用PDB库调试Python程序

本文介绍Python内置调试工具pdb的基本使用方法,包括设置断点、单步执行、查看变量等核心功能,并展示了如何利用pdb进行异常后的堆栈跟踪。
Python自带的pdb库,发现用pdb来调试程序还是很方便的,当然了,什么远程调试,多线程之类,pdb是搞不定的。

用pdb调试有多种方式可选:

1. 命令行启动目标程序,加上-m参数,这样调用myscript.py的话断点就是程序的执行第一行之前
python -m pdb myscript.py

2. 在Python交互环境中启用调试
>>> import pdb
>>> import mymodule
>>> pdb.run(‘mymodule.test()’)

3. 比较常用的,就是在程序中间插入一段程序,相对于在一般IDE里面打上断点然后启动debug,不过这种方式是hardcode的

if __name__ == "__main__":
a = 1
import pdb
pdb.set_trace()
b = 2
c = a + b
print (c)

然后正常运行脚本,到了pdb.set_trace()那就会定下来,就可以看到调试的提示符(Pdb)了

常用的调试命令

h(elp),会打印当前版本Pdb可用的命令,如果要查询某个命令,可以输入 h [command],例如:“h l” — 查看list命令
l(ist),可以列出当前将要运行的代码块

在交互环境中通常使用pdb.run来调试:

import pdb
 
def pdb_test(arg):
    for i in range(arg):
        print(i)
    return arg
 
pdb.run("pdb_test(3)")

 

 b 函数名、行号

     打断点,b可以查询所有的断点。

(Pdb) b pdb_test
Breakpoint 1 at c:\users\plpcc\desktop\pdbtest.py:3
(Pdb) b
Num Type         Disp Enb   Where
1   breakpoint   keep yes   at c:\users\plpcc\desktop\pdbtest.py:3

 

  c:

     运行程序,直到遇到断点。

(Pdb) c
> c:\users\plpcc\desktop\pdbtest.py(4)pdb_test()
-> for i in range(arg):

 

   l:

     查看断点周围的代码

(Pdb) l
  1     import pdb
  2    
  3 B   def pdb_test(arg):
  4  ->      for i in range(arg):
  5             print(i)
  6         return arg
  7    
  8     pdb.run("pdb_test(3)")

 

  a:

     查看参数

(Pdb) a
arg = 3

 

  s, n:

     单步运行,区别s会进入路径中的函数,n不会进入 

  p:

     查看表达式的值

(Pdb) p i
0

  condition:

     条件断点,只有条件为true断点才命中

> c:\users\plpcc\desktop\pdbtest.py(5)pdb_test()
-> print(i)
(Pdb) l
  1     import pdb
  2    
  3     def pdb_test(arg):
  4         for i in range(arg):
  5 B->          print(i)
  6         return arg
  7    
  8     pdb.run("pdb_test(3)")
[EOF]
(Pdb) b
Num Type         Disp Enb   Where
2   breakpoint   keep yes   at c:\users\plpcc\desktop\pdbtest.py:5
(Pdb) condition 2 i==1   //i==1时才触发断点2
New condition set for breakpoint 2.
(Pdb) b
Num Type         Disp Enb   Where
2   breakpoint   keep yes   at c:\users\plpcc\desktop\pdbtest.py:5
    stop only if i==1
(Pdb) c
0                       //i==0直接打印未断住
> c:\users\plpcc\desktop\pdbtest.py(5)pdb_test()
-> print(i)             //触发断点,i==1
(Pdb) p i
1

  bt:

      查看调用堆栈

(Pdb) bt
  c:\python33\lib\bdb.py(405)run()
-> exec(cmd, globals, locals)
  <string>(1)<module>()
> c:\users\plpcc\desktop\pdbtest.py(5)pdb_test()
-> print(i)

  r:

      执行到函数返回

(Pdb) r
1
2
--Return--
> c:\users\plpcc\desktop\pdbtest.py(6)pdb_test()->3 //代码位置、函数返回值->3
-> return arg                                       //代码位置的语句
(Pdb) l
  1     import pdb
  2    
  3     def pdb_test(arg):
  4         for i in range(arg):
  5             print(i)
  6  ->      return arg
  7    
  8     pdb.run("pdb_test(3)")

 

通过pdb.set_trace() 在代码中指定位置嵌入一个断点,通常可以通过调试开关来控制

import pdb
 
__DEBUG__ = True
 
def pdb_test(arg):
    if True == __DEBUG__:
        pdb.set_trace()
    for i in range(arg):
        print(i)
    return arg
 
pdb_test(3)

 

 运行后在pdb.set_trace()位置被断住,当__DEBUG__ = False,代码正常运行

> c:\users\plpcc\desktop\pdbtest.py(8)pdb_test()
-> for i in range(arg):
(Pdb) l
  3     __DEBUG__ = True
  4    
  5     def pdb_test(arg):
  6         if True == __DEBUG__:
  7             pdb.set_trace()
  8  ->      for i in range(arg):
  9             print(i)
 10         return arg
 11    
 12     pdb_test(3)
[EOF]

 

通过pdb.pm()进行事后调试,可以跟踪异常程序最后的堆载信息:

Traceback (most recent call last):
  File "C:\Users\plpcc\Desktop\pdbTest.py", line 13, in <module>
    pdb_test(3)
  File "C:\Users\plpcc\Desktop\pdbTest.py", line 10, in pdb_test
    1/0
ZeroDivisionError: division by zero
>>> import pdb
>>> pdb.pm()
> c:\users\plpcc\desktop\pdbtest.py(10)pdb_test()
-> 1/0
(Pdb) l
  5     def pdb_test(arg):
  6         if True == __DEBUG__:
  7             pdb.set_trace()
  8         for i in range(arg):
  9             print(i)
 10  ->          1/0
 11         return arg
 12    
 13     pdb_test(3)

【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值