子，发明模子不 work 了，那么你该奈何找出 Python 的错误语句？这种错误一样平常与语法无关，而是某个变量的运算产生了错误。接下来我们就要逐步找哪个处全部题目了，这里最常见、最直观的要领就是 print 大法。把我们猜疑的变量打印出来，总会找到非常的处所。

假如代码中嵌入了单位测试，譬喻 assert 语句，那么还能缩小一些猜疑范畴。但凡是我们都要多次实行，打印多个变量才气找到错误的处所。在 PyTorch 或 Keras 这样的动态计较图还好，打印出来的直接是一个值，像 TensorFlow 这样的静态计较图，打印出来是张量信息而不是值，这就很忧伤了。

现实上不止是呆板进修，在我们写 Python 的时辰，老是想搞清晰为什么写的代码在运行时有点不大对。许多读者乐于行使断点等成熟的 DeBug 器材，也有的直接行使 print 大法找错误的处所。但此刻我们不必要担忧了，本文将先容一个新的开源器材，它信念满满地号令到：「不要再行使 print 函数来 DeBug 啦～」

极简DeBug器材PySnooper

一样平常环境下，想要知道哪一行代码在运行、哪一行不运行、当地变量的值是几多时，大部门人会行使 print 函数，在要害部门打印某个或某组变量的值、外形、范例等信息。

而 PySnooper 让你能快速地得到这些信息，且对比之下它不必要过细地写 print 函数，只必要向感乐趣的函数增进一个装饰器就行了。我们会获得该函数的具体 log，包括哪行代码能运行、什么时辰运行以及当地变量变革简直切时刻。

对比于其他代码智能器材，PySnooper 为何云云优越？由于不必要任何配置，你就可以在下等、犯科则的企业代码库上行使 PySnooper。只必要加个装饰器，并为日记输出地点指定路径就行了。

这样说也许不太直观，下面我们可以详细看个案例，PySnooper 的优越就能一览无余。

PySnooper 案例

下面项目作者写了一个函数以将数值转换为二进制码，该函数返回的是一个二进制列表。下面我们将装饰器 @pysnooper.snoop() 加到该函数上，就大功告成了。

import pysnooper  
@pysnooper.snoop()  
def number_to_bits(number):  
 if number:  
 bits = []  
 while number:  
 number, remainder = divmod(number, 2)  
 bits.insert(0, remainder)  
 return bits  
 else:  
 return [0]  
number_to_bits(6)  

该函数返回的日记如下，我们可以看到在挪用 number_to_bits 函数时，赋予参数 number 的初始值为 6。然后，PySnooper 就照旧对着源代码一行行说明白。

如上说明所示，函数每建设一个新变量，那么这个变量的值、这个变量的变革城市展示出来。并且 PySnooper 还将轮回睁开，因此变革的细节越发明晰。最终 6 的二进制版本应该是 [1, 1, 0]，它的变革进程也展示在 bits 变量中。

此刻通过这些具体信息，PySnooper 再也不消担忧我们用 print 函数强行 deBug 了。

PySnooper 具体特性

假如尺度错误输出难以得到，可能太长了，那么可以将输出定位到当地文件：

@pysnooper.snoop('/my/log/file.log') 

查察一些非当地变量的值：

@pysnooper.snoop(variables=('foo.bar', 'self.whatever')) 

展示我们函数中挪用函数的 snoop 行：

@pysnooper.snoop(depth=2) 

将全部 snoop 行以某个前缀开始，更轻易定位和找到：

@pysnooper.snoop(prefix='ZZZ ') 

演示 PySnooper

下面我们最开始实行行使 PySnooper 获取 TensorFlow 的信息，假如它能获取各类张量信息，那可就太强盛了。

起首行使 pip 安装包：

pip install pysnooper 

公然，TensorFlow 这种静态图并不能很好地获守信息，读者也可实行一下。后头我们试了试 NumPy，但愿能获取整个计较流的信息。如下代码所示，我们建设了两个数组变量，而且 2×2 的矩阵会连乘多次，假如能追踪到这种连乘，那就较量甜头理赏罚错误。

import pysnooper 
import numpy as np 
@pysnooper.snoop() 
def multi_matmul(times): 
 x = np.random.rand(2, 2) 
 w = np.random.rand(2, 2) 
 for i in range(times): 
 x = np.matmul(x, w) 
 return x 
multi_matmul(3) 

对付 NumPy，该器材确实能追踪全部可疑变量的变革进程。虽然在现实运算中，矩阵乘法的维度会很是大，我们可以直接追踪外形（Shape），而不是详细的值。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!