Ubuntu上Python调试方法

在Ubuntu环境下调试Python代码，有多种实用的方法可供选择。从轻量级的命令行工具，到功能齐全的集成开发环境，再到能自动记录执行过程的“黑科技”，每个场景都有对应的解决方案。下面把这些常用的调试手段梳理一遍，帮助您更高效地定位问题。

1. 使用内置pdb模块（命令行调试）

pdb是Python标准库自带的调试器，无需额外安装，特别适合快速排查问题。用法很直接：在代码中需要暂停的位置插入 import pdb; pdb.set_trace()，程序执行到这一行便会进入交互模式，等待用户输入命令。

常用的命令不多，记住这几个即可：

• l（list）——显示当前行及周围的代码上下文；
• n（next）——执行下一行，不进入函数内部；
• s（step）——进入函数调用内部；
• c（continue）——继续执行，直到下一个断点；
• p <变量名>（print）——打印变量值，排查问题最常用；
• q（quit）——退出调试器。

注意，pdb是纯文本交互，没有语法高亮，但胜在轻量、零依赖，服务器上临时调试非常方便。

2. 使用IDE内置调试器（图形化调试）

如果习惯使用图形界面，IDE的调试器体验会更好。下面以Ubuntu上最常用的两个IDE为例说明。

PyCharm

社区版可以直接用snap安装：snap install pycharm-community --classic。打开项目后，先配置运行环境：点击右上角“Add Configuration”，选择“Python”，填写脚本路径和工作目录。调试时，在代码行号旁边点击设置断点，然后点击工具栏上的“调试”按钮（小虫子图标），程序就会停在断点处。通过调试面板可以查看变量值、调用栈，也能用工具栏按钮控制单步执行。

Visual Studio Code（VS Code）

首先需要安装Microsoft官方的Python扩展。然后在项目根目录下创建 .vscode/launch.json 文件，写入简单的配置，例如：

{"version": "0.2.0","configurations": [{"name": "Python: Current File","type": "python","request": "launch","program": "${file}","console": "integratedTerminal"}]}

之后的操作与PyCharm类似：在行号旁边点击设置断点，点击左侧的“调试图标”（也是虫子），再点绿色的“开始调试”按钮，即可通过调试工具栏控制执行流程，同时观察变量变化。

3. 使用第三方增强调试工具

如果觉得pdb功能有限，或者想省去手动插入print语句的麻烦，可以试试以下两个工具。

ipdb（增强版pdb）

ipdb在pdb基础上增加了语法高亮、自动补全等功能，调试体验提升明显。安装很简单：pip install ipdb。用法与pdb几乎一样，只需将 import pdb; pdb.set_trace() 替换为 import ipdb; ipdb.set_trace()，启动后界面更加美观。

PySnooper（自动日志记录）

这个工具可以在完全不写print语句的情况下，自动记录函数执行过程中每一行代码的变量变化。安装：pip install pysnooper。然后在要观察的函数前面加上装饰器 @pysnooper.snoop()，运行程序后，控制台就会输出详细的执行日志，包括变量值、执行行号，甚至代码片段。非常适合分析复杂函数的运行逻辑。

4. 使用logging模块（结构化日志）

如果项目需要长期记录运行状态，或者希望调试信息能持久化保存，logging模块是更合适的选择。它无需额外安装，是标准库自带。基本用法：通过 logging.basicConfig 设置日志级别和格式，然后在代码中使用 logging.debug() 输出调试信息。例如：

import logging
logging.basicConfig(level=logging.DEBUG, format='%(asctime)s - %(levelname)s - %(message)s')

def divide(a, b):
    logging.debug(f'Dividing {a} by {b}')
    return a / b

result = divide(10, 2)

运行后输出类似 2025-09-25 10:00:00 - DEBUG - Dividing 10 by 2 的信息。日志可以输出到文件、控制台，甚至通过网络发送，非常灵活。

5. 使用assert语句（快速检查条件）

有时不需要完整的调试器，只需快速验证某个条件是否成立。assert语句正好用于此——如果条件不满足，它会抛出 AssertionError，并附带指定的提示信息。例如：

def calculate_discount(price, discount):
    assert discount >= 0 and discount <= 1, "Discount must be between 0 and 1"
    return price * (1 - discount)

result = calculate_discount(100, 1.5)  # 触发AssertionError

注意，assert只在调试模式下有效，生产环境可能被优化掉（通过 -O 参数启动Python时），因此不要用它进行实际的数据校验。

6. 使用gdb调试C扩展

如果Python程序使用了C/C++扩展模块（例如用Cython编写的），纯Python的调试器无法处理。此时需要gdb。首先安装gdb和Python的调试符号包：sudo apt-get install gdb python-dbg。然后找到Python进程的PID，用 sudo gdb -p 附加到进程。在gdb中，使用 py-bt 命令查看Python调用栈，用 bt 查看C层面的调用栈，结合两者即可定位更底层的bug。