Python 除錯技巧大全：print、assert、logging、pdb、IDE 五大方法優劣比較

程式一次寫對機率極低，除錯是開發者日常。本文整理五種主流除錯手法，從原始 print 到專業 IDE，分析優缺點與適用場景，附實戰程式碼片段。

1. print 大法：簡單粗暴但殘留垃圾輸出

def foo(s):
    n = int(s)
    print('>>> n = %d' % n)
    return 10 / n

• 優點：零門檻、即時可見。
• 缺點：上線前須手動移除，雜訊干擾正常輸出。

2. assert 斷言：開關自如，生產環境可關閉

def foo(s):
    n = int(s)
    assert n != 0, 'n is zero!'
    return 10 / n

• python -O 啟動時自動忽略所有 assert（視同 pass）。
• 缺點：程式碼中大量 assert 同樣影響可讀性。

3. logging 模組：分級控制、多輸出目的地、不拋出異常

import logging
logging.basicConfig(level=logging.INFO)
s = '0'
n = int(s)
logging.info('n = %d', n)
print(10 / n)

• 等級：DEBUG < INFO < WARNING < ERROR < CRITICAL，單一設定全域控制。
• 可同時輸出至 Console、檔案、Syslog、HTTP 端點。
• 生產環境建議設為 WARNING 以上，開發環境 DEBUG。

4. pdb 命令列除錯器：單步執行、檢查變數、設定斷點

啟動整支程式

$ python -m pdb err.py

程式碼內嵌斷點 (Python 3.7+)

import pdb; pdb.set_trace()  # 或 breakpoint()

常用指令

• 優點：標準庫內建、遠端 SSH 環境也能用。
• 缺點：大型專案單步極慢，缺乏視覺化呼叫堆疊。

5. IDE 圖形化除錯：PyCharm / VS Code + Python 擴充

• 滑鼠點擊行號設定斷點、條件斷點、Logpoint。
• 變數面板即時顯示、支援物件屬性展開、記憶體位址檢視。
• 支援多執行緒、多程序、Docker 遠端除錯。
• 學習曲線略高，但長期效率最高。

總結建議

1. 快速驗證假設 → print / logging.debug
2. 防禦性檢查 → assert
3. 正式專案日誌 → logging 統一管理
4. 複雜邏輯追蹤 → IDE 斷點除錯
5. 無圖形環境/遠端伺服器 → pdb.set_trace()

「Logging 才是終極武器」——善用結構化日誌，事後追查比即時除錯更有效率。