Ubuntu Python调试工具有哪些

Ubuntu 下的 Python 调试工具全景

一 内置与命令行工具

• pdb：Python 自带的交互式调试器，支持断点、单步、进入函数、查看栈与变量等；在代码中插入 import pdb; pdb.set_trace() 即可在断点处暂停。适合服务器或无图形环境。常用命令：n（下一步）、s（进入函数）、c（继续）、q（退出）、p/pp（打印变量）。
• ipdb / pdbpp：增强版 pdb，提供 IPython 风格的交互、语法高亮与更友好的体验，适合本地终端调试。
• pudb：基于控制台的可视化调试器，面向 Linux/macOS，支持变量/栈的直观浏览，适合终端内“图形化”调试。
• rpdb / ripdb / web-pdb：支持远程调试与浏览器界面（web-pdb），便于调试后台进程、容器或远程主机上的代码。
• PySnooper：通过装饰器自动记录函数执行轨迹与变量变化，减少插入 print 的改动成本，适合快速排查数据流问题。

二 IDE 与图形化调试

• Visual Studio Code：安装 Python 扩展，点击行号左侧设断点，侧边调试面板一键启动；支持变量/栈查看、条件断点与单步执行。
• PyCharm：专业级 Python IDE，断点、步进、变量/栈/表达式求值、远程解释器/远程调试、与测试框架深度集成，适合中大型项目。
• Spyder：面向数据科学的 IDE，类似 MATLAB 的交互式工作流，调试时可查看全部变量表、支持步进与可视化，适合 NumPy/Pandas/Matplotlib 场景。
• Thonny：面向初学者的轻量 IDE，内置简单调试器，便于学习 Python 基础与教学。

三 数据科学与深度学习场景

• Jupyter Notebook：交互式笔记本，支持逐单元运行与 %debug 魔术命令进行事后调试，便于探索式分析与可视化。
• PyTorch 生态：
  • 性能与图分析：torch.autograd.profiler 定位算子/模块耗时与瓶颈。
  • 可视化：TensorBoard 查看标量、图像、直方图与计算图。
  • 常规调试：结合 pdb/ipdb、日志与单元测试，形成闭环。

四 远程与无图形环境

• 无侵入排查：优先使用 日志（logging） 与 PySnooper 记录执行路径与变量，尽量避免频繁改动业务代码。
• 终端调试：使用 pdb 进行断点/单步；需要更友好界面时用 pudb。
• 远程/后台进程：使用 rpdb / ripdb / web-pdb 进行远程连接；或在 PyCharm 中配置远程解释器/远程调试会话。
• 容器与服务器：在容器中暴露调试端口或使用 web-pdb；服务器上以 pdb/增强调试器为主，必要时结合日志与单元测试。

五 快速上手示例

• 使用 pdb 在代码中打断点：

  import pdb
  
  def compute(a, b):
      x = a + b
      pdb.set_trace()  # 程序在此暂停
      return x ** 2
  
  compute(2, 3)
  

  进入调试后可用 n/s/c/q/p/pp 等命令进行单步、继续、打印与退出。