在程序开发过程中，代码的运行往往会和我们预期的结果有所差别。于是，我们需要清楚代码运行过程中到底发生了什么？代码哪些模块运行了，哪些模块没有运行？输出的局部变量是什么样的。我们一般会加一些调试语句，比如加一些print或者log。代码少还好说，如果是大型项目，面对众多 print 的输出结果，可能不太好定位。下面推荐python的PySnooper包
PySnooper?是个什么东西？
PySnooper是一款成熟的调试器，与logging和iceream的作用类似，可以通过pip install PySnooper安装
为什么PySnooper?能从其他智能调试工具中脱颖而出？
因为你可以在不需要进行任何设置的情况下将其用于糟糕的、庞大的企业代码库中。
?PySnooper?主要作用
1、重定向到日志
import pysnooper
@pysnooper.snoop(output='../debug.log')
def demo_func():
dict_list = dict()
dict_list["name"] = "dyf"
dict_list["age"] = 18
dict_list["gender"] = "female" return dict_list
demo_func()2、跟踪非局部变量
跟踪非局部变量值??PySnooper?是以函数为单位进行调试的，它默认只会跟踪函数体内的局部变量，若想跟踪全局变量，可以给?pysnooper.snoop()?加上?watch?参数
import pysnooper
out = {"foo": "bar"}
@pysnooper.snoop(watch='out["foo"]')
def demo_func():
dict_list = dict()
dict_list["name"] = "dyf"
dict_list["age"] = 18
dict_list["gender"] = "female"
return dict_list
demo_func()3、设置跟踪函数的深度
#当你使用 PySnooper 调试某个函数时，若该函数中还调用了其他函数，PySnooper 是不会傻傻的跟踪进去的。如果你想继续跟踪该函数中调用的其他函数，可以通过指定 depth 参数来，设置跟踪深度（不指定的话默认为 1）
# 跟踪函数中调用其他函数的执行过程
@pysnooper.snoop(depth=2)??
def demo_func_new():
return '我是一个函数'
@pysnooper.snoop(depth=2)
def demo_func():
demo = demo_func_new()
print(demo)
dict_list = dict()
dict_list["name"] = "dyf"
dict_list["age"] = 18
dict_list["gender"] = "female"
return dict_list
demo_func()4、设置调试日志的前缀
#当你在使用 PySnooper 跟踪多个函数时，调试的日志会显得杂乱无章，不方便查看。在这种情况下，PySnooper 提供了一个参数，方便你为不同的函数设置不同的标志，方便查看日志时进行区分
#4、设置调试日志的前缀
@pysnooper.snoop(output="../debug.log",?prefix="demo_func:?")5、设置最大的输出长度
默认情况下，PySnooper 输出的变量和异常信息，如果超过 100?个字符，被会截断为 100?个字符。当然你也可以通过指定参数?进行修改
@pysnooper.snoop(max_variable_length=200）?????????????#?限制长度为200
@pysnooper.snoop(max_variable_length=None） # 不限制长度6、支持多线程调试模式
PySnooper 同样支持多线程的调试，通过设置参数 thread_info=True，它就会在日志中打印出是在哪个线程对变量进行的修改。
如果感觉文章对你有帮助的话可以点个关注，欢迎关注公众号：橙好测试开发，可以免费获得测试开发学习资料！
?