Watchpoints 是一个简单但功能强大的工具，可以帮助你在调试 Python 时监控变量。

在调试代码时，你经常面临着要弄清楚一个变量何时发生变化。如果没有任何高级工具，那么可以选择使用打印语句在期望它们更改时输出变量。然而，这是一种非常低效的方法，因为变量可能在很多地方发生变化，并且不断地将其打印到终端上会产生很大的干扰，而将它们打印到日志文件中则变得很麻烦。

这是一个常见的问题，但现在有一个简单而强大的工具可以帮助你监控变量：watchpoints。

“监视点”的概念在 C 和 C++ 调试器中很常见，用于监控内存，但在 Python 中缺乏相应的工具。watchpoints 填补了这个空白。

安装

要使用它，你必须先用 pip 安装它：

“`
$ python3 -m pip install watchpoints

“`

在Python中使用 watchpoints

对于任何一个你想监控的变量，使用 watch 函数对其进行监控。

“`
from watchpoints import watch

a = 0
watch(a)
a = 1

“`

当变量发生变化时，它的值就会被打印到标准输出：

“`
====== Watchpoints Triggered ======

Call Stack (most recent call last):
(my_script.py:5):

a = 1
a:
0
->
1

“`

信息包括：

• 变量被改变的行。
• 调用栈。
• 变量的先前值/当前值。

它不仅适用于变量本身，也适用于对象的变化：

“`
from watchpoints import watch

a = []
watch(a)
a = {} # 触发
a[“a”] = 2 # 触发

“`

当变量 a 被重新分配时，回调会被触发，同时当分配给 a 的对象发生变化时也会被触发。

更有趣的是，监控不受作用域的限制。你可以在任何地方观察变量/对象，而且无论程序在执行什么函数，回调都会被触发。

“`
from watchpoints import watch

def func(var):
var[“a”] = 1

a = {}
watch(a)
func(a)

“`

例如，这段代码打印出：

“`
====== Watchpoints Triggered ======

Call Stack (most recent call last):

(my_script.py:8):

func(a)
func (my_script.py:4):
var[“a”] = 1
a:
{}
->
{‘a’: 1}

“`

watch 函数不仅可以监视一个变量，它也可以监视一个字典或列表的属性和元素。

“`
from watchpoints import watch

class MyObj:
def init(self):
self.a = 0

obj = MyObj()
d = {“a”: 0}
watch(obj.a, d[“a”]) # 是的，你可以这样做
obj.a = 1 # 触发
d[“a”] = 1 # 触发

“`

这可以帮助你缩小到一些你感兴趣的特定对象。

如果你对输出格式不满意，你可以自定义它。只需定义你自己的回调函数：

“`
watch(a, callback=my_callback)

或者全局设置

watch.config(callback=my_callback)

“`

当触发时，你甚至可以使用 pdb：

“`
watch.config(pdb=True)

“`

这与 breakpoint() 的行为类似，会给你带来类似调试器的体验。

如果你不想在每个文件中都导入这个函数，你可以通过 install 函数使其成为全局：

“`
watch.install() # 或 watch.install(“funcname”) ，然后以 funcname() 方式使用

“`

我个人认为，watchpoints 最酷的地方就是使用直观。你对一些数据感兴趣吗？只要“观察”它，你就会知道你的变量何时发生变化。

尝试 watchpoints

我在 GitHub 上开发维护了 watchpoints，并在 Apache 2.0 许可下发布了它。安装并使用它，当然也欢迎大家做出贡献。

via: https://opensource.com/article/21/4/monitor-debug-python

作者：Tian Gao 选题：lujun9972 译者：geekpi 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出