先放下几个核心判断：在CentOS环境下调试Python，工具链其实相当成熟，从最基本的打印输出到专业的IDE调试，再到混合语言的底层调试，都有对应的解决方案。下面逐一梳理这些方法，大家可以根据自己的实际场景来选。
一、基础调试方法
1. Print大法
这大概是所有程序员最先学会的调试方式——在代码的关键节点插入print()语句，输出变量值、执行路径或提示信息，直观地展示程序运行状态。比如这样：
def calculate_sum(a, b):
print(f"Input values: a={a}, b={b}") # 打印输入参数
result = a + b
print(f"Calculated result: {result}") # 打印计算结果
return result适用场景很明确：小规模代码、快速验证逻辑，不需要额外工具，开箱即用。
2. Logging模块
当项目规模变大，print的缺点就暴露了——输出混乱、难以管理。这时候就该Python内置的logging模块上场了。它支持日志级别控制（DEBUG/INFO/WARNING/ERROR/CRITICAL）、日志格式定制（时间、模块、行号），还能直接输出到文件，更适合生产环境。配置示例：
import logging
logging.basicConfig(
filename='app_debug.log', # 日志文件路径
level=logging.DEBUG, # 设置最低日志级别
format='%(asctime)s - %(name)s - %(levelname)s - %(message)s' # 日志格式
)
logging.debug("Debug message: Variable x=%d", x) # 输出调试信息适用场景：需要长期记录运行状态、区分日志优先级的项目。
二、命令行调试工具
1. PDB（Python内置调试器）
如果说print是“盲人摸象”，那PDB就是给了你一个“探照灯”。通过pdb模块实现命令行交互式调试，核心功能包括设置断点、逐行执行、查看变量、堆栈追踪。使用步骤很简单：
- 插入断点：在代码中添加
import pdb; pdb.set_trace()，程序运行到此处就会暂停。 - 常用命令：
n（next）：执行下一行代码（不进入函数）；s（step）：进入函数内部；c（continue）：继续执行至下一个断点或程序结束；p <变量名>（print）：打印变量值；l（list）：显示当前代码上下文（前后5行）；q（quit）：退出调试模式。
示例代码：
def divide(a, b):
pdb.set_trace() # 断点
return a / b
divide(10, 0) # 触发断点适用场景：命令行环境、无需图形界面的调试需求。
2. IPDB（增强版PDB）
如果你习惯了IPython的交互体验，那IPDB会很对胃口。它基于IPython的pdb增强工具，提供语法高亮、自动补全、更友好的命令提示。安装与使用：
- 安装：
pip install ipdb； - 使用：将
pdb.set_trace()替换为ipdb.set_trace()，其余命令与PDB一致。
示例代码：
import ipdb
def complex_logic(x):
ipdb.set_trace() # 断点
return x ** 2 + 2 * x + 1
complex_logic(3)适用场景：习惯IPython交互体验、需要更清晰命令提示的开发者。
3. PDBPP（增强版PDB）
又一个PDB的增强版，支持语法高亮、命令历史、自动完成，执行速度也更快。最关键的是，你不需要修改原有的pdb命令，直接安装即可：pip install pdbpp，使用方式与pdb完全一致。
三、图形化调试工具（IDE/编辑器）
1. Visual Studio Code（VS Code）
VS Code的调试功能被很多人低估了。通过安装Python扩展，你能获得可视化的调试界面：断点设置、单步执行、变量监视、调用堆栈查看，该有的都有。配置步骤：
- 安装扩展：在VS Code扩展市场搜索“Python”并安装；
- 配置launch.json：在项目根目录创建
.vscode/launch.json文件，添加以下配置：{ "version": "0.2.0", "configurations": [ { "name": "Python: Current File", "type": "python", "request": "launch", "program": "${file}", // 当前打开的文件 "console": "integratedTerminal" // 使用集成终端 } ] } - 启动调试：在代码行号处点击设置断点，按
F5启动调试模式。
适用场景：轻量级编辑器、需要快速切换调试与开发的场景。
2. PyCharm
JetBrains的PyCharm在调试功能上可以用“武装到牙齿”来形容：可视化断点管理（支持条件断点、日志断点）、变量监视窗口（实时查看变量值及变化）、堆栈追踪分析（快速定位异常位置），甚至支持远程调试。使用步骤：
- 设置断点：在代码行号处点击；
- 启动调试：点击顶部菜单栏“Run”→“Debug ‘Current File’”。
适用场景：大型项目、需要专业调试功能的团队。
四、高级调试技巧
1. 断言（Assert）
通过assert语句验证代码中的关键条件，若条件不成立则抛出AssertionError，快速定位逻辑错误。示例如下：
def calculate_discount(price, discount_rate):
assert price > 0, "Price must be positive" # 验证价格合法性
assert 0 <= discount_rate <= 1, "Discount rate must be between 0 and 1"
return price * (1 - discount_rate)适用场景：开发阶段、验证输入参数或中间结果的合法性。
2. ICECream调试工具
这个工具名字很有意思，但功能很实用。通过ic()函数简化变量输出，支持自动打印变量名与值、支持表达式求值。安装与使用：
- 安装：
pip install icecream； - 使用：替换
print语句为ic()。
示例代码：
from icecream import ic
def process_data(data):
ic(data) # 自动打印变量名与值
processed = [x * 2 for x in data]
ic(processed) # 打印处理后的结果
return processed
process_data([1, 2, 3])输出结果：
ic| data: [1, 2, 3]
ic| processed: [2, 4, 6]适用场景：需要快速输出调试信息、避免重复写print的场景。
3. 混合调试（GDB）
当调试Python与C++混合代码（如通过C扩展实现的Python模块）时，GDB（GNU调试器）就派上用场了。需编译Python时开启调试符号（./configure --with-pydebug），然后通过gdb python启动调试会话，设置断点并查看C++层的变量与堆栈。
