手把手教你使用 python 进行debug，零基础也能轻松掌握

导读

初学编程的时候，很多人教过我一个好习惯，就是，写一点点，测一点点，保证每步都先对，再基于之前的代码去写后面的。这是一个好习惯，不过我还是不太喜欢这样做，面对的也不总是那么简单的代码。

有些时候你可能突然想到一些好点子，或者是架构上的整理，一下子要改很多脚本很多地方，一步步那样做虽不说效率慢多少（有时写测试代码真的很耗时），但有时你是真的不想那样去打断自己的思路，否则前面的测过了，可能你也忘了后面你本来想干嘛的……这个时候，你可以用上各种工具，一次性的去找出多个问题，单点调试逐个击破，不过其实，一个程序应用有一个健壮的日志系统或者是debug系统非常重要，多花几天时间，提前写一个功能完整强大的debug功能类出来，会让你后面事倍功半，一劳永逸，否则你后面浪费太多时间去debug，很可能最后发现还是要有一个专门的debug类才做的下去……

本文用的测试代码：

from torchvision import transforms
from torchvision.datasets import FashionMNIST
import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"


#数据集准备
train_data = FashionMNIST(
    root = "./data/FashionMNIST",
    train = True,
    transform = transforms.ToTensor(),
    download = True #如果没下载数据，就下载数据；如果已经下载好，就换为False
)
test_data = FashionMNIST(
    root = "./data/FashionMNIST",
    train = False,
    transform = transforms.ToTensor(),
    download = True #如果没下载数据，就下载数据；如果已经下载好，就换为False
)

train_data_x=train_data.data
train_data_y=train_data.targets
test_data_x=test_data.data
test_data_y=test_data.targets

print(train_data_x.shape)
print(train_data_y.shape)
print(type(train_data_x))
print(type(train_data_y))
print(test_data_x.shape)
print(test_data_y.shape)

def function1(x):
    for i in range(x):
        print(i)
function1(7)

一、debug环境介绍

点击这个爬虫就可开始debug

在这里插入图片描述

在debug前我们需要设置断点：（设置几个都行）

在这里插入图片描述

进入debug后，左下角：

在这里插入图片描述

1）debugger里面可以看到存在的变量：

请添加图片描述

2）console里面可以我们一步步调试的过程，输出的结果会打印在里面：

在这里插入图片描述

二、debug按钮介绍

分别是
1）step over 快捷键：F8
2）step into 快捷键：F7
3）step into my code 快捷键：alt+shift+F7
4) step out 快捷键：shift+F8
2.1、step into:单步执行（遇到函数也是单步）注意看蓝色的线变化（蓝色的线，代表即将被debug，但是还没有debug到）

在这里插入图片描述

刚我debug了两次，结果如下：