调试是检测和删除代码中的错误或非预期行为的过程，代码可能会返回一些东西(我们想要的或不想要的) ，也可能根本不会工作，并在执行过程中抛出一些错误。那么当我们在代码中发现一个 bug 时会发生什么呢？
在 Jupyter Notebooks 中，我们可以将代码分割成更多的单元，并按顺序执行它们以检查每个步骤。我们还可以在代码中放入许多 print 语句，只是为了看看是否一切都按计划进行。或者，我们可以使用一些神奇的命令，比如 % debug来打开Jupyter Notebook 的交互式调试器窗口。
最后一种方法与我们调试 Python 脚本的方法非常相似。在本文中，我将展示如何使用 VS Code 快速有效地调试 Python 脚本。最好的情况是，你可以将这些方法应用于任何代码。
在 VS Code 中调试
让我们直接进入调试。首先，我们需要写一些代码。可以用下面简化的脚本完成这项工作。演示时可以看到代码上出了什么问题，以及代码什么时候会立即抛出错误。
import pandas as pd
df = pd.DataFrame(data={"id": ['a', 'b', 'c'],
"value": [1, 2, 3]})
def multiply_value(df, multiplier):
df = df.copy()
df["value"] = df["value"] * multiplier
multiplier_list = [1, 2, "3"]
for mult in multiplier_list:
multiply_value(df, mult)第一步是打开 VS Code，导航到我们想要设置项目的目录，创建一个新的脚本，然后粘贴上面的代码。
点击窗口右上角的运行按钮(或者右键单击编辑器窗格中的某个地方并选择“ Run Python File in Terminal”)在终端中运行脚本。我们可以在得到运行结果。
我们可以尝试从这里解决它，或者直接进入调试阶段。
我们可以看到窗格填充了预期的信息。此外，在出现错误的地方弹出的屏幕，连同其类型和一些额外的信息。这对于确定 bug 有很大帮助。让我们看一下错误发生的函数，在这里，我们可以看到乘数的值为“3” ，而它应该是一个数字才能完成乘法工作。
虽然这个事例情况很简单，因为我们自己定义了列表，但在更复杂的脚本中，它可能真的很容易丢失每个变量所存储的内容。特别是当值从其他地方填充时，例如，数据库。
调试控制台与终端不同，在终端中，我们只能看到打印/日志和脚本中断时的错误消息，而在调试控制台中，我们可以交互式地工作并探索变量。每当调试器遇到断点或发生错误时，在调试控制台中，我们可以在该步骤上使用变量的当前状态执行命令。上图中，我们检查了 mult 变量的当前值，打印了 df 并检查了我们是否真的可以将列乘以3。
这个功能在脚本崩溃时非常有用。例如，我们可以在调试控制台中运行以下命令:
df[“value”] * “3”观察我们之前遇到过的相同的错误。虽然这可以帮我们调试脚本，但是在调试更复杂的案例时，了解更多的方法是很有帮助的。
断点类型
VS Code提供了三种类型的断点，每种都有不同的用途。要选择它们，我们首先创建一个普通的断点，然后右键单击它并选择“Edit breakpoint…”。
- Expression——当条件满足时，断点将触发并停止代码的执行。在下图中，我们将条件设置为mult == 2。在variables窗格中，我们确实可以看到代码在满足条件时停止执行。此外，表达式断点的特征是在其红点处有“=”。
- Hit Count——断点会在代码被触发X次时停止执行。例如，我们可以将这个断点放在For循环中，并将其值指定为2。通过这样做，代码将停止在与上面的表达式断点相同的位置。
- Log Message——与前两种类型的断点不同，这种断点不会停止代码的执行。它可以用于在调试控制台中将一些消息打印到日志中。我们已经将消息指定为Current mult: {mult}，并且它确实在控制台中打印出来了。注意，代码中要计算的表达式(一个变量)需要放在花括号中。正如我们所看到的，在预期错误发生之前，代码的执行并没有被破坏。
当然，您也可以通过右键单击并选择“禁用断点”来临时禁用一个断点。
调试配置文件
调试配置在调试会话期间驱动 VS 代码的行为。配置在 launch.json 文件中定义，该文件存储在。我们工作区的 vscode 文件夹。要访问 JSON 文件，我们可以在 VS Code 中首次打开调试窗口时单击“ create a launch.JSON file” ，或者只需单击用于启动调试会话的绿色播放按钮旁边的“ gear”图标。
使用配置文件我们可以做什么？设置环境变量是一个经常派上用场的例子。假设我们的代码是使用某个调度程序部署和运行的，例如，Airflow (远不止这些，但是现在我们假设这样的简化是可以接受的)。然后，我们使用一组 env 变量来控制脚本的行为。例如，在 ETL 脚本中，我们可以使用 env 变量来控制是否扩展特性。
当我们尝试在本地调试代码时，我们的系统中不会有那些 env 变量，因为它们是由气流处理的。因此，一种选择是在全球范围内增加这些措施，但这可能导致以后出现混乱。或者，我们可以使用 launch.json 配置文件为调试环境提供一组 env 变量。
为此，我们按下“ gear”图标来打开文件，并通过添加第10行的内容来修改它。
{
"version": "0.2.0",
"configurations": [
{
"name": "Python: Current File",
"type": "python",
"request": "launch",
"program": "${file}",
"console": "integratedTerminal",
"env": {"RUN_TYPE": "prod"},
}
]
}当我们运行下一个调试会话时，我们可以直接访问 RUN _ type env 变量。
结语
在本文中展示了如何快速使用 VS Code 来调试 Python 脚本。使用本文中提到的几种技术，您可以快速缩小潜在错误的来源，并在交互式调试控制台中尝试不同的修复方法。
如果你没有在工作中遇到过调试脚本，学会这种技能是非常重要的。虽然本文是特定于 VS Code 的，但大多数 ide (例如 PyCharm)都提供了类似的功能集。
【51CTO译稿，合作站点转载请注明原文译者和出处为51CTO.com】
